• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  • Un système de positionnement intérieur robuste centré sur l'IA

    Figure 1 :Architecture du système. Crédit :IBM

    Dans les aérogares modernes, complexes hospitaliers, Immeubles de bureaux, arènes sportives, campus universitaires, et points de vente, il existe un marché en pleine croissance pour les applications pratiques et faciles à utiliser pour la navigation à l'intérieur. Avec un taux de croissance attendu de 30 % d'ici 2022, selon un rapport MarketWatch, cette demande est accélérée par la présence de capteurs avancés dans les smartphones modernes comme les magnétomètres, accéléromètres, et gyroscopes. Pour répondre à la demande, notre équipe chez IBM Research-Ireland a construit un système de positionnement intérieur prêt pour la production qui est plus précis qu'une solution commerciale existante sur différents modèles de smartphones.

    Notre auto-apprentissage, la plate-forme adaptative utilise un déploiement minimal de balises Bluetooth low energy (BLE) pour déduire les déplacements des utilisateurs, puis apprenez et créez éventuellement des cartes magnétiques sur mesure pour chaque modèle de smartphone pour une zone intérieure spécifique. Notre nouveau système offre une précision de positionnement robuste qui ne tient pas compte du modèle de smartphone utilisé soit pour la prise d'empreintes digitales, soit pour le positionnement. On prouve expérimentalement, dans notre récent article, que notre outil offre une amélioration significative de la précision par rapport à une solution commerciale établie basée sur le positionnement par champ magnétique.

    Les systèmes de positionnement intérieur à la pointe de la technologie exploitent les signaux fréquemment présents dans les environnements intérieurs modernes, telles que les balises WiFi et BLE, car les méthodes de positionnement extérieur utilisant des signaux GPS ne sont pas suffisamment précises pour être efficaces pour la navigation intérieure. Un système de positionnement intérieur doit être capable de détecter la position d'un utilisateur à l'intérieur d'un bâtiment et de fournir des instructions sur la façon de naviguer à l'intérieur. Ces systèmes sont utilisés dans une grande variété de cas, avec leur conception et leur mise en œuvre capables de répondre aux besoins spécifiques des utilisateurs. Par exemple, en 2017, un système expérimental de navigation vocale intérieure/extérieure de haute précision pour les malvoyants a été construit et testé par IBM Research-Tokyo.

    Figure 2 :Inférence de route et apprentissage. Crédit :IBM

    L'approche par champ magnétique est une méthode peu coûteuse qui gagne en popularité car elle ne nécessite aucune installation ou maintenance de capteur spécialisé, mais est plutôt activée par des capteurs déjà présents dans les smartphones. Cependant, les écarts entre les différentes lectures des capteurs sur les modèles de smartphones ont un impact important sur la précision du positionnement à l'intérieur.

    Les approches existantes basées sur l'approche par champ magnétique nécessitent une phase de prise d'empreinte avant de mettre le système à disposition de l'utilisateur final. Au cours de ce processus, le fournisseur de services doit utiliser un smartphone pour collecter les lectures du champ magnétique de toutes les zones accessibles aux piétons et créer une carte annotée statique de l'espace intérieur. Dans des scénarios du monde réel, les utilisateurs finaux peuvent posséder un modèle de smartphone différent de celui utilisé pour la prise d'empreintes digitales. Dans notre travail, nous quantifions les pertes de précision que les systèmes de positionnement intérieur subissent en conséquence.

    Notre système est adaptatif et recyclé en permanence et maintient ainsi une grande précision entre les utilisateurs et les différents modèles de smartphones. Notre idée était d'analyser les sessions de positionnement des utilisateurs finaux afin d'améliorer la base de connaissances de notre système pour les lectures de champ magnétique pour les différents modèles de smartphones. Une fois que l'utilisateur a quitté l'application de positionnement intérieur du smartphone, nous traitons les lectures des capteurs enregistrées dans notre infrastructure cloud et tentons de reconstruire le parcours de l'utilisateur. Nous appelons cette nouvelle technique « inférence de route » et elle est basée sur des filtres à particules et la mise en correspondance de formes. Cela nous permet d'ajouter de nouvelles couches d'informations aux cartes magnétiques de la région. Par conséquent, les sessions de positionnement ultérieures des utilisateurs avec le même modèle de smartphone ont une plus grande précision.

    Figure 3 :Résultats expérimentaux montrant une amélioration de la précision de 15 mètres. Crédit :IBM

    Notre évaluation expérimentale de l'outil montre une amélioration significative de la précision par rapport à une solution commerciale leader basée sur le positionnement par champ magnétique. Spécifiquement, il améliore la précision par rapport aux alternatives commerciales d'environ 15 mètres en moyenne. Ces résultats ont été récemment présentés à la Conférence internationale de positionnement et de navigation intérieures (IPIN) 2018).

    Cet outil d'IA d'auto-apprentissage peut fournir une solution à faible coût aux propriétaires d'installations ne nécessitant aucune reconversion du système. Les propriétaires et exploitants d'installations peuvent rapidement bénéficier de cet outil en l'utilisant pour prendre de meilleures décisions de planification et offrir une expérience transparente à leurs utilisateurs finaux.

    Avec notre outil, trouver une salle de réunion ou un hot desk, courir vers une porte d'embarquement dans un aéroport, à la recherche d'un amphi sur un campus universitaire, rendre visite à un patient ou assister à un rendez-vous dans un hôpital, ou même localiser un produit dans un magasin de détail à l'aide d'un smartphone pourrait être plus rapide, Plus facile, et plus précis.

    © Science https://fr.scienceaq.com