LoRaプロトコルは、その広範囲と低消費電力から、認知障害者や行方不明のリスクを抱える人々のタグに広く利用されています。本研究では、モバイルセンサーが定期的に発信されるLoRaタグを最少の移動で見つけるための意思決定プロセスを検討しています。従来の方法は強化学習を利用していますが、ドメインシフトや信号の変動に対して脆弱であり、決定エラーの連鎖を引き起こすことがあります。これに対処するために提案されたLoRaCompassは、RSSIからロバストな空間表現を学び、UCBに基づく探索関数を導入することで、タグへの移動確率を最大化します。地上およびドローンを用いたシナリオにおいて、LoRaCompassは高い成功率（90%以上）を示し、既存の方法に比べて40%の改善を達成しています。また、検索パスの長さは初期距離に対して線形にスケールします。