Navigation in geschlossenen Räumen, etwa Fabrikhallen oder Shopping Malls, ist schwierig, weil kaum GPS-Signale empfangen werden. Gyroskope (Drehsensoren) und Beschleunigungssensoren in Mobilgeräten schaffen prinzipiell Abhilfe, melden aber auch irrelevante Bewegungen wie Armschwenken und liefern darum ungenaue Positionsangaben. An der privaten Rice University in Houston/Texas wurde nun laut Eurekalert! unter Leitung von Professor Anshumali Shrivastava (Foto: Rice) ein Ansatz entwickelt, der Gyroskopie- und Beschleunigungsdaten mit Machine Learning kombiniert: Erfahrungsbasierte Annahmen über typische menschliche Bewegungsmuster haben nach Angaben der Forscher zu doppelt so genauen Positionsangaben wie mit GPS-Navigation geführt. Einsatzgebiete sieht man unter anderem im Marketing und im Gesundheitswesen.