JP2001311628A - 屋内環境におけるナビゲーションを行うための方法及び装置 - Google Patents
屋内環境におけるナビゲーションを行うための方法及び装置Info
- Publication number
- JP2001311628A JP2001311628A JP2001031015A JP2001031015A JP2001311628A JP 2001311628 A JP2001311628 A JP 2001311628A JP 2001031015 A JP2001031015 A JP 2001031015A JP 2001031015 A JP2001031015 A JP 2001031015A JP 2001311628 A JP2001311628 A JP 2001311628A
- Authority
- JP
- Japan
- Prior art keywords
- indoor environment
- location
- navigation
- statistical model
- environment according
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S2205/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S2205/01—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations specially adapted for specific applications
- G01S2205/02—Indoor
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【課題】 従来、生のセンサ信号が、大抵の場合、環境
をモデル化するための機械学習プロセスへの直接的な入
力として用いるのに適していないことである。 【解決手段】 着用式デバイスは、屋内環境におけるナ
ビゲーション用に形成されている。このデバイスは、屋
内環境の既知のロケーション及び屋内の未知のロケーシ
ョンにおける環境的物理状態を測定するための受動セン
サを有する。着用式コンピュータは、受動センサに接続
されている。コンピュータは、既知のロケーションにお
いて測定された物理的条件による第１の環境統計モデ
ル、及び未知のロケーションにおいて測定された物理的
条件による第２の環境統計モデルを構築するように構成
されている。コンピュータの処理手段は、第２の統計モ
デルと第１の統計モデルとを比較することによって、未
知のロケーションが既知のロケーションに対応する確率
を決定する。
をモデル化するための機械学習プロセスへの直接的な入
力として用いるのに適していないことである。 【解決手段】 着用式デバイスは、屋内環境におけるナ
ビゲーション用に形成されている。このデバイスは、屋
内環境の既知のロケーション及び屋内の未知のロケーシ
ョンにおける環境的物理状態を測定するための受動セン
サを有する。着用式コンピュータは、受動センサに接続
されている。コンピュータは、既知のロケーションにお
いて測定された物理的条件による第１の環境統計モデ
ル、及び未知のロケーションにおいて測定された物理的
条件による第２の環境統計モデルを構築するように構成
されている。コンピュータの処理手段は、第２の統計モ
デルと第１の統計モデルとを比較することによって、未
知のロケーションが既知のロケーションに対応する確率
を決定する。
Description
【０００１】
【発明の属する技術分野】この発明は、一般に、着用式
（ウェアラブル）コンピューティングデバイスに関し、
特に、着用式コンピューティングデバイスを用いた屋内
ナビゲーションに関するものである。
（ウェアラブル）コンピューティングデバイスに関し、
特に、着用式コンピューティングデバイスを用いた屋内
ナビゲーションに関するものである。
【０００２】
【従来の技術】着用式コンピューティングデバイスの大
半の応用では、ユーザの内部または外部状態の様子を検
出する能力が重要である。一般に、これは、状況認識
（コンテキスト・アウェアネス：context awareness）
と呼ばれる。
半の応用では、ユーザの内部または外部状態の様子を検
出する能力が重要である。一般に、これは、状況認識
（コンテキスト・アウェアネス：context awareness）
と呼ばれる。
【０００３】内部状況認識コンピューティングは、ユー
ザの内部状態の様々な様子を検出するために用いられて
いる。例えば、センサは、喜びまたは怒りの表現などの
ユーザの心理的パターンを測定し、これらの心理的パラ
メータは、心拍数および身体活動などの生理的パラメー
タと関連づけられる。アクティグラフィ（actigraph
y）、即ち、処理された加速度計示数は、手の震えの詳
細な長期にわたる測定を行い、パーキンソン病患者の症
状管理を手伝うために用いられている。着用式コンピュ
ーティングデバイスは、いつ人が眠っているかを検出
し、活動および感情障害のレベルと、注意を欠いた活動
過多障害とを相関させるためにも用いられている。
ザの内部状態の様々な様子を検出するために用いられて
いる。例えば、センサは、喜びまたは怒りの表現などの
ユーザの心理的パターンを測定し、これらの心理的パラ
メータは、心拍数および身体活動などの生理的パラメー
タと関連づけられる。アクティグラフィ（actigraph
y）、即ち、処理された加速度計示数は、手の震えの詳
細な長期にわたる測定を行い、パーキンソン病患者の症
状管理を手伝うために用いられている。着用式コンピュ
ーティングデバイスは、いつ人が眠っているかを検出
し、活動および感情障害のレベルと、注意を欠いた活動
過多障害とを相関させるためにも用いられている。
【０００４】外部状況認識コンピューティングは、自動
ツアーガイドなどの応用、ならびに人々および動物の追
跡に用いられている。自動ツアーガイドでは、着用式デ
バイスは、ユーザの興味の対象に対する観察力を高め
る。
ツアーガイドなどの応用、ならびに人々および動物の追
跡に用いられている。自動ツアーガイドでは、着用式デ
バイスは、ユーザの興味の対象に対する観察力を高め
る。
【０００５】着用式デバイスはまた、目の不自由な人々
に対するナビゲーション支援を提供することもできる。
着用式デバイスによって得られたＧＰＳ情報は、状況認
識コンピューティングにおいて用いられ、フィールドワ
ーカーが野生動物を追跡するのを助ける。
に対するナビゲーション支援を提供することもできる。
着用式デバイスによって得られたＧＰＳ情報は、状況認
識コンピューティングにおいて用いられ、フィールドワ
ーカーが野生動物を追跡するのを助ける。
【０００６】ナビゲーションの目的では、従来の研究の
大半は、光、視覚、および音声センサなどの豊富で十分
に理解されているセンサに集中していた。例えば、米国
特許第５,７９３,４８３号公報は、光ビーム送信機およ
び光ビーム検出器を有する、送信機と検出器との間の距
離を測定するための光測定システムについて記載してい
る。米国特許第５,３７８,９６９号公報は、予め準備さ
れた環境マップを用いるロボットナビゲーションを制御
するためのシステムについて記載している。マップで
は、オブジェクトの形状特徴は予め設計されている。ロ
ボットは、視覚センサを有する。このナビゲーションに
おいて、ロボットは、形状特徴から現在の位置を認識す
る。
大半は、光、視覚、および音声センサなどの豊富で十分
に理解されているセンサに集中していた。例えば、米国
特許第５,７９３,４８３号公報は、光ビーム送信機およ
び光ビーム検出器を有する、送信機と検出器との間の距
離を測定するための光測定システムについて記載してい
る。米国特許第５,３７８,９６９号公報は、予め準備さ
れた環境マップを用いるロボットナビゲーションを制御
するためのシステムについて記載している。マップで
は、オブジェクトの形状特徴は予め設計されている。ロ
ボットは、視覚センサを有する。このナビゲーションに
おいて、ロボットは、形状特徴から現在の位置を認識す
る。
【０００７】ロボットナビゲーションの分野では、多く
のシステムはまた、ソナーセンサに依存している。ソナ
ーセンサは、配向制御が問題となる着用式システムに対
しては適切ではない。
のシステムはまた、ソナーセンサに依存している。ソナ
ーセンサは、配向制御が問題となる着用式システムに対
しては適切ではない。
【０００８】屋内ナビゲーションでは、ＧＰＳは使用が
困難である。米国特許第５,９５９,５７５号公報は、内
部ＧＰＳナビゲーション方法について記載している。こ
の特許では、地上送受信機は、地上送受信機の位置座標
を含む疑似サテライト信号を送信する。ビーコンに基づ
いた能動バッジおよびシステムは、複雑かつ高価な内部
構造の設置および維持を必要とする。
困難である。米国特許第５,９５９,５７５号公報は、内
部ＧＰＳナビゲーション方法について記載している。こ
の特許では、地上送受信機は、地上送受信機の位置座標
を含む疑似サテライト信号を送信する。ビーコンに基づ
いた能動バッジおよびシステムは、複雑かつ高価な内部
構造の設置および維持を必要とする。
【０００９】
【発明が解決しようとする課題】自然に発生する信号だ
けに依存する着用式受動センサのみを用いた屋内ナビゲ
ーションを行うことが望まれる。このタイプの応用およ
びそれに関連する他の応用についての課題は、生のセン
サ信号が、大抵の場合、環境をモデル化するための機械
学習プロセスへの直接的な入力として用いるのに適して
いないことである。これは、生の信号と、行われる高レ
ベルの推論との間に統計学上あまりにも大きな違いがあ
るためである。本発明の１つの目的は、正しい推論が行
われる可能性を増加させることである。
けに依存する着用式受動センサのみを用いた屋内ナビゲ
ーションを行うことが望まれる。このタイプの応用およ
びそれに関連する他の応用についての課題は、生のセン
サ信号が、大抵の場合、環境をモデル化するための機械
学習プロセスへの直接的な入力として用いるのに適して
いないことである。これは、生の信号と、行われる高レ
ベルの推論との間に統計学上あまりにも大きな違いがあ
るためである。本発明の１つの目的は、正しい推論が行
われる可能性を増加させることである。
【００１０】
【課題を解決するための手段】本発明は、状況認識コン
ピューティングのための着用式コンピューティングデバ
イスを提供する。特に、本発明による着用式デバイス
は、屋内環境をナビゲートするために用いられ得る。着
用式デバイスは、建物の壁、床、および天井における鋼
鉄梁からの磁界、固定配置された蛍光から発生する周囲
光、および室内にわたる温度勾配を測定するための受動
センサを有する。さらに、受動センサは、階段を上り下
りすること、エスカレータまたはエレベータに乗るこ
と、単に歩くこと、または歩数を数えることによる特有
の加速パターンを測定する。
ピューティングのための着用式コンピューティングデバ
イスを提供する。特に、本発明による着用式デバイス
は、屋内環境をナビゲートするために用いられ得る。着
用式デバイスは、建物の壁、床、および天井における鋼
鉄梁からの磁界、固定配置された蛍光から発生する周囲
光、および室内にわたる温度勾配を測定するための受動
センサを有する。さらに、受動センサは、階段を上り下
りすること、エスカレータまたはエレベータに乗るこ
と、単に歩くこと、または歩数を数えることによる特有
の加速パターンを測定する。
【００１１】学習段階では、センサからの生信号は、学
習モジュールに提供される。信号は、高レベルの特徴を
抽出するために予め処理される。これらの高レベルの特
徴は、新しい知識をシステムに付加しない。その代わり
に、特徴は、現存する情報を機械学習プロセスにさらに
有効な形態に再形成する。環境モデルが一旦学習される
と、システムはナビゲーションのために用いられ得る。
習モジュールに提供される。信号は、高レベルの特徴を
抽出するために予め処理される。これらの高レベルの特
徴は、新しい知識をシステムに付加しない。その代わり
に、特徴は、現存する情報を機械学習プロセスにさらに
有効な形態に再形成する。環境モデルが一旦学習される
と、システムはナビゲーションのために用いられ得る。
【００１２】特に、着用式デバイスは、屋内環境におけ
るナビゲーションのために構成される。デバイスは、屋
内環境の既知のロケーションおよび屋内環境の未知のロ
ケーションにおける環境的物理状態を測定するための受
動センサを有する。着用式コンピュータは、受動センサ
に接続されている。
るナビゲーションのために構成される。デバイスは、屋
内環境の既知のロケーションおよび屋内環境の未知のロ
ケーションにおける環境的物理状態を測定するための受
動センサを有する。着用式コンピュータは、受動センサ
に接続されている。
【００１３】コンピュータは、既知のロケーションにお
いて測定された物理的条件に応じた第１の統計的環境モ
デル、および未知のロケーションにおいて測定された物
理的条件に応じた第２の統計的環境モデルを構築するよ
うに形成されている。コンピュータの処理手段は、第２
の統計的モデルと第１の統計的モデルとを比較すること
によって、未知のロケーションが、既知のロケーション
のいずれかに対応する確率を決定する。
いて測定された物理的条件に応じた第１の統計的環境モ
デル、および未知のロケーションにおいて測定された物
理的条件に応じた第２の統計的環境モデルを構築するよ
うに形成されている。コンピュータの処理手段は、第２
の統計的モデルと第１の統計的モデルとを比較すること
によって、未知のロケーションが、既知のロケーション
のいずれかに対応する確率を決定する。
【００１４】
【発明の実施の形態】実施の形態１． システムの概要 図１は、本発明による着用式ナビゲーションシステム１
００を示す。システム１００は、データ取得モジュール
１１０およびデータ処理モジュール１２０を有する。デ
ータ取得モジュール１１０は、多数の小型、軽量、低電
力、安価、受動、および好ましくは無指向性センサを有
する。この説明の状況において受動とは、センサが信号
を発生せず、信号を受信するだけであることを意味す
る。
００を示す。システム１００は、データ取得モジュール
１１０およびデータ処理モジュール１２０を有する。デ
ータ取得モジュール１１０は、多数の小型、軽量、低電
力、安価、受動、および好ましくは無指向性センサを有
する。この説明の状況において受動とは、センサが信号
を発生せず、信号を受信するだけであることを意味す
る。
【００１５】処理モジュール１２０は、メモリ１２２に
接続されたプロセッサ１２１、ならびに、例えば、マウ
ス、キーボード、ディスプレイ等のＩ／Ｏデバイス（図
示せず）および取得モジュールに接続するためのバス
（ＰＣ／ＭＣＩＡ）１２３を有する。プロセッサモジュ
ールは、本発明による方法を実施するためのアプリケー
ションプログラムを実行することが可能である。システ
ムの目的は、トレーニングセッション中に得られた環境
測定値から屋内環境におけるロケーションを決定するこ
とである。
接続されたプロセッサ１２１、ならびに、例えば、マウ
ス、キーボード、ディスプレイ等のＩ／Ｏデバイス（図
示せず）および取得モジュールに接続するためのバス
（ＰＣ／ＭＣＩＡ）１２３を有する。プロセッサモジュ
ールは、本発明による方法を実施するためのアプリケー
ションプログラムを実行することが可能である。システ
ムの目的は、トレーニングセッション中に得られた環境
測定値から屋内環境におけるロケーションを決定するこ
とである。
【００１６】システム１００は、手で持つ、ベルトに装
着する、または衣類に取り付けることが可能である。ベ
ルトまたは他の取り付け手段は、センサとユーザとの間
に比較的固定された配向を提供し、配向ずれおよび方向
性の問題を克服する。データ処理モジュール１２０は、
ラップトップ、パームトップ、または他の同様に小型の
コンピューティングデバイスであり得る。データ取得モ
ジュール１１０は、処理モジュールと統合され得るか、
またはケーブル１１５によって処理モジュール１２０も
しくは赤外線送受信機にインターフェースで接続され得
る。
着する、または衣類に取り付けることが可能である。ベ
ルトまたは他の取り付け手段は、センサとユーザとの間
に比較的固定された配向を提供し、配向ずれおよび方向
性の問題を克服する。データ処理モジュール１２０は、
ラップトップ、パームトップ、または他の同様に小型の
コンピューティングデバイスであり得る。データ取得モ
ジュール１１０は、処理モジュールと統合され得るか、
またはケーブル１１５によって処理モジュール１２０も
しくは赤外線送受信機にインターフェースで接続され得
る。
【００１７】センサは、加速度計１０１、磁力計１０
２、光検出器１０３、および温度センサ１０４を含む。
加速度計は、３次元（Ｘ、ＹおよびＺ）における加速度
を測定する。この加速度計は、２つの２Ｄ加速度計ボー
ド、例えば、アナログデバイス社（Analog Devices,In
c.）から入手できるＡＤＸＬ−２０２を用いて実現され
得る。磁力計については、ハネウェル社（Honeywell）
のＨＭＣ２００３を用いた。このＨＭＣ２００３は、３
次元における磁界の強度および方向を測定するために、
３つのパーマロイ磁力抵抗性トランスデューサを有す
る。光の検出には、フォトダイオードを用いた。このダ
イオードは、蛍光から６０Ｈｚの信号成分を抽出する。
アナログデバイス社（Analog Devices,Inc.）から入手
できるＴＭＰ３７−ＧＴ９を用いて周囲の室温を測定す
る。
２、光検出器１０３、および温度センサ１０４を含む。
加速度計は、３次元（Ｘ、ＹおよびＺ）における加速度
を測定する。この加速度計は、２つの２Ｄ加速度計ボー
ド、例えば、アナログデバイス社（Analog Devices,In
c.）から入手できるＡＤＸＬ−２０２を用いて実現され
得る。磁力計については、ハネウェル社（Honeywell）
のＨＭＣ２００３を用いた。このＨＭＣ２００３は、３
次元における磁界の強度および方向を測定するために、
３つのパーマロイ磁力抵抗性トランスデューサを有す
る。光の検出には、フォトダイオードを用いた。このダ
イオードは、蛍光から６０Ｈｚの信号成分を抽出する。
アナログデバイス社（Analog Devices,Inc.）から入手
できるＴＭＰ３７−ＧＴ９を用いて周囲の室温を測定す
る。
【００１８】さらなるセンサとしては、あるロケーショ
ンにおける平均色および光強度を測定するための低解像
度カメラ１０５、湿度検出器１０６、傾きを測定するた
めのジャイロスコープ１０７、空気中の化学勾配を測定
するための、市販されている一酸化炭素検出器などの化
学検出器１０８、および高度計１０９が含まれ得る。以
下に記載する特徴抽出のために、我々は、センサの感度
についてはそれほど関与しない。我々は、最小の電力消
費で小型かつ低コストの受動デバイスを好む。
ンにおける平均色および光強度を測定するための低解像
度カメラ１０５、湿度検出器１０６、傾きを測定するた
めのジャイロスコープ１０７、空気中の化学勾配を測定
するための、市販されている一酸化炭素検出器などの化
学検出器１０８、および高度計１０９が含まれ得る。以
下に記載する特徴抽出のために、我々は、センサの感度
についてはそれほど関与しない。我々は、最小の電力消
費で小型かつ低コストの受動デバイスを好む。
【００１９】センサ１０１〜１０９のアナログ出力は、
コンピュータボード社（ComputerBoards,Inc.）のＰＣ
Ｍ−ＤＡＳ−１６／３３０などのアナログ−ディジタル
変換器１１１に与えられる。この変換器は、ＰＣ／ＭＣ
ＩＡバス１２３などの標準的なコンピュータバスにイン
ターフェースで接続され得る。ディジタル化された信号
は、５０ミリ秒毎におよそ１回の割合でサンプリングさ
れ得る。
コンピュータボード社（ComputerBoards,Inc.）のＰＣ
Ｍ−ＤＡＳ−１６／３３０などのアナログ−ディジタル
変換器１１１に与えられる。この変換器は、ＰＣ／ＭＣ
ＩＡバス１２３などの標準的なコンピュータバスにイン
ターフェースで接続され得る。ディジタル化された信号
は、５０ミリ秒毎におよそ１回の割合でサンプリングさ
れ得る。
【００２０】ナビゲーションシステム センサによって測定された環境の概要が与えられると、
処理モジュール１２０のタスクは、まず、トレーニング
段階中の環境のモデルを決定することである。モデルが
学習された後、モデルは、屋内ナビゲーションのために
用いられ得る。
処理モジュール１２０のタスクは、まず、トレーニング
段階中の環境のモデルを決定することである。モデルが
学習された後、モデルは、屋内ナビゲーションのために
用いられ得る。
【００２１】図２に示すように、センサ１０１〜１０９
は、ユーザが環境内をナビゲートしている間に、環境を
受動的に測定する。データ取得２０１中、Ｎ個からなる
サンプルが５０ミリ秒間隔で取られる。ここで、Ｎは、
センサの数に等しい。サンプルは、基本単位に変換され
る。特徴抽出２０２は、以下にさらに詳細に記載するよ
うに、生信号から高レベルの特徴を抽出する。センサ
は、所定範囲内の物理的条件を単に測定するように形成
され得る。
は、ユーザが環境内をナビゲートしている間に、環境を
受動的に測定する。データ取得２０１中、Ｎ個からなる
サンプルが５０ミリ秒間隔で取られる。ここで、Ｎは、
センサの数に等しい。サンプルは、基本単位に変換され
る。特徴抽出２０２は、以下にさらに詳細に記載するよ
うに、生信号から高レベルの特徴を抽出する。センサ
は、所定範囲内の物理的条件を単に測定するように形成
され得る。
【００２２】以下のセクションでは、モジュールについ
てさらに詳細に記載する。まず、本発明のナビゲーショ
ンシステムが用いる環境提示について記載し、次に、デ
ータ取得、データモデル化、およびナビゲーションモジ
ュールについて記載する。特徴抽出は、ナビゲーション
プロセスがどのように作用するかにおいて最良に理解さ
れるので、最後に記載する。
てさらに詳細に記載する。まず、本発明のナビゲーショ
ンシステムが用いる環境提示について記載し、次に、デ
ータ取得、データモデル化、およびナビゲーションモジ
ュールについて記載する。特徴抽出は、ナビゲーション
プロセスがどのように作用するかにおいて最良に理解さ
れるので、最後に記載する。
【００２３】環境提示 ナビゲーションシステムが作動する屋内環境に関するナ
ビゲーション問題について明確に示す。図３は、例示的
な屋内環境３００を示す。この環境は、多数の「ロケー
ション」、例えば、オフィス３０１、アーチ３０２、階
上のロケーション３０３、階段３０４、階下のロケーシ
ョン３０５、および会議室３０６を有する。これらのロ
ケーションは、図示されるように接続されている。例え
ば、ユーザは、オフィスからアーチを通って階段まで歩
くことができ、事実、ユーザは、アーチを通り抜けない
で、オフィスから階段まで行くことはできない。
ビゲーション問題について明確に示す。図３は、例示的
な屋内環境３００を示す。この環境は、多数の「ロケー
ション」、例えば、オフィス３０１、アーチ３０２、階
上のロケーション３０３、階段３０４、階下のロケーシ
ョン３０５、および会議室３０６を有する。これらのロ
ケーションは、図示されるように接続されている。例え
ば、ユーザは、オフィスからアーチを通って階段まで歩
くことができ、事実、ユーザは、アーチを通り抜けない
で、オフィスから階段まで行くことはできない。
【００２４】「ロケーション」を括弧付きで示す。なぜ
なら、ロケーションは、物理的環境における点に対応す
るのではなく、むしろ点と点との間の推移に対応するか
らである。例えば、階上のロケーションは、階段の底部
から頂部までの推移３１０に対応する。階上のロケーシ
ョンを、階上へ上がる推移と呼ぶ方がより適切であろ
う。これによって、同じ物理的空間を占有するが、それ
にもかかわらず、区別することが有用である、階上と階
下とを識別することができる。階下へ降りることは、推
移３２０となる。他のロケーション間の推移も同様に定
義され得る。各ロケーションを、１つのロケーションか
ら他のロケーションへの方向づけられた推移と対応させ
る。オフィス３０１などのロケーションは、オフィス入
口において開始し、オフィス内を歩き回り、そして入口
まで戻ることに対応する。
なら、ロケーションは、物理的環境における点に対応す
るのではなく、むしろ点と点との間の推移に対応するか
らである。例えば、階上のロケーションは、階段の底部
から頂部までの推移３１０に対応する。階上のロケーシ
ョンを、階上へ上がる推移と呼ぶ方がより適切であろ
う。これによって、同じ物理的空間を占有するが、それ
にもかかわらず、区別することが有用である、階上と階
下とを識別することができる。階下へ降りることは、推
移３２０となる。他のロケーション間の推移も同様に定
義され得る。各ロケーションを、１つのロケーションか
ら他のロケーションへの方向づけられた推移と対応させ
る。オフィス３０１などのロケーションは、オフィス入
口において開始し、オフィス内を歩き回り、そして入口
まで戻ることに対応する。
【００２５】統計的モデル３１１〜３１４を既知の各ロ
ケーションに関連づける。モデルは、以下にさらに詳細
に記載する分布として統計的に表されるセンサデータの
形態である。また、あるロケーションにいるユーザの確
率（Ｐ0,・・・,Ｐ3）３２１〜３２４はロケーションと
関連づけられる。
ケーションに関連づける。モデルは、以下にさらに詳細
に記載する分布として統計的に表されるセンサデータの
形態である。また、あるロケーションにいるユーザの確
率（Ｐ0,・・・,Ｐ3）３２１〜３２４はロケーションと
関連づけられる。
【００２６】他の実施の形態では、環境３００は、受動
的に豊かにされ得る。例えば、ＲＦ送信機３３１〜３３
３は、ランダムなロケーションに付加され得る。各送信
機は、特有の識別を用いて符号化され得る。識別を取得
するためのセンサが環境の他のものと同様に受動的であ
ることに留意されたい。次に、トレーニング中に、シス
テムは、ランダムに分散されたトランスポンダのロケー
ションを「学習する」。
的に豊かにされ得る。例えば、ＲＦ送信機３３１〜３３
３は、ランダムなロケーションに付加され得る。各送信
機は、特有の識別を用いて符号化され得る。識別を取得
するためのセンサが環境の他のものと同様に受動的であ
ることに留意されたい。次に、トレーニング中に、シス
テムは、ランダムに分散されたトランスポンダのロケー
ションを「学習する」。
【００２７】データ取得 上記のように、データ取得中に、サンプルは、５０ミリ
秒毎に読み出され、基本単位に変換される。図６は、４
タイプの環境的物理状態についての９つのセンサ、およ
びその測定基本単位を示す。
秒毎に読み出され、基本単位に変換される。図６は、４
タイプの環境的物理状態についての９つのセンサ、およ
びその測定基本単位を示す。
【００２８】データモデル化 ナビゲーションシステムはまず、環境のモデル３００を
学習する必要がある。特に、モデルはセンサ信号から決
定される。これは、初期のトレーニング段階におけるト
レーニングモジュール２１０によって行われる。
学習する必要がある。特に、モデルはセンサ信号から決
定される。これは、初期のトレーニング段階におけるト
レーニングモジュール２１０によって行われる。
【００２９】トレーニングは、次のように進行する。ユ
ーザは、環境を横断し、既知の各ロケーションを訪れる
ための既知の予定を渡される。トレーニングモードにお
けるナビゲーションシステム１００を用いて、ユーザ
は、予定に沿って進行し、既知の各ロケーションに入る
際にボタンを押し、各ロケーションから出る際に再びボ
タンを押す。このようにして、システムは、環境におけ
るユーザの実際のロケーションを知らされ続ける。さら
に、システムは、以下に示すように、５０ミリ秒毎にセ
ンサをサンプリングし、サンプルを基本単位に変換し、
抽出された特徴でサンプルを増加させる。結果は、増加
されたセンサタプルのシーケンス形態のトレーニングデ
ータのセットであり、各タプルには、サンプルが収集さ
れたロケーションを特定するトレーニングラベルが伴わ
れる。これらのラベルが付けられたタプルから、それぞ
れのセンサに対して、トレーニングモジュールは、環境
の統計的モデル３００を学習する。
ーザは、環境を横断し、既知の各ロケーションを訪れる
ための既知の予定を渡される。トレーニングモードにお
けるナビゲーションシステム１００を用いて、ユーザ
は、予定に沿って進行し、既知の各ロケーションに入る
際にボタンを押し、各ロケーションから出る際に再びボ
タンを押す。このようにして、システムは、環境におけ
るユーザの実際のロケーションを知らされ続ける。さら
に、システムは、以下に示すように、５０ミリ秒毎にセ
ンサをサンプリングし、サンプルを基本単位に変換し、
抽出された特徴でサンプルを増加させる。結果は、増加
されたセンサタプルのシーケンス形態のトレーニングデ
ータのセットであり、各タプルには、サンプルが収集さ
れたロケーションを特定するトレーニングラベルが伴わ
れる。これらのラベルが付けられたタプルから、それぞ
れのセンサに対して、トレーニングモジュールは、環境
の統計的モデル３００を学習する。
【００３０】モデル３００は、既知の各ロケーションの
全体特性、例えば、大きな磁力計示数が図３のアーチロ
ケーション３０２で測定されるという特性を示す。これ
は、アーチが鋼鉄で形成されているためである。所定の
位置に固定されている鋼鉄梁は、材料の双極子を位置合
わせする振動のために、経時的に磁気を帯びる傾向があ
る。従って、データモデル化モジュールは、所定のロケ
ーションにおける所定のセンサに対するすべての示数を
ひとまとめにし、これらの示数の分布を構築する。
全体特性、例えば、大きな磁力計示数が図３のアーチロ
ケーション３０２で測定されるという特性を示す。これ
は、アーチが鋼鉄で形成されているためである。所定の
位置に固定されている鋼鉄梁は、材料の双極子を位置合
わせする振動のために、経時的に磁気を帯びる傾向があ
る。従って、データモデル化モジュールは、所定のロケ
ーションにおける所定のセンサに対するすべての示数を
ひとまとめにし、これらの示数の分布を構築する。
【００３１】ロケーションの全体特性は、分布の形態で
現れる。例えば、アーチの磁性は、他のロケーションに
おけるコンパスＺサンプルの分布と比べて、平均が高く
標準偏差が大きいコンパスＺサンプルの分布において現
れる。標準偏差が大きくなるのは、アーチにおける分布
が、非常に小さな値から非常に大きな値まで「広がって
いる」ためである。トレーニングモジュールによって生
成された全体的な環境モデルは、センサの可能な値にわ
たる分布のセットの形態をとる。各（センサ、ロケーシ
ョン）対に対して１つの分布が存在する。
現れる。例えば、アーチの磁性は、他のロケーションに
おけるコンパスＺサンプルの分布と比べて、平均が高く
標準偏差が大きいコンパスＺサンプルの分布において現
れる。標準偏差が大きくなるのは、アーチにおける分布
が、非常に小さな値から非常に大きな値まで「広がって
いる」ためである。トレーニングモジュールによって生
成された全体的な環境モデルは、センサの可能な値にわ
たる分布のセットの形態をとる。各（センサ、ロケーシ
ョン）対に対して１つの分布が存在する。
【００３２】他の問題は、どのタイプの分布が、あるロ
ケーションにおけるセンサ示数セットの最良のモデルと
なるかである。２つのタイプの分布、即ち、連続ガウス
分布および離散的ヒストグラムを用いることができる。
ガウス分布は、測定されたセンサ値が、多数のランダム
プロセスの蓄積効果によって生成されるという仮定にお
いて適切である。ヒストグラムは、分布のタイプについ
て何の仮定もせずにデータをモデル化することによって
この仮定をテストする。言うまでもなく、ヒストグラム
の重要な点は、各ビンに対する適切な幅を選択すること
である。
ケーションにおけるセンサ示数セットの最良のモデルと
なるかである。２つのタイプの分布、即ち、連続ガウス
分布および離散的ヒストグラムを用いることができる。
ガウス分布は、測定されたセンサ値が、多数のランダム
プロセスの蓄積効果によって生成されるという仮定にお
いて適切である。ヒストグラムは、分布のタイプについ
て何の仮定もせずにデータをモデル化することによって
この仮定をテストする。言うまでもなく、ヒストグラム
の重要な点は、各ビンに対する適切な幅を選択すること
である。
【００３３】我々は、相互実証のアプローチを用いる。
このアプローチは、測定されたセンサ値のセットをトレ
ーニングセットとホールドアウトセットとに分別するこ
とによって開始する。直感は、適切なビン幅が、そのビ
ン幅を用いてトレーニングセットからヒストグラムを形
成し、次に、ヒストグラムは、同じ分布、即ち、ホール
ドアウトセットからさらにデータを高度に予想すること
である。従って、本発明の方法は、様々なビン幅を試
し、ホールドアウトセットの確率を最大にするビン幅ｗ
を選択することである。ホールドアウトセットの確率
は、ビン幅ｗを有するトレーニングセットから構築され
るヒストグラム確率密度関数を用いて計算される。
このアプローチは、測定されたセンサ値のセットをトレ
ーニングセットとホールドアウトセットとに分別するこ
とによって開始する。直感は、適切なビン幅が、そのビ
ン幅を用いてトレーニングセットからヒストグラムを形
成し、次に、ヒストグラムは、同じ分布、即ち、ホール
ドアウトセットからさらにデータを高度に予想すること
である。従って、本発明の方法は、様々なビン幅を試
し、ホールドアウトセットの確率を最大にするビン幅ｗ
を選択することである。ホールドアウトセットの確率
は、ビン幅ｗを有するトレーニングセットから構築され
るヒストグラム確率密度関数を用いて計算される。
【００３４】具体的には、リーブワンアウト（leave-on
e-out）相互実証を用いる。即ち、モデルにｎセンサ値
が与えられているとし、各値を単集合ホールドアウトセ
ットとして順に指定し、残りのｎ−１値をトレーニング
セットとして指定してｎ回繰り返す。すべての繰り返し
からのホールドアウトセットの確率は、その積をとるこ
とによって組み合わせられる。このスタイルの相互実証
を選択する。なぜなら、これは、真の分布が既知である
合成データセットについての他のすべてのスタイル、例
えば、２方向相互実証よりも優れているからである。
e-out）相互実証を用いる。即ち、モデルにｎセンサ値
が与えられているとし、各値を単集合ホールドアウトセ
ットとして順に指定し、残りのｎ−１値をトレーニング
セットとして指定してｎ回繰り返す。すべての繰り返し
からのホールドアウトセットの確率は、その積をとるこ
とによって組み合わせられる。このスタイルの相互実証
を選択する。なぜなら、これは、真の分布が既知である
合成データセットについての他のすべてのスタイル、例
えば、２方向相互実証よりも優れているからである。
【００３５】図４は、アーチにおいて収集された、４つ
のセンサ（右加速度４０１、コンパスＹ４０２、温度４
０３、および光４０４）からのデータについてのガウス
（破線）およびヒストグラム（実線）分布の例を示す。
略式的には、ガウス近似は、大半の場合において妥当に
うまく調整されていることが理解できる。従って、ガウ
スモデルをヒストグラムに対して好ましいものとする。
なぜなら、ガウスモデルは、以下に示すさらに簡単な式
で表すことが可能であるからである。
のセンサ（右加速度４０１、コンパスＹ４０２、温度４
０３、および光４０４）からのデータについてのガウス
（破線）およびヒストグラム（実線）分布の例を示す。
略式的には、ガウス近似は、大半の場合において妥当に
うまく調整されていることが理解できる。従って、ガウ
スモデルをヒストグラムに対して好ましいものとする。
なぜなら、ガウスモデルは、以下に示すさらに簡単な式
で表すことが可能であるからである。
【００３６】{１／√(２π)}・ｅ-x ・ x/2
【００３７】ナビゲーション 図２のナビゲーションモジュール２２０は、ユーザのロ
ケーションを推測するタスクに関係がある２つのタイプ
の知識をもたらす。まず、トレーニングモジュール２１
０によって学習されるような、環境全体にわたる信号値
の分布に関する知識をもつ。例えば、大きなコンパスＺ
値が測定される場合、モジュールは、ユーザがアーチに
いるらしいと推測し得る。第２に、システムは、推測航
法の知識をもつ。推測航法の知識は、加速度計およびコ
ンパス示数から推測される、１回のステップから次のス
テップへのユーザの位置の変化に関する大まかな知識で
ある。ここでは、ユーザが隣接したロケーションにのみ
移動することが可能であることが仮定される。
ケーションを推測するタスクに関係がある２つのタイプ
の知識をもたらす。まず、トレーニングモジュール２１
０によって学習されるような、環境全体にわたる信号値
の分布に関する知識をもつ。例えば、大きなコンパスＺ
値が測定される場合、モジュールは、ユーザがアーチに
いるらしいと推測し得る。第２に、システムは、推測航
法の知識をもつ。推測航法の知識は、加速度計およびコ
ンパス示数から推測される、１回のステップから次のス
テップへのユーザの位置の変化に関する大まかな知識で
ある。ここでは、ユーザが隣接したロケーションにのみ
移動することが可能であることが仮定される。
【００３８】ナビゲーションモジュール２２０は、これ
らの２つのタイプの知識を、図２に示すような繰り返し
マルコフモデルのような２ステッププロセスに導入す
る。プロセスは、初期の確率、例えば、環境の任意のロ
ケーションにいるユーザに割り当てられるＰ1３２２で
開始する。初期確率は、現在のモデルがどのようにうま
くトレーニングモデル３１１〜３１４のいずれかに適合
するかによって決定され得る。増加されたセンサタプル
が読み出される度に、プロセスは、これらの確率３２１
〜３２４を加速的に更新する。
らの２つのタイプの知識を、図２に示すような繰り返し
マルコフモデルのような２ステッププロセスに導入す
る。プロセスは、初期の確率、例えば、環境の任意のロ
ケーションにいるユーザに割り当てられるＰ1３２２で
開始する。初期確率は、現在のモデルがどのようにうま
くトレーニングモデル３１１〜３１４のいずれかに適合
するかによって決定され得る。増加されたセンサタプル
が読み出される度に、プロセスは、これらの確率３２１
〜３２４を加速的に更新する。
【００３９】更新の第１のステップは、センサ情報を導
入することである。これは、ベイズの公式（Bayes' rul
e）を用いることによって行われる。センサ示数の増加
されたタプルがＳ＝｛ｓ1，．．．，ｓn｝である場合、
各ロケーションｌ（このｌは、エルです。）に対して、
ユーザがそのロケーションにいる事後確率を、以下の条
件付き独立仮定によるベイズの公式を用いて決定する。
入することである。これは、ベイズの公式（Bayes' rul
e）を用いることによって行われる。センサ示数の増加
されたタプルがＳ＝｛ｓ1，．．．，ｓn｝である場合、
各ロケーションｌ（このｌは、エルです。）に対して、
ユーザがそのロケーションにいる事後確率を、以下の条
件付き独立仮定によるベイズの公式を用いて決定する。
【００４０】
【数２】
【００４１】上記のＰ（ｓi｜ｌ）項は、ロケーション
ｌにおけるｉ番目のセンサに対するトレーニングモジュ
ールによって学習されるモデル３００から決定される。
事後確率Ｐ（ｌ）は、更新の前にロケーションｌに割り
当てられた確率である。Ｐ（＜ｓ1，．．．，ｓn＞）項
は省略され、その代わりに、すべてのロケーションにつ
いての確率を合計から１まで評価する。
ｌにおけるｉ番目のセンサに対するトレーニングモジュ
ールによって学習されるモデル３００から決定される。
事後確率Ｐ（ｌ）は、更新の前にロケーションｌに割り
当てられた確率である。Ｐ（＜ｓ1，．．．，ｓn＞）項
は省略され、その代わりに、すべてのロケーションにつ
いての確率を合計から１まで評価する。
【００４２】更新の第２のステップは、推測航法情報を
導入することである。このステップでは、最後のセンサ
示数からユーザが移動したのと同じ方向および距離だけ
確率マスを転送することを試みる。例えば、ユーザが現
在のロケーションから５フィートだけ東に移動したとい
う推測航法情報をもつ場合、各ロケーションから東に５
フィートのロケーションに確率マスを１００％転送す
る。言うまでもなく、実際には、むしろ曖昧な推測航法
情報しかもたないため、確率マスをあまり集中させずに
広げるようにされる。
導入することである。このステップでは、最後のセンサ
示数からユーザが移動したのと同じ方向および距離だけ
確率マスを転送することを試みる。例えば、ユーザが現
在のロケーションから５フィートだけ東に移動したとい
う推測航法情報をもつ場合、各ロケーションから東に５
フィートのロケーションに確率マスを１００％転送す
る。言うまでもなく、実際には、むしろ曖昧な推測航法
情報しかもたないため、確率マスをあまり集中させずに
広げるようにされる。
【００４３】特に、現在の推測航法情報は、足音検出を
用いている。例えば、少なくとも２５０ミリ秒の間０．
０５Ｇ未満であった後、Ｚ加速度が０．０５Ｇよりも大
きくなる場合、およびこの場合に限って、足音を検出す
る。足音が検出されると、ロケーション自体における確
率の部分ｐstayを保持し、その確率の残りの（１−ｐ
stay）部分を隣接するすべてのロケーションにおいて均
等に分布させることによってロケーションから確率マス
を広げる。値ｐstayは、１回の足音によって、ユーザが
現在のロケーションの外側に出ない確率であり、トレー
ニングデータから概算される。
用いている。例えば、少なくとも２５０ミリ秒の間０．
０５Ｇ未満であった後、Ｚ加速度が０．０５Ｇよりも大
きくなる場合、およびこの場合に限って、足音を検出す
る。足音が検出されると、ロケーション自体における確
率の部分ｐstayを保持し、その確率の残りの（１−ｐ
stay）部分を隣接するすべてのロケーションにおいて均
等に分布させることによってロケーションから確率マス
を広げる。値ｐstayは、１回の足音によって、ユーザが
現在のロケーションの外側に出ない確率であり、トレー
ニングデータから概算される。
【００４４】特徴抽出 上記のセクションでは、基本的なトレーニングおよびナ
ビゲーションプロセスについて記載した。しかし、これ
らの基本的なプロセスを増加されていない生のセンサ示
数のタプルに適用する場合、これらのプロセスはあまり
満足のいくものとはならない。知識レベルで新しい情報
を加えないが、より効果的に用いられ得る形式に現存す
る情報を単に再形成する、という特徴を抽出することに
よってシステムの性能を向上させる。
ビゲーションプロセスについて記載した。しかし、これ
らの基本的なプロセスを増加されていない生のセンサ示
数のタプルに適用する場合、これらのプロセスはあまり
満足のいくものとはならない。知識レベルで新しい情報
を加えないが、より効果的に用いられ得る形式に現存す
る情報を単に再形成する、という特徴を抽出することに
よってシステムの性能を向上させる。
【００４５】抽出され得る特徴の特定例を挙げている
が、言うまでもなく、他の特徴もまた抽出することは可
能である。明らかにしなければならない１つの問題は、
ナビゲーションプロセスのベイズの更新部分における過
剰な独立仮定による証拠の過剰カウントである。タプル
におけるすべての特徴は、条件的に独立していることが
仮定されるだけでなく、連続したタプルも独立している
ことが仮定される。従って、万一ユーザが照明の下に立
っている場合、プロセスは、ユーザがどの部屋にいるか
に関係なく、トレーニング中に最良に照らされていると
すばやく考えることが見出される。この解決法は、照明
がオンになっているときはいつでも応答するのではな
く、照明がオフからオンになるときのみ引き起こされる
計算された特徴を加えることである。
が、言うまでもなく、他の特徴もまた抽出することは可
能である。明らかにしなければならない１つの問題は、
ナビゲーションプロセスのベイズの更新部分における過
剰な独立仮定による証拠の過剰カウントである。タプル
におけるすべての特徴は、条件的に独立していることが
仮定されるだけでなく、連続したタプルも独立している
ことが仮定される。従って、万一ユーザが照明の下に立
っている場合、プロセスは、ユーザがどの部屋にいるか
に関係なく、トレーニング中に最良に照らされていると
すばやく考えることが見出される。この解決法は、照明
がオンになっているときはいつでも応答するのではな
く、照明がオフからオンになるときのみ引き起こされる
計算された特徴を加えることである。
【００４６】第２の問題は、絶対測定値対相対測定値に
関する。大抵の場合、センサ示数は、様々な理由により
変動する。例えば、加速度計はシフトし、それによっ
て、通常は−１ＧのＺ加速度を有する重力の知覚される
値を変化させる。読み出される絶対Ｚ加速度に依存する
ことはナビゲーションモジュールにとってはよくないこ
とは明白である。これに対処するために、各加速度計に
対して、現在の値と、最後の移動平均、例えば、１０分
に相当する示数との差を報告する特徴を決定する。
関する。大抵の場合、センサ示数は、様々な理由により
変動する。例えば、加速度計はシフトし、それによっ
て、通常は−１ＧのＺ加速度を有する重力の知覚される
値を変化させる。読み出される絶対Ｚ加速度に依存する
ことはナビゲーションモジュールにとってはよくないこ
とは明白である。これに対処するために、各加速度計に
対して、現在の値と、最後の移動平均、例えば、１０分
に相当する示数との差を報告する特徴を決定する。
【００４７】第３の問題は、Ｚ加速度センサにおいて発
生する。例えば、ユーザが階段を下りるとき、Ｚ加速度
における発振振幅は増加する。この影響は、事実、人が
階下のロケーションについてのＺ加速度値の分布を見る
ときに現れる。この分布は、他のロケーションについて
のＺ加速度分布よりも広い形状を有する。しかし、これ
は、ナビゲーションプロセスについての容易に手にはい
る十分な手がかりではない。しかし、Ｚ加速度の分散に
ついての計算された特徴を直接加えることによって得ら
れるより広い形状に関する情報を形成する場合、プロセ
スは、階下のロケーションを信頼性をもって区別するこ
とができる。
生する。例えば、ユーザが階段を下りるとき、Ｚ加速度
における発振振幅は増加する。この影響は、事実、人が
階下のロケーションについてのＺ加速度値の分布を見る
ときに現れる。この分布は、他のロケーションについて
のＺ加速度分布よりも広い形状を有する。しかし、これ
は、ナビゲーションプロセスについての容易に手にはい
る十分な手がかりではない。しかし、Ｚ加速度の分散に
ついての計算された特徴を直接加えることによって得ら
れるより広い形状に関する情報を形成する場合、プロセ
スは、階下のロケーションを信頼性をもって区別するこ
とができる。
【００４８】図５は、Ｚ加速度特徴５０２の変数と共
に、生のＺ加速度データ５０１を示す。後に抽出された
特徴は、階上から階下への移動と密接に相関される。
に、生のＺ加速度データ５０１を示す。後に抽出された
特徴は、階上から階下への移動と密接に相関される。
【００４９】最後の問題は、ナビゲーションドメインに
おいて頻繁に発生するノイズを有するまたは信頼できな
いセンサ分布、困難性に関する。例えば、コンパスＺセ
ンサは、かなり弱い磁界を示す中間範囲内で頻繁に変動
する。このような値は、特にいずれのロケーションも示
さないが、この値は、恐らくはわずかだけ、１つのロケ
ーションが他のロケーションよりも好ましいことを必然
的に証明している。この種の証明をプロセスに導入する
ことは決して良くない。これは、ノイズを導入し、この
ノイズは、必ずしもロケーションにわたって均衡を保つ
とは限らない。このような証明を整理するための方法は
いくつかある。
おいて頻繁に発生するノイズを有するまたは信頼できな
いセンサ分布、困難性に関する。例えば、コンパスＺセ
ンサは、かなり弱い磁界を示す中間範囲内で頻繁に変動
する。このような値は、特にいずれのロケーションも示
さないが、この値は、恐らくはわずかだけ、１つのロケ
ーションが他のロケーションよりも好ましいことを必然
的に証明している。この種の証明をプロセスに導入する
ことは決して良くない。これは、ノイズを導入し、この
ノイズは、必ずしもロケーションにわたって均衡を保つ
とは限らない。このような証明を整理するための方法は
いくつかある。
【００５０】我々が採用したアプローチは、各センサに
対してインバウンド範囲を確立することである。特定の
センサ値がこの範囲外にある場合、この値は無視され
る。即ち、この値は、ベイズ更新を成し遂げるためには
用いられない。例えば、コンパスＺインバウンド範囲は
１．２ガウスより大きいか、または−１．２ガウス未満
である。弱いコンパスＺの値（例えば、０．３ガウス）
が読み出される場合、値は破棄される。即ち、プロセス
はベイズ更新ステップにおいてコンパスＺセンサのこの
示数を用いない。１つの実施の形態において、この範囲
は手動で予め設定される。しかし、この範囲は自動的に
設定され、調整され得ることを理解されたい。
対してインバウンド範囲を確立することである。特定の
センサ値がこの範囲外にある場合、この値は無視され
る。即ち、この値は、ベイズ更新を成し遂げるためには
用いられない。例えば、コンパスＺインバウンド範囲は
１．２ガウスより大きいか、または−１．２ガウス未満
である。弱いコンパスＺの値（例えば、０．３ガウス）
が読み出される場合、値は破棄される。即ち、プロセス
はベイズ更新ステップにおいてコンパスＺセンサのこの
示数を用いない。１つの実施の形態において、この範囲
は手動で予め設定される。しかし、この範囲は自動的に
設定され、調整され得ることを理解されたい。
【００５１】本発明は、着用式コンピュータが状況認識
をすること、特に、受動的、安価かつ装着可能なセンサ
の多様なセットを用いて屋内ナビゲーションを成し遂げ
ることを可能にする。加速度計、磁力計、ならびに温度
および光センサから得られる信号は、機械学習プロセス
に適用され、屋内環境におけるユーザのロケーションを
推測する。高レベルの特徴は信号から抽出され、データ
における高レベルのノイズを打ち消す。高精度な結果を
得ることによって、低レベルセンサの多様なセットから
の情報を統合することが、屋内ナビゲーションなどの状
況認識タスクを果たすための十分な生の知識を得るのに
適切であることを示した。
をすること、特に、受動的、安価かつ装着可能なセンサ
の多様なセットを用いて屋内ナビゲーションを成し遂げ
ることを可能にする。加速度計、磁力計、ならびに温度
および光センサから得られる信号は、機械学習プロセス
に適用され、屋内環境におけるユーザのロケーションを
推測する。高レベルの特徴は信号から抽出され、データ
における高レベルのノイズを打ち消す。高精度な結果を
得ることによって、低レベルセンサの多様なセットから
の情報を統合することが、屋内ナビゲーションなどの状
況認識タスクを果たすための十分な生の知識を得るのに
適切であることを示した。
【００５２】本発明を好ましい実施の形態を例示するこ
とによって記載したが、言うまでもなく、様々な他の適
応および改変が本発明の精神および範囲内でなされ得
る。従って、添付の請求の範囲の目的は、本発明の真の
精神および範囲内にあるこのような変形および改変を網
羅することである。
とによって記載したが、言うまでもなく、様々な他の適
応および改変が本発明の精神および範囲内でなされ得
る。従って、添付の請求の範囲の目的は、本発明の真の
精神および範囲内にあるこのような変形および改変を網
羅することである。
【図１】 本発明による着用式ナビゲーションシステム
を示す図である。
を示す図である。
【図２】 図１のシステムによって用いられるプロセス
を示すフローチャートである。
を示すフローチャートである。
【図３】 図１のシステムによってナビゲートされる例
示的な環境のモデルを示す図である。
示的な環境のモデルを示す図である。
【図４】 ４つのセンサからのサンプルのヒストグラム
およびガウス分布のグラフを示す図であｒ。
およびガウス分布のグラフを示す図であｒ。
【図５】 生の加速データと加速変数とを相関させるグ
ラフを示す図である。
ラフを示す図である。
【図６】 ４タイプの環境的物理状態についての９つの
センサ、およびその測定基本単位を示す図である。
センサ、およびその測定基本単位を示す図である。
１００ 着用式ナビゲーションシステム、１０１ 加速
度計、１０２ 磁力計、１０３ 光検出器、１０４ 温
度センサ、１０５ 低解像度カメラ、１０６湿度検出
器、１０７ ジャイロスコープ、１０８ 化学検出器、
１０９ 高度計、１１０ データ取得モジュール、１１
１ アナログ−ディジタル変換器、１１５ ケーブル、
１２０ データ処理モジュール、１２１ プロセッサ、
１２２メモリ、１２３ バス。
度計、１０２ 磁力計、１０３ 光検出器、１０４ 温
度センサ、１０５ 低解像度カメラ、１０６湿度検出
器、１０７ ジャイロスコープ、１０８ 化学検出器、
１０９ 高度計、１１０ データ取得モジュール、１１
１ アナログ−ディジタル変換器、１１５ ケーブル、
１２０ データ処理モジュール、１２１ プロセッサ、
１２２メモリ、１２３ バス。
───────────────────────────────────────────────────── フロントページの続き (71)出願人 597067574 201 ＢＲＯＡＤＷＡＹ， ＣＡＭＢＲＩ ＤＧＥ， ＭＡＳＳＡＣＨＵＳＥＴＴＳ 02139， Ｕ．Ｓ．Ａ. (72)発明者 ニール・ビー・レッシュ アメリカ合衆国、マサチューセッツ州、ケ ンブリッジ、トレモント・ストリート 79、アパートメント ナンバー３
Claims (11)
- 【請求項１】 複数のセンサを有する着用式コンピュー
タデバイスを用いて屋内環境におけるナビゲーションを
行うための方法であって、 前記屋内環境の複数の既知のロケーションにおいて受動
センサを用いて複数の環境的物理状態を測定するステッ
プと、 前記測定された環境的物理状態に従って前記屋内環境の
第１の統計的モデルを構築するステップと、 前記屋内環境における未知のロケーションにおいて前記
複数の環境的物理状態を測定するステップと、 前記測定された環境的物理状態に従って前記屋内環境の
第２の統計的モデルを構築するステップと、 前記第２の統計的モデルと前記第１の統計的モデルとを
比較することによって、前記未知のロケーションが前記
既知のロケーションのいずれかに対応する確率を決定す
るステップとを含む屋内環境におけるナビゲーションを
行うための方法。 - 【請求項２】 前記複数の受動センサは、加速度計、磁
力計、光検出器、及び温度センサを有する請求項１記載
の屋内環境におけるナビゲーションを行うための方法。 - 【請求項３】 前記第１及び第２の統計的モデルは、前
記測定された環境的物理状態をガウス確率分布関数とし
て表す請求項１記載の屋内環境におけるナビゲーション
を行うための方法。 - 【請求項４】 ナビゲーションは、前記第１及び第２の
統計的モデルに従って、前記既知と未知のロケーション
間での推移確率を決定することによって成し遂げられる
請求項１記載の屋内環境におけるナビゲーションを行う
ための方法。 - 【請求項５】 各ロケーションｌにおける前記測定され
た環境的物理状態は、示数Ｓ＝｛ｓ1，．．．，ｓn｝と
して与えられ、前記未知のロケーションが前記既知のロ
ケーションｌである事後確率は、Ｐ（ｓi｜ｌ）項が前
記第１の統計的モデルから決定される、以下の条件付き
独立仮定： 【数１】 によるベイズの公式を用いて概算される請求項１記載の
屋内環境におけるナビゲーションを行うための方法。 - 【請求項６】 前記ロケーション間での推移確率は、加
速度計から得られる推測航法情報を用いる請求項４記載
の屋内環境におけるナビゲーションを行うための方法。 - 【請求項７】 前記測定された環境的物理状態から高レ
ベルの特徴を抽出するステップをさらに含む請求項１記
載の屋内環境におけるナビゲーションを行うための方
法。 - 【請求項８】 前記複数の受動センサは、無指向性であ
る請求項１記載の屋内環境におけるナビゲーションを行
うための方法。 - 【請求項９】 前記屋内環境は無線周波数トランスポン
ダを有し、前記受動センサは無線受信機を有する請求項
１記載の屋内環境におけるナビゲーションを行うための
方法。 - 【請求項１０】 前記第１及び第２の統計的モデルは、
所定範囲内で測定された環境的物理状態のみを考慮する
請求項１記載の屋内環境におけるナビゲーションを行う
ための方法。 - 【請求項１１】 屋内環境においてナビゲーションを行
うための装置であって、 前記屋内環境における複数の既知のロケーション、及び
前記屋内環境における未知のロケーションにおいて複数
の環境的物理状態を測定するための複数の受動センサ
と、 前記複数の既知のロケーションにおける前記測定された
環境的物理状態に従って前記屋内環境の第１の統計的モ
デルを構築し、前記未知のロケーションにおける前記測
定された環境的物理状態に従って前記屋内環境の第２の
統計的モデルを構築するように形成された前記複数の受
動センサに接続された着用式コンピュータデバイスと、 前記第２の統計的モデルと前記第１の統計的モデルとを
比較することによって、前記未知のロケーションが前記
既知のロケーションの１つに対応する確率を決定する手
段とを備えた屋内環境におけるナビゲーションを行うた
めの装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US09/506,480 US6323807B1 (en) | 2000-02-17 | 2000-02-17 | Indoor navigation with wearable passive sensors |
| US09/506480 | 2000-02-17 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2001311628A true JP2001311628A (ja) | 2001-11-09 |
Family
ID=24014773
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001031015A Pending JP2001311628A (ja) | 2000-02-17 | 2001-02-07 | 屋内環境におけるナビゲーションを行うための方法及び装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6323807B1 (ja) |
| JP (1) | JP2001311628A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010122751A (ja) * | 2008-11-17 | 2010-06-03 | Nec Corp | 状況推定システム、状況推定方法、状況推定プログラム |
| JP2013536402A (ja) * | 2010-05-31 | 2013-09-19 | サムスン エレクトロニクス カンパニー リミテッド | 携帯用端末機の領域認識装置及びその方法 |
| JP2014522188A (ja) * | 2011-08-02 | 2014-08-28 | クゥアルコム・インコーポレイテッド | モバイルデバイスのポータル移行の尤度 |
| US9068846B1 (en) | 2012-01-03 | 2015-06-30 | Google Inc. | Systems, computer-implemented methods, and computer-readable media to provide building information to on-site mobile-devices |
| JP2020177029A (ja) * | 2020-07-20 | 2020-10-29 | ヤフー株式会社 | 推定装置、推定方法、及び推定プログラム |
Families Citing this family (115)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7321774B1 (en) | 2002-04-24 | 2008-01-22 | Ipventure, Inc. | Inexpensive position sensing device |
| US7212829B1 (en) | 2000-02-28 | 2007-05-01 | Chung Lau | Method and system for providing shipment tracking and notifications |
| US7366522B2 (en) | 2000-02-28 | 2008-04-29 | Thomas C Douglass | Method and system for location tracking |
| US6975941B1 (en) | 2002-04-24 | 2005-12-13 | Chung Lau | Method and apparatus for intelligent acquisition of position information |
| US7403972B1 (en) | 2002-04-24 | 2008-07-22 | Ip Venture, Inc. | Method and system for enhanced messaging |
| US7218938B1 (en) | 2002-04-24 | 2007-05-15 | Chung Lau | Methods and apparatus to analyze and present location information |
| US6618683B1 (en) * | 2000-12-12 | 2003-09-09 | International Business Machines Corporation | Method and apparatus for calibrating an accelerometer-based navigation system |
| US6834436B2 (en) * | 2001-02-23 | 2004-12-28 | Microstrain, Inc. | Posture and body movement measuring system |
| US6501414B2 (en) * | 2001-04-02 | 2002-12-31 | The United States Of America As Represented By The United States National Aeronautics And Space Administration | Method for locating a concealed object |
| JP4159794B2 (ja) * | 2001-05-02 | 2008-10-01 | 本田技研工業株式会社 | 画像処理装置及び方法 |
| US20030158827A1 (en) * | 2001-06-26 | 2003-08-21 | Intuition Intelligence, Inc. | Processing device with intuitive learning capability |
| US7483867B2 (en) * | 2001-06-26 | 2009-01-27 | Intuition Intelligence, Inc. | Processing device with intuitive learning capability |
| US6614352B2 (en) * | 2001-10-31 | 2003-09-02 | Nokia Corporation | Accurate stepmeter for location-based services |
| US9049571B2 (en) | 2002-04-24 | 2015-06-02 | Ipventure, Inc. | Method and system for enhanced messaging |
| US9182238B2 (en) | 2002-04-24 | 2015-11-10 | Ipventure, Inc. | Method and apparatus for intelligent acquisition of position information |
| AU2003900863A0 (en) * | 2003-02-26 | 2003-03-20 | Commonwealth Scientific & Industrial Research Organisation | Inertial and radiolocation method |
| CN100504317C (zh) * | 2004-11-05 | 2009-06-24 | 国际商业机器公司 | 运动检测装置及运动检测方法 |
| DE102005014299A1 (de) * | 2005-03-24 | 2006-10-05 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | System zur Bereitstellung von Navigationsinformationen für Personen innerhalb und außerhalb von Gebäuden |
| JP4566844B2 (ja) * | 2005-07-01 | 2010-10-20 | 株式会社デンソー | ナビゲーションシステム、および、そのナビゲーションシステムに用いる記憶装置 |
| EP1788357A1 (fr) * | 2005-11-16 | 2007-05-23 | Alcatel Lucent | Système de localisation d'utilisateur pieton |
| US7880610B2 (en) * | 2005-12-15 | 2011-02-01 | Binforma Group Limited Liability Company | System and method that provide emergency instructions |
| EP1813916B1 (en) * | 2006-01-30 | 2014-04-30 | STMicroelectronics Srl | Inertial device with pedometer function and portable electronic appliance incorporating said inertial device |
| US20100042322A1 (en) * | 2006-12-13 | 2010-02-18 | Chang-Hee Won | Modular navigation system and methods |
| US20080147461A1 (en) * | 2006-12-14 | 2008-06-19 | Morris Lee | Methods and apparatus to monitor consumer activity |
| FR2918745B1 (fr) * | 2007-07-12 | 2009-09-18 | Commissariat Energie Atomique | Dispositif d'assistance a la navigation d'une personne |
| US7890262B2 (en) | 2008-03-31 | 2011-02-15 | Honeywell International Inc. | Position estimation for navigation devices |
| US9288268B2 (en) | 2008-06-30 | 2016-03-15 | The Nielsen Company (Us), Llc | Methods and apparatus to monitor shoppers in a retail environment |
| FR2943827A1 (fr) | 2009-03-27 | 2010-10-01 | Commissariat Energie Atomique | Dispositif de memorisation de la trajectoire suivie par un porteur, notamment pour guider une personne |
| US8239277B2 (en) * | 2009-03-31 | 2012-08-07 | The Nielsen Company (Us), Llc | Method, medium, and system to monitor shoppers in a retail or commercial establishment |
| FI20095570L (fi) * | 2009-05-22 | 2009-09-11 | Valtion Teknillinen | Kontekstin tunnistaminen mobiiliaitteissa |
| EP2478335B1 (de) * | 2009-09-18 | 2015-08-05 | Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR) | Verfahren zur erstellung einer karte bezüglich ortsbezogener angaben über die wahrscheinlichkeit der zukünftigen bewegung einer person |
| US9633327B2 (en) | 2009-09-25 | 2017-04-25 | Fedex Corporate Services, Inc. | Sensor zone management |
| US8299920B2 (en) | 2009-09-25 | 2012-10-30 | Fedex Corporate Services, Inc. | Sensor based logistics system |
| US8239169B2 (en) | 2009-09-25 | 2012-08-07 | Gregory Timothy L | Portable computing device and method for asset management in a logistics system |
| US9759917B2 (en) | 2010-02-28 | 2017-09-12 | Microsoft Technology Licensing, Llc | AR glasses with event and sensor triggered AR eyepiece interface to external devices |
| US9129295B2 (en) | 2010-02-28 | 2015-09-08 | Microsoft Technology Licensing, Llc | See-through near-eye display glasses with a fast response photochromic film system for quick transition from dark to clear |
| EP2539759A1 (en) | 2010-02-28 | 2013-01-02 | Osterhout Group, Inc. | Local advertising content on an interactive head-mounted eyepiece |
| US9128281B2 (en) | 2010-09-14 | 2015-09-08 | Microsoft Technology Licensing, Llc | Eyepiece with uniformly illuminated reflective display |
| US9134534B2 (en) | 2010-02-28 | 2015-09-15 | Microsoft Technology Licensing, Llc | See-through near-eye display glasses including a modular image source |
| US9182596B2 (en) | 2010-02-28 | 2015-11-10 | Microsoft Technology Licensing, Llc | See-through near-eye display glasses with the optical assembly including absorptive polarizers or anti-reflective coatings to reduce stray light |
| US9366862B2 (en) | 2010-02-28 | 2016-06-14 | Microsoft Technology Licensing, Llc | System and method for delivering content to a group of see-through near eye display eyepieces |
| US9097891B2 (en) | 2010-02-28 | 2015-08-04 | Microsoft Technology Licensing, Llc | See-through near-eye display glasses including an auto-brightness control for the display brightness based on the brightness in the environment |
| US9097890B2 (en) | 2010-02-28 | 2015-08-04 | Microsoft Technology Licensing, Llc | Grating in a light transmissive illumination system for see-through near-eye display glasses |
| US9341843B2 (en) | 2010-02-28 | 2016-05-17 | Microsoft Technology Licensing, Llc | See-through near-eye display glasses with a small scale image source |
| US8472120B2 (en) | 2010-02-28 | 2013-06-25 | Osterhout Group, Inc. | See-through near-eye display glasses with a small scale image source |
| US9229227B2 (en) | 2010-02-28 | 2016-01-05 | Microsoft Technology Licensing, Llc | See-through near-eye display glasses with a light transmissive wedge shaped illumination system |
| US8482859B2 (en) | 2010-02-28 | 2013-07-09 | Osterhout Group, Inc. | See-through near-eye display glasses wherein image light is transmitted to and reflected from an optically flat film |
| US8467133B2 (en) | 2010-02-28 | 2013-06-18 | Osterhout Group, Inc. | See-through display with an optical assembly including a wedge-shaped illumination system |
| US20150309316A1 (en) | 2011-04-06 | 2015-10-29 | Microsoft Technology Licensing, Llc | Ar glasses with predictive control of external device based on event input |
| US20120249797A1 (en) | 2010-02-28 | 2012-10-04 | Osterhout Group, Inc. | Head-worn adaptive display |
| US9285589B2 (en) | 2010-02-28 | 2016-03-15 | Microsoft Technology Licensing, Llc | AR glasses with event and sensor triggered control of AR eyepiece applications |
| US8488246B2 (en) | 2010-02-28 | 2013-07-16 | Osterhout Group, Inc. | See-through near-eye display glasses including a curved polarizing film in the image source, a partially reflective, partially transmitting optical element and an optically flat film |
| US9091851B2 (en) | 2010-02-28 | 2015-07-28 | Microsoft Technology Licensing, Llc | Light control in head mounted displays |
| US10180572B2 (en) | 2010-02-28 | 2019-01-15 | Microsoft Technology Licensing, Llc | AR glasses with event and user action control of external applications |
| US8477425B2 (en) | 2010-02-28 | 2013-07-02 | Osterhout Group, Inc. | See-through near-eye display glasses including a partially reflective, partially transmitting optical element |
| US9223134B2 (en) | 2010-02-28 | 2015-12-29 | Microsoft Technology Licensing, Llc | Optical imperfections in a light transmissive illumination system for see-through near-eye display glasses |
| US10352959B2 (en) | 2010-12-01 | 2019-07-16 | Movea | Method and system for estimating a path of a mobile element or body |
| US8498811B2 (en) * | 2011-02-09 | 2013-07-30 | SenionLab AB | Method and device for indoor positioning |
| US8868323B2 (en) | 2011-03-22 | 2014-10-21 | Honeywell International Inc. | Collaborative navigation using conditional updates |
| US8981995B2 (en) | 2011-06-03 | 2015-03-17 | Microsoft Technology Licensing, Llc. | Low accuracy positional data by detecting improbable samples |
| US8184070B1 (en) | 2011-07-06 | 2012-05-22 | Google Inc. | Method and system for selecting a user interface for a wearable computing device |
| US9470529B2 (en) | 2011-07-14 | 2016-10-18 | Microsoft Technology Licensing, Llc | Activating and deactivating sensors for dead reckoning |
| US10184798B2 (en) | 2011-10-28 | 2019-01-22 | Microsoft Technology Licensing, Llc | Multi-stage dead reckoning for crowd sourcing |
| US9297881B2 (en) * | 2011-11-14 | 2016-03-29 | Microsoft Technology Licensing, Llc | Device positioning via device-sensed data evaluation |
| US9243918B2 (en) | 2011-12-22 | 2016-01-26 | AppLabz, LLC | Systems, methods, and apparatus for providing indoor navigation using magnetic sensors |
| US9513127B2 (en) | 2011-12-22 | 2016-12-06 | AppLabz, LLC | Systems, methods, and apparatus for providing indoor navigation |
| US9702707B2 (en) | 2011-12-22 | 2017-07-11 | AppLabz, LLC | Systems, methods, and apparatus for providing indoor navigation using optical floor sensors |
| US9310462B2 (en) * | 2012-09-07 | 2016-04-12 | Microsoft Technology Licensing, Llc | Locating a mobile computing device in an indoor environment |
| US9817125B2 (en) | 2012-09-07 | 2017-11-14 | Microsoft Technology Licensing, Llc | Estimating and predicting structures proximate to a mobile device |
| US9823332B2 (en) * | 2012-10-04 | 2017-11-21 | Qualcomm Incorporated | Position location aided by chemical characteristic |
| US8442765B1 (en) | 2012-11-08 | 2013-05-14 | Honeywell International Inc. | Shared state selection and data exchange for collaborative navigation using conditionally independent parallel filters |
| US9104752B2 (en) | 2012-11-16 | 2015-08-11 | Honeywell International Inc. | Data sharing among conditionally independent parallel filters |
| JP2015014587A (ja) * | 2013-06-06 | 2015-01-22 | 株式会社リコー | 情報処理装置、位置決定方法及び位置決定プログラム |
| US20150070131A1 (en) * | 2013-09-11 | 2015-03-12 | Here Global B.V. | Method and apparatus for detecting boarding of a means of transport |
| US10248856B2 (en) | 2014-01-14 | 2019-04-02 | Toyota Motor Engineering & Manufacturing North America, Inc. | Smart necklace with stereo vision and onboard processing |
| US10024679B2 (en) * | 2014-01-14 | 2018-07-17 | Toyota Motor Engineering & Manufacturing North America, Inc. | Smart necklace with stereo vision and onboard processing |
| US10360907B2 (en) | 2014-01-14 | 2019-07-23 | Toyota Motor Engineering & Manufacturing North America, Inc. | Smart necklace with stereo vision and onboard processing |
| US9578307B2 (en) | 2014-01-14 | 2017-02-21 | Toyota Motor Engineering & Manufacturing North America, Inc. | Smart necklace with stereo vision and onboard processing |
| US9629774B2 (en) | 2014-01-14 | 2017-04-25 | Toyota Motor Engineering & Manufacturing North America, Inc. | Smart necklace with stereo vision and onboard processing |
| US9915545B2 (en) | 2014-01-14 | 2018-03-13 | Toyota Motor Engineering & Manufacturing North America, Inc. | Smart necklace with stereo vision and onboard processing |
| US9140554B2 (en) | 2014-01-24 | 2015-09-22 | Microsoft Technology Licensing, Llc | Audio navigation assistance |
| US20150362315A1 (en) * | 2014-06-13 | 2015-12-17 | InvenSense, Incorporated | Systems and methods for determining position information using environmental sensing |
| US10024667B2 (en) | 2014-08-01 | 2018-07-17 | Toyota Motor Engineering & Manufacturing North America, Inc. | Wearable earpiece for providing social and environmental awareness |
| US10024678B2 (en) * | 2014-09-17 | 2018-07-17 | Toyota Motor Engineering & Manufacturing North America, Inc. | Wearable clip for providing social and environmental awareness |
| US9922236B2 (en) | 2014-09-17 | 2018-03-20 | Toyota Motor Engineering & Manufacturing North America, Inc. | Wearable eyeglasses for providing social and environmental awareness |
| USD768024S1 (en) | 2014-09-22 | 2016-10-04 | Toyota Motor Engineering & Manufacturing North America, Inc. | Necklace with a built in guidance device |
| WO2016068742A1 (ru) * | 2014-10-28 | 2016-05-06 | Инвенсенс Интернешнл, Инк. | Способ и система позиционирования мобильного терминала внутри зданий |
| US9576460B2 (en) | 2015-01-21 | 2017-02-21 | Toyota Motor Engineering & Manufacturing North America, Inc. | Wearable smart device for hazard detection and warning based on image and audio data |
| US10490102B2 (en) | 2015-02-10 | 2019-11-26 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for braille assistance |
| US9586318B2 (en) | 2015-02-27 | 2017-03-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | Modular robot with smart device |
| US9677901B2 (en) | 2015-03-10 | 2017-06-13 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for providing navigation instructions at optimal times |
| US9811752B2 (en) | 2015-03-10 | 2017-11-07 | Toyota Motor Engineering & Manufacturing North America, Inc. | Wearable smart device and method for redundant object identification |
| US9972216B2 (en) | 2015-03-20 | 2018-05-15 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for storing and playback of information for blind users |
| CN104793492B (zh) * | 2015-04-07 | 2017-07-28 | 中国科学技术大学 | 一种基于熵和灰关联度的室内环境特征提取方法 |
| US9898039B2 (en) | 2015-08-03 | 2018-02-20 | Toyota Motor Engineering & Manufacturing North America, Inc. | Modular smart necklace |
| KR102382701B1 (ko) | 2015-09-02 | 2022-04-06 | 삼성전자 주식회사 | 센서 기반 행동 인식을 이용하여 사용자의 위치를 인식하는 사용자단말장치 및 방법 |
| US10849205B2 (en) | 2015-10-14 | 2020-11-24 | Current Lighting Solutions, Llc | Luminaire having a beacon and a directional antenna |
| CN106996782A (zh) * | 2015-10-28 | 2017-08-01 | Sk 普兰尼特有限公司 | 路线引导服务装置 |
| KR20170049937A (ko) * | 2015-10-29 | 2017-05-11 | 에스케이플래닛 주식회사 | 경로안내서비스장치 및 그 동작 방법 |
| US10024680B2 (en) | 2016-03-11 | 2018-07-17 | Toyota Motor Engineering & Manufacturing North America, Inc. | Step based guidance system |
| US10126141B2 (en) * | 2016-05-02 | 2018-11-13 | Google Llc | Systems and methods for using real-time imagery in navigation |
| US9958275B2 (en) | 2016-05-31 | 2018-05-01 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for wearable smart device communications |
| US10200810B2 (en) | 2016-06-12 | 2019-02-05 | Apple Inc. | Proactive actions on mobile device using uniquely-identifiable and unlabeled locations |
| US10091303B1 (en) | 2016-06-12 | 2018-10-02 | Apple Inc. | Using in-home location awareness |
| US10117046B2 (en) * | 2016-06-12 | 2018-10-30 | Apple Inc. | Discrete location classification |
| US10244360B2 (en) | 2016-06-12 | 2019-03-26 | Apple Inc. | Determining location of mobile device using sensor space to physical space mapping |
| US10129698B2 (en) | 2016-07-14 | 2018-11-13 | United Parcel Service Of America, Inc. | Internal location address and automatic routing of intra-facility movement |
| US10561519B2 (en) | 2016-07-20 | 2020-02-18 | Toyota Motor Engineering & Manufacturing North America, Inc. | Wearable computing device having a curved back to reduce pressure on vertebrae |
| US10432851B2 (en) | 2016-10-28 | 2019-10-01 | Toyota Motor Engineering & Manufacturing North America, Inc. | Wearable computing device for detecting photography |
| US10012505B2 (en) | 2016-11-11 | 2018-07-03 | Toyota Motor Engineering & Manufacturing North America, Inc. | Wearable system for providing walking directions |
| US10521669B2 (en) | 2016-11-14 | 2019-12-31 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for providing guidance or feedback to a user |
| US10172760B2 (en) | 2017-01-19 | 2019-01-08 | Jennifer Hendrix | Responsive route guidance and identification system |
| US9921068B2 (en) * | 2017-03-09 | 2018-03-20 | Thomas Danaher Harvey | Devices and methods to facilitate escape from a venue with a sudden hazard |
| US10075935B1 (en) * | 2017-11-03 | 2018-09-11 | Mapsted Corp. | Method and system for positioning state transition |
| US10945190B2 (en) | 2019-01-04 | 2021-03-09 | Apple Inc. | Predictive routing based on microlocation |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0962981A (ja) * | 1995-08-24 | 1997-03-07 | Nippon Motorola Ltd | 位置検知システム、歩行者誘導システム、視覚障害者誘導システム及びゴルフ場管理システム |
| JPH10113343A (ja) * | 1996-07-03 | 1998-05-06 | Hitachi Ltd | 動作及び行動の認識方法及び装置及びシステム |
| JPH11220767A (ja) * | 1998-01-29 | 1999-08-10 | Nippon Telegr & Teleph Corp <Ntt> | 移動経路同定方法及びシステム及び移動経路同定プログラムを格納した記憶媒体 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5828321A (en) | 1991-06-18 | 1998-10-27 | Sumitomo Electric Industries, Ltd. | Location detecting system |
| US5470233A (en) | 1994-03-17 | 1995-11-28 | Arkenstone, Inc. | System and method for tracking a pedestrian |
| US5402340A (en) * | 1994-05-02 | 1995-03-28 | Textron, Inc. | Gradiometer based terrain estimation |
| DE69420418T2 (de) * | 1994-11-29 | 2000-05-25 | Zanavy Informatics Kk | Navigationssystem mit Umschaltung, wenn ein Radiosignal nicht empfangen werden kann |
| US5726660A (en) | 1995-12-01 | 1998-03-10 | Purdy; Peter K. | Personal data collection and reporting system |
| US5902347A (en) | 1996-11-19 | 1999-05-11 | American Navigation Systems, Inc. | Hand-held GPS-mapping device |
| US5940346A (en) | 1996-12-13 | 1999-08-17 | Arizona Board Of Regents | Modular robotic platform with acoustic navigation system |
| US5798733A (en) | 1997-01-21 | 1998-08-25 | Northrop Grumman Corporation | Interactive position guidance apparatus and method for guiding a user to reach a predetermined target position |
-
2000
- 2000-02-17 US US09/506,480 patent/US6323807B1/en not_active Expired - Fee Related
-
2001
- 2001-02-07 JP JP2001031015A patent/JP2001311628A/ja active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0962981A (ja) * | 1995-08-24 | 1997-03-07 | Nippon Motorola Ltd | 位置検知システム、歩行者誘導システム、視覚障害者誘導システム及びゴルフ場管理システム |
| JPH10113343A (ja) * | 1996-07-03 | 1998-05-06 | Hitachi Ltd | 動作及び行動の認識方法及び装置及びシステム |
| JPH11220767A (ja) * | 1998-01-29 | 1999-08-10 | Nippon Telegr & Teleph Corp <Ntt> | 移動経路同定方法及びシステム及び移動経路同定プログラムを格納した記憶媒体 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010122751A (ja) * | 2008-11-17 | 2010-06-03 | Nec Corp | 状況推定システム、状況推定方法、状況推定プログラム |
| JP2013536402A (ja) * | 2010-05-31 | 2013-09-19 | サムスン エレクトロニクス カンパニー リミテッド | 携帯用端末機の領域認識装置及びその方法 |
| US9052192B2 (en) | 2010-05-31 | 2015-06-09 | Samsung Electronics Co., Ltd. | Apparatus and method for recognizing zone in portable terminal using earth magnetic field components and images |
| US10187867B2 (en) | 2010-05-31 | 2019-01-22 | Samsung Electronics Co., Ltd. | Apparatus and method for recognizing zone in portable terminal |
| JP2014522188A (ja) * | 2011-08-02 | 2014-08-28 | クゥアルコム・インコーポレイテッド | モバイルデバイスのポータル移行の尤度 |
| US9068846B1 (en) | 2012-01-03 | 2015-06-30 | Google Inc. | Systems, computer-implemented methods, and computer-readable media to provide building information to on-site mobile-devices |
| JP2020177029A (ja) * | 2020-07-20 | 2020-10-29 | ヤフー株式会社 | 推定装置、推定方法、及び推定プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| US6323807B1 (en) | 2001-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2001311628A (ja) | 屋内環境におけるナビゲーションを行うための方法及び装置 | |
| CN109827577B (zh) | 基于运动状态检测的高精度惯性导航定位算法 | |
| Chen et al. | Oxiod: The dataset for deep inertial odometry | |
| Yan et al. | Ronin: Robust neural inertial navigation in the wild: Benchmark, evaluations, and new methods | |
| Flores et al. | Weallwalk: An annotated dataset of inertial sensor time series from blind walkers | |
| US10504031B2 (en) | Method and apparatus for determining probabilistic context awareness of a mobile device user using a single sensor and/or multi-sensor data fusion | |
| Mikov et al. | A localization system using inertial measurement units from wireless commercial hand-held devices | |
| Riehle et al. | Indoor magnetic navigation for the blind | |
| Sunny et al. | Applications and challenges of human activity recognition using sensors in a smart environment | |
| US20120143495A1 (en) | Methods and systems for indoor navigation | |
| Flores et al. | Easy return: an app for indoor backtracking assistance | |
| EP3492868B1 (en) | Mobile device localization based on spatial derivative magnetic fingerprint | |
| Deng et al. | Foot-mounted pedestrian navigation method based on gait classification for three-dimensional positioning | |
| Van Nguyen et al. | Real-time human foot motion localization algorithm with dynamic speed | |
| US20100174674A1 (en) | Action recognition apparatus, action recognition system, and action recognition method | |
| Wang et al. | Recent advances in pedestrian inertial navigation based on smartphone: A review | |
| Marron et al. | Multi sensor system for pedestrian tracking and activity recognition in indoor environments | |
| WO2018135886A2 (ko) | 웨어러블 장치의 위치를 추정하는 방법 및 이를 이용하는 장치 | |
| Zheng et al. | Imu performance analysis for a pedestrian tracker | |
| Falcon et al. | Predicting floor-level for 911 calls with neural networks and smartphone sensor data | |
| Chen et al. | Pedestrian positioning with physical activity classification for indoors | |
| Lin et al. | Deep learning-based multifloor indoor tracking scheme using smartphone sensors | |
| Huang et al. | Indoor positioning system based on improved PDR and magnetic calibration using smartphone | |
| Lin et al. | LocMe: Human locomotion and map exploitation based indoor localization | |
| Martin et al. | Simplified pedestrian tracking filters with positioning and foot-mounted inertial sensors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080109 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100622 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20101130 |