本研究提出了一种大型无线定位模型（LWLM），旨在解决现有定位模型的数据依赖性和场景泛化能力不足的问题。LWLM通过自监督学习框架，在多种定位任务中显著提高了定位精度，推动了6G应用的发展，如自动驾驶和智慧制造。

本文提出了一种基于元学习的深度学习模型，旨在提高无线定位的精度和泛化能力。该模型结合环境特征，通过转移学习在新环境中有效提升用户设备定位精度。实验结果显示，该方法在有限数据场景中表现优越，平均欧几里得距离提升23.13%。