Global Positioning by using Environmental Lighting Fingerprints

本研究は照明光の明滅状態を機械学習モデルで分類することで、照明光の個体識別を行い自己位置推定を行うというのが概要である。基本的な原理を実装した技術は2020年度に完成し、2021年度は実用化のためのシステム構成を行い、2022年度は位置推定精度の向上を主な研究目的とした。これまで、本研究は本質的に照明光の分類であり、それを応用した位置推定としては照明機器の設置の粒度が精度の上限であった。発表会等で本研究に興味を持っていただいた企業等からもより高精度な位置推定の可能性について問い合わせを受けることがたびたびあった。そこで2022年度は、従来の分類モデルを回帰モデルとして使うことを検討した。単純に回帰モデルとして作成し直しただけでは全く性能がなかったが、昨年度までの高精度な分類モデルを前段に配置し、その後で切替式の回帰モデルを適用する "Zone-Classified Regressor model" を新たに提案し、これにより照明光の粒度を上回る位置推定精度を実現した。この成果は国内の会議SICE SI部門講演会で発表し、優秀講演賞をいただいた。また、この成果も含めてこれまでの研究成果をまとめた論文を執筆し、英文のジャーナルペーパーとして投稿した。後者については採択が決定し、2023年6月に出版される予定である。また、本研究について出願中であった特許が認められ、2023年度中に権利化できることになった。一方で2021年度からの懸案であった広域化についてはほとんど研究が進まなかった。

本研究は照明光の明滅状態を機械学習モデルで分類することで、照明光の個体識別を行い自己位置推定を行うというのが概要である。基本的な原理を実装した技術は2020年度に完成し、2021年度は実用化のためのシステム構成を行い、2022年度は位置推定精度の向上を主な研究目的とした。これまで、本研究は本質的に照明光の分類であり、それを応用した位置推定としては照明機器の設置の粒度が精度の上限であった。発表会等で本研究に興味を持っていただいた企業等からもより高精度な位置推定の可能性について問い合わせを受けることがたびたびあった。そこで2022年度は、従来の分類モデルを回帰モデルとして使うことを検討した。単純に回帰モデルとして作成し直しただけでは全く性能がなかったが、昨年度までの高精度な分類モデルを前段に配置し、その後で切替式の回帰モデルを適用する "Zone-Classified Regressor model" を新たに提案し、これにより照明光の粒度を上回る位置推定精度を実現した。この成果は国内の会議SICE SI部門講演会で発表し、優秀講演賞をいただいた。また、この成果も含めてこれまでの研究成果をまとめた論文を執筆し、英文のジャーナルペーパーとして投稿した。後者については採択が決定し、2023年6月に出版される予定である。また、本研究について出願中であった特許が認められ、2023年度中に権利化できることになった。一方で2021年度からの懸案であった広域化についてはほとんど研究が進まなかった。