低コストのマイクロ電気機械式加速度計は、ナビゲーションやロボティクス、消費者デバイスにおいて運動センサーや位置推定に広く利用されていますが、バイアスエラーによりその性能が低下します。従来、静止条件下でのバイアスを除去するためのキャリブレーション手順には、加速度計の水平調整や複雑な向き依存の手続きが必要でした。本論文では、センサーの向きを知らずに加速度計のバイアスを推定するモデルフリーの学習ベースのキャリブレーション手法を提案します。このアプローチは、迅速かつ実用的でスケーラブルな解決策を提供し、フィールドでの迅速な展開に適しています。6つの加速度計から得た約13.39時間のデータセットを使用した実験では、提案手法が従来の技術に比べてエラーレベルを52%以上低下させることに成功しました。この研究は、方向に依存しない状況における正確なキャリブレーション手法の向上に寄与し、低コスト慣性センサーの信頼性を多様な科学および産業用途で向上させます。