構築と保守が容易な機械学習に基づく電波強度ベース屋内測位

該当年度において，「構築と保守が容易な機械学習に基づく電波強度ベース屋内測位」の実現に向けて，構築の観点で，問題の一つである「大量かつ高密な教師データ収集が必要」という問題の解決を目指した．これは，本研究課題であるデータ収集コストの削減について画像認識や音声認識分野で発展を遂げているデータ拡張手法を屋内測位に適用することで，少量のデータから学習サンプルを増強し，低データ取得コストで高精度な屋内測位手法の実現を目指すものである．ただし，単純な適用は画像データや音声データと，屋内測位に用いる信号強度データで大きく異なるため不可能であった．そこで，屋内測位へのデータ拡張手法の展開を，Wi-Fi信号の特徴を深層学習を用いてモデル化を行い，そのモデルに基づいてデータ生成を行うことで，屋内測位へのデータ拡張手法の構築を行った．また，昨年度までに収集したデータを用いた実験により，以前の10% 程度のデータ収集箇所で，以前の測位と同等の精度を達成できることが確認された．これにより，少量の疎な教師データ収集のみで屋内測位モデルの構築が可能であることを示した．上記の研究成果について，現在海外論文誌に投稿し査読中である．前年度成果「コストの増大を回避する保守手法」，今年度成果「少量データでの屋内測位モデル構築」，採用時の成果「機種依存性を排除した屋内測位手法」より，本研究課題である「構築と保守が容易な機械学習に基づく電波強度ベース屋内測位」が構築された．また，本研究の目的の一つである「構築」について，Wi-Fiの新たなプロトコルである電波通信時間（RTT）を用いた，新たな問題設定であるデバイスの保持を前提としない測位への展開を行い，電波強度に限らない測位における測位環境構築も達成した．この研究成果について，情報処理学会UBI研究会，第67回研究発表会において発表し，学生奨励賞を受賞した．

該当年度において，「構築と保守が容易な機械学習に基づく電波強度ベース屋内測位」の実現に向けて，構築の観点で，問題の一つである「大量かつ高密な教師データ収集が必要」という問題の解決を目指した．これは，本研究課題であるデータ収集コストの削減について画像認識や音声認識分野で発展を遂げているデータ拡張手法を屋内測位に適用することで，少量のデータから学習サンプルを増強し，低データ取得コストで高精度な屋内測位手法の実現を目指すものである．ただし，単純な適用は画像データや音声データと，屋内測位に用いる信号強度データで大きく異なるため不可能であった．そこで，屋内測位へのデータ拡張手法の展開を，Wi-Fi信号の特徴を深層学習を用いてモデル化を行い，そのモデルに基づいてデータ生成を行うことで，屋内測位へのデータ拡張手法の構築を行った．また，昨年度までに収集したデータを用いた実験により，以前の10% 程度のデータ収集箇所で，以前の測位と同等の精度を達成できることが確認された．これにより，少量の疎な教師データ収集のみで屋内測位モデルの構築が可能であることを示した．上記の研究成果について，現在海外論文誌に投稿し査読中である．前年度成果「コストの増大を回避する保守手法」，今年度成果「少量データでの屋内測位モデル構築」，採用時の成果「機種依存性を排除した屋内測位手法」より，本研究課題である「構築と保守が容易な機械学習に基づく電波強度ベース屋内測位」が構築された．また，本研究の目的の一つである「構築」について，Wi-Fiの新たなプロトコルである電波通信時間（RTT）を用いた，新たな問題設定であるデバイスの保持を前提としない測位への展開を行い，電波強度に限らない測位における測位環境構築も達成した．この研究成果について，情報処理学会UBI研究会，第67回研究発表会において発表し，学生奨励賞を受賞した．