无源物联网白皮书-人工智能篇-中移智库

前言况，从AI融合助力无源物联网技术能力提升、附加能力拓展两个维一、AIx无源物联网技术概述 1二、AI融合助力无源物联网基础性能提升 32.1AIx无源物联网智能组网 32.2AIx无源物联网智能调度 7三、AI融合助力无源物联网附加能力拓展 3.1AIx无源物联网单设备融合感知 3.2AIx无源物联网低成本定位 3.3AIx无源物联网空间感知 3.4基于无源数据的物流仓储调度大模型 3.5无源物联网标签安全智能保障 四、总结及展望 参编单位及人员 参考文献 331一、AIx无源物联网技术概述深度融合的路径。通过嵌入式AI算法、边缘智能推理适配等技术手段，AI能力正在与无源物联网络层和平台层技术深度2了“RFID-视觉”等多模态信号的本地化融合感知，有效解决了串读、低成本、高精度的定位解决方案。AI空间感知技术则将无源标签转AI为核心的无源物联网标签安全智能保障技术，为无源物联网在供应链、工业等关键场景的可靠应用提供了信任3二、AI融合助力无源物联网基础性能提升赋能无源物联网在低成本前提下实现更高效、更可靠的端到端连接。AIx无源物联网智能组网与智能调度两类技术通过优化算法与智能无源物联网系统由部署于不同地理位置的读写节点、激励节点、4无源物联网网络系统部署需同时优化标签覆盖率、信号干扰与成5精度的重要手段。通过WirelessInsite等射线跟踪软件进行精确的电无源物联网智能组网部署基于差异化覆盖策略，在仓储物流、工6未来，面对多样化的业务场景与复杂的物理环境，需构建一个能面对上述挑战，智能组网发展趋势将聚焦于三大方向：一是部署智能化。深度融合数字孪生与AI算法，构建高保真虚拟镜像进行仿7无源物联网端侧能力极度受限，缺乏主动通信、频率选择与信道无源物联网智能调度技术领域的研究正在从传统的单一读写设备8小信号形成压制干扰，即读写器-读写器干扰或远近效应。另外，标无源物联网智能调度技术通过系统性的资源协同与优化，正为零9无源物联网智能调度技术的发展仍面临多项核心挑战。一是环境展望未来，该技术正朝着以下方向演进。一是分布式协三、AI融合助力无源物联网附加能力拓展在夯实基础性能之上，AI进一步拓展了无源物联网的感知维度台无源物联网设备中集成算力芯片和嵌入式AI算法，通过“空域-时域”联合采样，把RFID射频信号与可选视觉流等模态特征实时融具有“免额外布线、亚米级精度、毫秒级延迟”的优势，为“即装即用”近年来，无源单设备融合感知技术呈现出“芯片级算力下沉、跨布全球首款集成UHFRFID功能的企业级移动处理器Q-6690，将除串读误读，并加配视觉轨迹功能，已批量部署于图书馆、档案馆、AI自主学习算法，有效过滤掉门禁旁静止或晃动的标签，只识别实度与紫外线传感器由AI模型驱动，可依据季节、地域和开柜频次自网设备，设备内置视觉-射频融合模型。视觉算法实时识别叉车是否过滤邻区路过或人员携带的扰动标签，从而消除传统方案因“门口徘阈值，实现“一机多感”。二是产品形态向“网关+端侧算力+大模型”随着产业的智能化无人化程度提升，对资产高精度室内定位需求日益迫切。传统RFID定位技术虽能实现低成本非接触识别，但存+AI融合定位技术是通过RFID标签与读写器完成射频信号采集，通过AI技术学习信号与位置的映射关系输出定位结果。相较于传统无源定位技术，该融合方案兼具RFID的非接触式批量识别优势与AI的环境自适应能力，可实现厘米级定位，同近年来，无源物联网+AI融合定位技术取得了显著进展，主要体学习网络，省去手工建模的路径损耗或指纹库步骤，并案，利用广义回归神经网络的快速学习与强非线性拟合能力，在提升了收敛速度和定位精度，平均误差0.65二是AI赋能特征提取的创新。除了直接提取定位任务的特征，AI过卷积神经网络，得到标签的左右关系置信度，在标签间距1cm的无源物联网低成本定位技术凭借其标签低成本、免维护的优势，尽管无源物联网+AI融合定位技术已取得显著进展，但从实验室部署到布局、材质、干扰源不同的B仓库时，性能可能急剧下降。AI模型需要具备强大的跨场景自适应和在线学习能力，以应对真实世界环境的动态多变，这对其算法设计和工程实现提出了极高要求。问题。AI模型的部署、迭代和运维引入了额外的计算资源（边缘服随着各行业数字化转型的持续推进，对空间中目标行为与状态的况的鲁棒性，迫使特征提取器学习更具判别力和不变性的本质特征。“统计关联”向“因果推断”深化。传统AI模型依赖统计相关性进行模何发生”，有效提升了行为识别与意图预测的准确性[21]。AIx空间感知技术以其非侵入、易部署、广覆盖计更巧妙的自监督学习任务，从根本上解决数据标注瓶颈；三是端-边-云协同计算，通过任务合理分配，在感知实时性、能效与计算成仓储调度是保障货物流转效率与成本控制的核心环节，对供应链图3-7面向货量趋势预测与作业优化的物流仓储调度大模型迅猛发展，还激发了基于Transformer架构的图3-8物流仓储调度大模型系统框架探索，进一步为物流货量趋势预测提供了技术支撑[27],[密，求解器不再局限于单一的运算执行，而业务专家智能体，实现更精准的货量预测结果[33]；菜图3-8物流仓储调度大模型系统层级基于无源数据的物流仓储调度大模型在物流领域具有广阔的应流企业现有系统（如WMS）集成难度大、改造周期长20。五是全局发展趋势：一是从预测模型向AgenticAI确性和泛化性。三是结合可解释人工智能(XAI)与思维链推理、强化识别数据异常，通过AI模型学习标签合法数RSSI的正常波动区间、标签数据时空轨迹的物理合理性、信号信噪比的基线值，通过多维度特征结合分析，排除异常传统规则库匹配的方法，该技术以AI模型为核心，通过特征工程、数据的特征分布，识别偏离正常分布的潜在异常，再基于LSTM、Transformer等技术学习标签数据的时序关联，识别诸如短时间跨区可通过多维度特征校验+异常拦截实现数据安全防护：通过预设货品针对冷链物流等特殊场景，标签数据还会关联温湿度传感器数据，AI模型校验标签数据与温湿度数据的关联性，判定物资是否符合运如虚报维护次数、延长部件使用时长等，可通过特征关联分析+历史改异常，立即锁定设备，禁止继续生产，同时推送预警至运维人员，四、总结及展望蓝海。通过与AI技术深度融合，无源物联网系统正在朝着感知智能零售商超、生产制造、智慧养老与医疗监护场景领域应用前景广阔。AI与无源物联网的乘法效应正在释放巨大的技术潜力，不仅极智能化转型中提供了低成本、高价值的优选路径。未来，AI与无源地AI模型进行实时感知与决策，并通过协同学习与知识共享，形成够学习到物理实体如何与环境和人交互的真实规律，有助于打造更参编单位及人员参考文献[1]X.Xiaode,Z.Jiali,F.Minyu,H.Siyi,L.Zihan.Multi-objectivemayflyoptimizationalgorithmbasedondimensionalswapvariationforRFIDnetworkplanning[J].IEEESensorsJournal,2022,22(7):7311–7323.[2]L.Shilei,Y.Shunzheng.Afuzzyk-coverageapproachforRFIDnetworkplanningusingplantgrowthsimulationalgorithm[J].JournalofNetworkandComputerApplications,2014,39:280–291.[3]M.Lianbo,W.Xingwei,H.Min,L.Zhiwei,T.Liwei,andC.Hanning.Two-levelmaster–slaverfidnetworksplanningviahybridmultiobjectiveartificialbeecolonyoptimizer[J].IEEETransactionsonSystems,Man,andCybernetics,2019,49(5):861-880.[4]W.Yamin,M.Shuai,L.Yuan.Constrainedmulti-objectiveparticleswarmoptimizationforbistaticRFIDnetworkplanningwithdistributedantennas[J].SwarmandEvolutionaryComputation,2025,94,/10.1016/j.swevo.2025.101882.[5]B.Amoah,X.Wang,J.Zhang,etal.OptimizingadaptivepowercontrolforenhancingrobustnessinRFIDsensing[C].2024IEEEInternationalConferenceonRFIDTechnologyandApplications(RFID-TA).DaytonaBeach:IEEEPress,2024:157-160.[6]Z.Lu,C.Zhong,M.C.Gursoy.Dynamicchannelaccessandpowercontrolinwirelessinterferencenetworksviamulti-agentdeepreinforcementlearning[J].IEEETransactionsonVehicularTechnology,2022,71(2):1588-1601.[7]X.Zhang,Y.He,H.Yi,etal.Anovelanti-collisionalgorithmforlargescaleofUHFRFIDtagsaccesssystems[J].Computers,Materials&Continua,2024,80(7):897-912.[8]Y.Yuan,Y.Huang,C.Yan,etal.Unsourcedsparsemultipleaccess:apromisingtransmissionschemefor6Gmassivecommunication[J].IEEECommunicationsMagazine,2025,63.[9]智研咨询，《中国无线射频识别行业市场运行态势及投资趋势研判报告》，北京：智研咨询，2025年。[10]席悦，《斑马技术：让RFID与AI有机融合》，《中国物流与采购》，2024年，17期。[11]AIOT星图研究院、深圳市物联网产业协会等，《2025中国RFID无源物联网产业白皮书》，深圳：AIOT星图研究院，2025年。[13]Qian,Qiu,Zhitao,etal.ResearchonRFIDIndoorPositioningAlgorithmBasedonGRNNNeuralNetwork[J].[2025-10-14].DOI:10.23977/MEET.2019.93770.[14]C.Wang,Z.Shi,F.WuandJ.Zhang,"AnRFIDindoorpositioningsystembyusingParticleSwarmOptimization-basedArtificialNeuralNetwork,"2016InternationalConferenceonAudio,LanguageandImageProcessing(ICALIP),Shanghai,China,2016,pp.738-742,doi:10.1109/ICALIP.2016.7846624.[15]ShenL,ZhangQ,PangJ,etal.PRDL:RelativeLocalizationMethodofRFIDTagsviaPhaseandRSSIBasedonDeepLearning[J].IEEEAccess,2019.DOI:10.1109/ACCESS.2019.2895129.[16]YanHY,ChuJ.RFIDPositioningAlgorithmBasedonBAOptimization[J].2020.DOI:10.1109/ICCCS49078.2020.9118539.[17]Z.Chenetal.,"RFID-BasedIndoorHumanBehaviorRecognitionUsingSATCN:ASelf-AttentionEnhancedTemporalConvolutionalNetwork,"202427thInternationalConferenceonComputerSupportedCooperativeWorkinDesign(CSCWD),Tianjin,China,2024,pp.2852-2857,doi:10.1109/CSCWD61410.2024.10580071.[18]C.Yang,Z.WangandS.Mao,"RFPose-GAN:DataAugmentationforRFIDbased3DHumanPoseTracking,"2022IEEE12thInternationalConferenceonRFIDTechnologyandApplications(RFID-TA),Cagliari,Italy,2022,pp.138-141,doi:10.1109/RFID-TA54958.2022.9924133.[19]S.Lv,H.Hong,L.Yang,J.DingandR.Song,"SolvingIn-doorHumanActivityRecognitionviaRFIDbasedonUnsupervisedDomainAdaptation,"2022IEEE4thInternationalConferenceonPower,IntelligentComputingandSystems(ICPICS),Shenyang,China,2022,pp.388-392,doi:10.1109/ICPICS55264.2022.9873745.[20]C.Yang,L.Wang,X.WangandS.Mao,"EnvironmentAdaptiveRFID-Based3DHumanPoseTrackingWithaMeta-LearningApproach,"inIEEEJournalofRadioFrequencyIdentification,vol.6,pp.413-425,2022,doi:10.1109/JRFID.2022.3140256.[21]颜雨,刘江湖,李晓帆.大型语言模型赋能的无线智能感知技术、应用与趋势综述[J].天地一体化信息网络,2025,6(03):59-73.DOI:CNKI:SUN:TDYT.0.2025-03-007.[22]中国移动研究院，《中国移动研究院携手中国物流共建基于大模型的“AI+仓储调度”体系，打造综合物流场景应用标杆和行业大模型评测标准》，微信公众号“中国移动研究院”，2024年9月12日，/s/3DdeJig8Eji74lR5YgaaJQ[23]Achiam,Josh等."Gpt-4technicalreport."arXivpreprintarXiv:2303.08774.2023.[24]Touvron,Hug等."Llama2:Openfoundationandfine-tunedchatmodels."arXivpreprintarXiv:2307.09288.2023.[25]Bai,Jinze等."Qwentechnicalreport."arXivpreprintarXiv:2309.16609.2023.[26]九天人工智能，《九天结构化数据大模型，助力行业生产数据价值智能化释放》，微信公众号“九天人工智能”，2025年5月15日，/s/S1oeFSIYrU8bNuwsiQ2hMg[27]Das,Abhimanyu等."Adecoder-onlyfoundationmodelfortime-seriesforecasting."InternationalConferenceonMachineLearning(ICML).2024.[28]Wang,Chengsen等."Chattime:Aunifiedmultimodaltimeseriesfoundationmodelbridgingnumericalandtextualdata."AAAIConferenceonArtificialIntelligence(AAAI).2025.[29]Liu,Chenxi等."Timecma:Towardsllm-empoweredmultivariatetimeseriesforecastingviacross-modalityalignment."AAAIConferenceonArtificialIntelligence(AAAI).2025.[30]Wang,Xinlei等."Fromnewstoforecast:Integratingeventanalysisinllm-basedtimeseriesforecastingwithreflection."AdvancesinNeuralInformationProcessingSystems(NeurIPS).2025.[31]Rizqi,ZakkaUgih等."Dynamiccraneschedulingforgreenautomatedwarehousing:learning-basedsimulation-optimizationapproach."FlexibleServicesandManufacturingJournal.2025.[32]Choi,Byoungho等."AnOptimizationFrameworkforAllocatingandSchedulingMultipleTasksofMultipleLogisticsRobots."Mathematics.2025.[33]数智顺丰，《顺丰物流决策大模型“丰知”重磅发布，让供应链决策更简单》，微信公众号“数智顺丰”，2024年8月20日，/s/643Rvc95t8hJSNtkuzy5PA[34]陈齐运联智库，《深扒顺丰、京东物流、菜鸟、中通、极兔、中国邮政等巨头AI布局：中小物流企业能不能靠AI赚钱？》，微信公众号“运联智库”