室内定位系统通常设计用于建筑物内部，而卫星导航则用于外部。人和机器不尊重这种划分：他们穿过门、走下坡道以及在楼层之间移动。 KAILOS 技术谱系展示了定位研究如何从第一个问题转向更难的问题——跨越边界的连续性。
集成的室内定位堆栈（2014)
KAILOS在2014年IPIN文献中被描述为集成的室内定位技术堆栈：Wi-Fi指纹、室内地图、定位算法以及将它们一起部署所需的工具。
比例尺无线电地图
指纹定位取决于无线电地图，并且无线电地图需要努力来建立并保持最新。后来的出版物利用日常使用期间收集的测量结果，通过众包无线电地图构建扩展了该方法。
传感器融合和行人航位推算
无线电信号单独留下间隙。该系列的研究增加了传感器融合和行人航位推算（PDR），它可以根据设备运动传感器测量的步数、步长和航向来估计运动。将运动与无线电观测相结合，可以在无线电更新之间保持位置估计的连续性。
室内/室外检测及组合导航
连续性需要知道环境何时发生变化。室内/室外检测和集成导航方面的工作解决了系统如何识别过渡并将室外和室内定位连接到一种导航体验中。
基于学习的定位
近期研究将机器学习应用于同一问题：利用磁场和 Wi-Fi 信道测量的深度学习进行室内定位，以及仅凭运动传感器估计运动的学习型惯性模型。完整记录请参阅 专利和出版物.
KPT 接下来去哪里
KAILOS 通过 Wi-Fi 定位、无线电地图构建、传感器融合、行人航位推算和室内外综合导航研究不断发展。KPT 正将这一基础扩展到面向实际部署的专用设备和 AI 定位模块： KTAG, KTAG Pro 以及 KAILOS Neural Engine.