自学习的人工智能助室内精确导航

在现代化的机场候机楼、医院大楼、办公楼、运动场、大学校园和零售商店中，方便易用的室内导航应用程序的市场日益扩大。根据 MarketWatch （道琼斯旗下的新闻网站）的一份报告，预计到2022年，这一需求可望以 30% 的速度增长。而智能手机中磁力计、加速度计和陀螺仪等先进传感器的出现将加速这一需求。为了满足这一需求，IBM 爱尔兰研究院建立了一个可用于生产环境的室内定位系统，它比现有的应用于不同智能手机上的商业解决方案精确度更高。这一自学习、自适应平台通过部署最少量的低功耗蓝牙（BLE,Bluetooth low energy）信标来推断用户的行程，进行学习，并最终为特定室内区域的每个智能手机型号建立定制的磁力地图（magnetic map）。新系统提供了强大的定位精度，而且与用于记录特征指纹1和定位的手机型号无关。在研究团队最近发布的论文中，通过实验证明这一工具与基于磁场定位的商业解决方案相比，精度显著提高。

图1：系统架构最新的室内定位系统利用了现代室内环境中经常出现的信号，如 WiFi 和低功耗蓝牙信标。因为使用 GPS 信号的外部定位方法不够精确，无法有效地进行室内导航。室内定位系统应该能够探测用户在建筑物内的位置，并指示用户如何在建筑物内导航。这些系统用于各种各样的场景当中。它们的设计和实现能够满足特定的用户需求。例如，在2017年，IBM 东京研究院为视障人士打造了一套实验性的高精度室内外语音导航系统。磁场法是一种低成本的方法，正越来越受欢迎，因为它不需要专门的传感器安装或维护，而是通过智能手机中已有的传感器来实现。然而，不同型号智能手机传感器读数的差异严重影响了室内定位精度。对于现有的基于磁场方法来说，在最终用户能够使用这一系统之前需要一个室内空间特征指纹识别阶段。

在此过程中，服务提供者需要使用智能手机收集所有行人可达区域的磁场读数，并创建室内空间的带标注的静态地图。在现实世界中，终端用户的手机型号可能与用于这个阶段的特征指纹识别的智能手机型号不同。在工作中，研究人员会将室内定位系统的精度损失量化。这个系统是自适应的，并不断重复训练，从而保证不同用户和不同的智能手机型号都具有高精确度。其方法是分析终端用户的定位会话，从而增强系统的知识库，以便为不同型号的智能手机读取磁场数据。一旦用户退出智能手机室内定位应用程序，系统将在云基础结构中处理记录的传感器读数，并尝试重构用户的路径。这种新的技术称为“路径推理”，它基于粒子滤波和形状匹配。它允许研究人员在该区域的磁图上添加新的信息层。因此，同一款智能手机的后续定位会话具有更高的准确率。

图2：路径推理和学习与基于磁场定位的主流商业解决方案相比，对该工具的实验评估显示出了显著的精度改进。具体来说，与商业替代品相比，它平均提高了大约15米的精确度。这些发现发表在最近的国际室内定位和室内导航会议（IPIN 2018）上。

图3：实验结果显示精度提高了15米 对于那些不需要系统再训练的设备所有者，这种自学习的人工智能工具提供一个低成本的解决方案。设备所有者和操作人员可以通过使用该工具迅速受益，从而做出更好的规划决策，并为最终用户提供无缝体验。通过这个工具，可以更快，更容易，更精确地使用智能手机寻找会议室或公共办公桌，服务于机场登机门，在大学校园中寻找演讲厅，在医院里访问一个病人或参加一个预约，甚至在零售商店定位产品。译者注：由于信号在传输过程中产生的反射，折射和衰减等现象，导致在每个特定位置形成了独一无二的物理信号特征，这个特征称为指纹。