С ростом спроса на услуги на основе определения местоположения, обусловленным расширением устройств Интернета вещей (IoT), традиционные методы локализации, такие как GPS, сталкиваются с ограничениями в помещениях из-за ухудшения сигнала. Мы предлагаем подход, использующий методы связи LoRaWAN и машинного обучения для точной оценки местоположения мобильного робота на основе сигналов индикатора уровня полученного сигнала (RSSI). Радиокарта была построена с использованием данных, собранных с трех статических якорей LoRa, а контролируемый метод машинного обучения на основе алгоритма XGBoost использовался для прогнозирования местоположения робота. Экспериментальная установка, которая включает сбор данных, обучение модели и тестирование, демонстрирует эффективность этого подхода. Эффективность модели оценивалась с использованием ключевых показателей, таких как средняя абсолютная погрешность (MAE) 0,24 метра и средняя погрешность (AE) 0,32 метра, что свидетельствует о том, что предлагаемая система отличается высокой точностью и подходит для локализации мобильных узлов в реальном времени в помещениях

LoRa, RSSI, локализация в помещении, машинное обучение, XGBoost, мобильные узлы