本研究では, 見通し外（Non-Line-of-Sight: NLOS) 環境における Fine Timing Measurement (FTM) による屋内測位精度を評価した．実験は富山高等専門学校の T 字型廊下において，4 台の Google Nest Wi-Fi と Zenfone 9 端末を用い，45 地点でそれぞれ 1 分間の測定を実施した．幾何学的手法による測定では，3 m 以内の精度は 6.5 % にとどまり，廊下の角付近では電波の遮蔽により大きな誤差が生じた．一方，RSSI および FTMを特徴量としたランダムフォレストモデルを適用することで，3 m 以内の精度が 99.9 % まで向上した．これらの結果から，機械学習の導入により，NLOS 環境下での屋内測位精度が大幅に向上することが示された．