本記事では、Meta-SimGNNという新しいWiFi位置特定システムについて述べています。これは、深層学習に基づく位置特定の実用性を高めるために、メタラーニングを使用してシナリオ依存性の問題に対処するものです。従来の研究は、環境のレイアウトの変化に主に注目していましたが、デバイス構成（帯域幅、アクセスポイントの数、アンテナの数など）の変化の影響を無視していました。Meta-SimGNNは、グラフニューラルネットワークとメタラーニングを統合し、ローカリゼーションの一般化能力とロバスト性を向上させます。具体的には、各アクセスポイントをノードとして扱う細粒度のCSIグラフ構築を行い、特徴抽出手法と振幅・位相融合法を提案しています。また、新しいシナリオと過去のシナリオの類似性に基づいて初期モデルパラメータを定めるシミラリティガイドのメタラーニング戦略も開発され、モデル適応を迅速化します。実験結果では、Meta-SimGNNが従来の手法と比較して、一般化能力と精度において優れていることが示されています。