JP2019074322A - 情報処理装置、情報処理方法、およびプログラム - Google Patents

情報処理装置、情報処理方法、およびプログラム Download PDF

Info

Publication number
JP2019074322A
JP2019074322A JP2017198314A JP2017198314A JP2019074322A JP 2019074322 A JP2019074322 A JP 2019074322A JP 2017198314 A JP2017198314 A JP 2017198314A JP 2017198314 A JP2017198314 A JP 2017198314A JP 2019074322 A JP2019074322 A JP 2019074322A
Authority
JP
Japan
Prior art keywords
information processing
combining
output signals
clusters
output signal
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
Application number
JP2017198314A
Other languages
English (en)
Inventor
エリスィン アルトゥンタシ
Ersin Altintas
エリスィン アルトゥンタシ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Priority to JP2017198314A priority Critical patent/JP2019074322A/ja
Priority to PCT/JP2018/026706 priority patent/WO2019073647A1/ja
Priority to US16/753,632 priority patent/US11614461B2/en
Priority to CN201880064283.2A priority patent/CN111183336B/zh
Priority to EP18866315.7A priority patent/EP3696500B1/en
Publication of JP2019074322A publication Critical patent/JP2019074322A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/02—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses
    • G01P15/08—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses with conversion into electric or magnetic values
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
    • G01C19/56—Turn-sensitive devices using vibrating masses, e.g. vibratory angular rate sensors based on Coriolis forces
    • G01C19/5776—Signal processing not specific to any of the devices covered by groups G01C19/5607 - G01C19/5719
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G01D3/02—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups with provision for altering or correcting the law of variation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G01D3/08—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups with provision for safeguarding the apparatus, e.g. against abnormal operation, against breakdown
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Technology Law (AREA)
  • Automation & Control Theory (AREA)
  • Signal Processing (AREA)
  • Navigation (AREA)
  • Gyroscopes (AREA)

Abstract

【課題】複数の慣性センサに係る出力信号をより精度高くかつ容易に取得する。【解決手段】複数の慣性センサに係る出力信号を段階的に合成する合成部、を備え、前記合成部は、複数のクラスタにクラスタリングした複数の前記出力信号を、前記クラスタごとに段階的に合成し、前記クラスタのうち少なくとも１つは、複数の前記出力信号を含む、情報処理装置が提供される。また、プロセッサが、複数の慣性センサに係る出力信号を段階的に合成すること、を含み、前記合成することは、複数のクラスタにクラスタリングした複数の前記出力信号を、前記クラスタごとに段階的に合成すること、をさらに含み、前記クラスタのうち少なくとも１つは、複数の前記出力信号を含む、情報処理方法が提供される。【選択図】図１

Description

本開示は、情報処理装置、情報処理方法、およびプログラムに関する。
近年、慣性センサを用いた装置やアプリケーションが広く普及している。また、慣性センサのノイズを低減する技術も多く提案されている。例えば、特許文献１には、複数のジャイロセンサを備えるジャイロセンサユニットにおいて、ビートノイズの除去を容易とする構成が開示されている。
特開２００９−１８６２１３号公報
しかし、特許文献１に記載の技術は、ジャイロユニットセンサの冗長性を高める手法であり、また、設計時における負荷が増大することが想定される。
そこで、本開示では、複数の慣性センサに係る出力信号をより精度高くかつ容易に取得することが可能な、新規かつ改良された情報処理装置、情報処理方法、およびプログラムを提案する。
本開示によれば、複数の慣性センサに係る出力信号を段階的に合成する合成部、を備え、前記合成部は、複数のクラスタにクラスタリングした複数の前記出力信号を、前記クラスタごとに段階的に合成し、前記クラスタのうち少なくとも１つは、複数の前記出力信号を含む、情報処理装置が提供される。
また、本開示によれば、プロセッサが、複数の慣性センサに係る出力信号を段階的に合成すること、を含み、前記合成することは、複数のクラスタにクラスタリングした複数の前記出力信号を、前記クラスタごとに段階的に合成すること、をさらに含み、 前記クラスタのうち少なくとも１つは、複数の前記出力信号を含む、情報処理方法が提供される。
また、本開示によれば、コンピュータを、複数の慣性センサに係る出力信号を段階的に合成する合成部、を備え、前記合成部は、複数のクラスタにクラスタリングした複数の前記出力信号を、前記クラスタごとに段階的に合成し、前記クラスタのうち少なくとも１つは、複数の前記出力信号を含む、情報処理装置、として機能させるためのプログラムが提供される。
以上説明したように本開示によれば、複数の慣性センサに係る出力信号をより精度高くかつ容易に取得することが可能となる。
なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
本開示の一実施形態に係る概要について説明するための図である。 同実施形態に係る情報処理システムの構成例を示すブロック図である。 同実施形態に係るセンサ端末の機能構成例を示すブロック図である。 同実施形態に係る情報処理装置の機能構成例を示すブロック図である。 同実施形態に係る出力信号の合成処理の一例を示す図である。 同実施形態に係る出力信号の合成処理の一例を示す図である。 同実施形態に係るクラスタが含む出力信号の組み合わせについて説明するための図である。 同実施形態に係るクラスタリングの動的制御について説明するための図である。 同実施形態に係る利用用途に応じた出力信号の合成処理について説明するための図である。 同実施形態に係る環境状態に基づく許容精度の設定について説明するための図である。 同実施形態に係るアプリケーションの特性やユーザ状態に基づく許容精度の設定について説明するための図である。 同実施形態に係るノイズの改善率について説明について説明するための図である。 同実施形態に係る慣性センサの数、クラスタ中の出力信号数、およびステップ数を変化させた場合におけるノイズの総改善率について説明するための図である。 同実施形態に係る情報処理方法および比較手法による合成処理をシミュレーションした際のノイズ特性をアラン分散プロットにより示した図である。 同実施形態に係る情報処理方法および比較手法による合成処理をシミュレーションした際のノイズ特性をアラン分散プロットにより示した図である。 同実施形態に係る情報処理方法および比較手法による合成処理をシミュレーションした際のノイズ特性をアラン分散プロットにより示した図である。 同実施形態に係る８個のジャイロセンサを合成した際のシミュレーションにおけるＡＲＷとバイアス安定性の改善率を示す図である。 本開示の一実施形態に係るハードウェア構成例を示す図である。
以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
なお、説明は以下の順序で行うものとする。
１．第１の実施形態
１．１．概要
１．２．システム構成例
１．３．センサ端末の機能構成例
１．４．情報処理装置２０の機能構成例
１．５．合成処理の詳細
１．６．利用用途に基づいた合成制御
１．７．効果
２．ハードウェア構成例
３．まとめ
＜１．第１の実施形態＞
＜＜１．１．概要＞＞
近年、慣性センサを利用した装置やアプリケーションが広く普及している。上記の慣性センサには、例えば、ジャイロセンサ（ジャイロスコープ、とも称する）や加速度センサなどが挙げられる。また、ジャイロセンサや加速度センサにも様々な種類が存在する。例えば、ジャイロセンサには、半導体製造技術を利用したＭＥＭＳ（Ｍｉｃｒｏ Ｅｌｅｃｔｒｏ Ｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍｓ）ジャイロセンサや、光学式、量子式のジャイロセンサなどが存在する。
光学式や量子式のジャイロセンサは精度が高いもののコストが高いことから、一般消費者向けの製品においては、安価なＭＥＭＳジャイロセンサが用いられることが多い。しかし、ＭＥＭＳジャイロセンサは、個々の精度のばらつきが大きい傾向があるため、単一のＭＥＭＳジャイロセンサを用いる際、利用用途に対し十分な精度が得られない場合も想定される。
上記の点を改善するため、例えば、複数のＭＥＭＳジャイロセンサからの出力信号を合成することで、検出される角速度の精度を高める手法が提案されている。上記の手法では、複数のＭＥＭＳジャイロセンサに係る出力信号を一括処理により合成することで、出力信号が含むノイズを低減することが可能である。係る手法によれば、安価なＭＥＭＳジャイロセンサを用いながらも角速度の検出精度を効果的に高めることが可能となる。
しかし、上記の手法におけるノイズの改善率（Ｉｍｐｒｏｖｅｍｅｎｔ Ｆａｃｔｏｒ）は、√Ｎ（Ｎは、ジャイロセンサの数）に比例する。このため、例えば、ノイズを１桁減らすためには、１００個のジャイロセンサが必要となる。また、√２Ｎ前後の改善率を実現する手法を報告されているが、十分な改善率を有しているとは言い難い。
また、ジャイロセンサの数の増加は、装置の大型化を招くことから利用用途が限定されるとともに、処理速度や消費電力も増大することとなる。
本開示に係る技術思想は、上記の点に着目して発想されたものであり、複数の慣性センサに係る出力信号をより精度高くかつ容易に取得することを可能とする。このために、本開示の一実施形態に係る情報処理装置、情報処理方法、およびプログラムは、複数の慣性センサに係る出力信号を段階的に合成することを特徴の一つする。この際、本開示の一実施形態に係る情報処理装置、情報処理方法、およびプログラムは、複数のクラスタにクラスタリングした複数の上記出力信号を、当該クラスタごとに段階的に合成してよい。また、上記クラスタのうち少なくとも１つは、複数の出力信号を含んでよい。
図１は、本開示の一実施形態の概要について説明するための図である。図１には、本実施形態に係る情報処理装置がＮ個のジャイロセンサＧ＿１〜Ｇ＿ｎを合成する場合の一例が示されている。
上述したように、本実施形態に係る情報処理装置は、複数の慣性センサに係る出力信号を段階的に合成することを特徴の一つとする。図１に示す一例の場合、本実施形態に係る情報処理装置は、Ｓ回のステップで段階的にＮ個のジャイロセンサＧ＿１〜Ｇ＿ｎに係る出力信号を合成している。
この際、本実施形態に係る情報処理装置は、ステップごとに複数のクラスタを定め、当該クラスタごとに出力信号の合成を実行する。例えば、ステップ＿１において、情報処理装置は、４個のジャイロセンサＧ＿１〜Ｇ＿４から成るクラスタＣ＿１１、１個のジャイロセンサＧ＿ｋから成るクラスタＣ＿１ｋ、３個のジャイロセンサＧ＿ｎ-２〜Ｇ＿ｎから成るクラスタＣ＿１ｐを含む複数のクラスタを形成し、クラスタごとに出力信号を合成する。図１に示すように、本実施形態に係るクラスタが包含する出力信号の数は、クラスタごとに異なってもよい。
続いて、情報処理装置は、ステップ＿２において、ステップ＿１で合成した合成出力信号（以下、合成ジャイロ、とも称する）をさらにクラスタリングし、クラスタごとに合成ジャイロをさらに合成する。
図１に示す一例の場合、情報処理装置は、ステップ＿１におけるクラスタＣ＿１１に係る合成ジャイロＶＧ＿１１を含むクラスタ＿２１、クラスタＣ＿１ｋに係る合成ジャイロＶＧ＿１ｋを含むクラスタ＿２ｋ、クラスタＣ＿１ｐに係る合成ジャイロＶＧ＿１ｐを含むクラスタ＿２ｔごとにさらなる合成を実行する。
このように、本実施形態に係る情報処理装置は、ステップごとにクラスタリングと合成を繰り返し実行する。図１に示す一例の場合、情報処理装置は、ステップ＿Ｓにおいて、合成ジャイロＶＧ＿ｓ１およびＶＧ＿ｓ２から成るクラスタＣ＿ｓ１に係る合成を実行し、最終出力信号ＦＶＧを出力している。
以上説明したように、本実施形態に係る情報処理装置は、複数の慣性センサに係る出力信号を段階的に合成することを特徴の一つとする。当該手法によれば、上述した報告における√Ｎまたは√２Ｎを超える改善率を実現することが可能となる。なお、本実施形態に係る技術思想により奏される改善率の詳細については、別途詳細に説明する。
＜＜１．２．システム構成例＞＞
次に、本開示の一実施形態に係る情報処理システムの構成例について説明する。図２は、本実施形態に係る情報処理システムの構成例を示すブロック図である。図１を参照すると、本実施形態に係る情報処理システムは、センサ端末１０および情報処理装置２０を備える。また、センサ端末１０および情報処理装置２０は、互いに通信が行えるように、ネットワーク３０を介して接続される。
（センサ端末１０）
本実施形態に係るセンサ端末１０は、複数の慣性センサを備える情報処理装置である。本実施形態に係るセンサ端末は、複数の慣性センサの出力信号を情報処理装置２０に送信する。また、本実施形態に係るセンサ端末１０は、情報処理装置２０により合成された最終出力信号を受信し、当該最終出力信号を対応するアプリケーションに用いてもよい。
本実施形態に係るセンサ端末１０は、例えば、携帯電話、スマートフォン、タブレット、または専用装置などであってもよい。また、本実施形態に係るセンサ端末１０は、例えば、ＡＲ（Ａｕｇｍｅｎｔｅｄ Ｒｅａｌｉｔｙ）、ＶＲ（Ｖｉｒｔｕａｌ Ｒｅａｌｉｔｙ）、ＭＲ（Ｍｉｘｅｄ Ｒｅａｌｉｔｙ）などの情報提示技術を用いたアプリケーションを提供するウェアラブルデバイスなどであってもよい。さらには、本実施形態に係るセンサ端末１０は、自動運転機能を搭載した各種の車両、ドローンなどの航空機体、自律移動型ロボットなどであり得る。
（情報処理装置２０）
本実施形態に係る情報処理装置２０は、センサ端末１０から受信した複数の慣性センサに係る出力信号を合成する機能を有する。本実施形態に係る情報処理装置２０は、例えば、サーバとして実現されてもよい。
また、本実施形態に係る情報処理装置２０は、例えば、ヘッドマウントディスプレイなどのウェアラブルデバイスなどであってもよい。この場合、情報処理装置２０は、例えば、リストウォッチ型や専用装置であるセンサ端末１０から受信した出力信号を合成し、取得した最終出力信号を対応するアプリケーションの動作に利用することができる。
（ネットワーク３０）
ネットワーク３０は、センサ端末１０と情報処理装置２０を接続する機能を有する。ネットワーク３０は、インターネット、電話回線網、衛星通信網などの公衆回線網や、Ｅｔｈｅｒｎｅｔ（登録商標）を含む各種のＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）などを含んでもよい。また、ネットワーク３０は、ＩＰ−ＶＰＮ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ−Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｎｅｔｗｏｒｋ）などの専用回線網を含んでもよい。また、ネットワーク３０は、Ｗｉ−Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）など無線通信網を含んでもよい。
以上、本実施形態に係る情報処理システムの構成例について説明した。なお、図２を用いて説明した上記の構成はあくまで一例であり、本実施形態に係る情報処理システムの構成は係る例に限定されない。例えば、本実施形態に係るセンサ端末１０および情報処理装置２０が有する機能は、単一の装置により実現されてもよい。本実施形態に係る情報処理システムの構成は、仕様や運用に応じて柔軟に変形可能である。
＜＜１．３．センサ端末の機能構成例＞＞
次に、本実施形態に係るセンサ端末１０の機能構成例について説明する。図３は、本実施形態に係るセンサ端末１０の機能構成例を示すブロック図である。図３を参照すると、本実施形態に係るセンサ端末１０は、センサ部１１０、入力部１２０、出力部１３０、制御部１４０、通信部１５０を備える。
（センサ部１１０）
本実施形態に係るセンサ部１１０は、複数の慣性センサを備える。本実施形態に係るセンサ部１１０は、少なくとも３つ以上の慣性センサを備えてよい。上述したように、本実施形態に係る慣性センサは、ジャイロセンサや加速度センサを含む。また、ジャイロセンサには、ＭＥＭＳジャイロセンサの他、機械式、光学式、量子式のジャイロセンサなどが広く含まれる。なお、以下の説明においては、本実施形態に係る慣性センサの一例として、ＭＥＭＳジャイロセンサの出力信号を合成する場合を例に説明する。
また、本実施形態に係るセンサ部１１０は、合成の対象となる慣性センサ以外に、様々なセンサを備えてよい。上記のセンサには、ジャイロセンサ、加速度センサ、地磁気センサ、撮像素子、ＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）信号受信機などが挙げられる。
（入力部１２０）
本実施形態に係る入力部１２０は、ユーザによる入力操作を検出する機能を有する。このために、本実施形態に係る入力部１２０は、キーボード、各種のボタン、タッチパネルなどを備える。また、上記の入力には、音声入力が含まれてよい。この場合、本実施形態に係る入力部１２０は、音情報を収集するためのマイクロフォンをさらに備える。
（出力部１３０）
本実施形態に係る出力部１３０は、制御部１４０による制御に基づいて、ユーザに視覚情報や聴覚情報を提供する機能を有する。このために、本実施形態に係る出力部１３０は、視覚情報を提示する表示デバイスなどを備える。上記の表示デバイスには、例えば、液晶ディスプレイ（ＬＣＤ：Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）装置、ＯＬＥＤ（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）装置、タッチパネルなどが挙げられる。また、本実施形態に係る出力部１３０は、聴覚情報を出力するためのスピーカやアンプなどを備える。
（制御部１４０）
本実施形態に係る制御部１４０は、本実施形態に係る制御部１４０は、センサ端末１０が備える各構成を制御する機能を有する。制御部１４０は、例えば、各構成の起動や停止を制御する。
また、制御部１４０は、情報処理装置２０が合成した最終出力信号を利用するアプリケーションの動作を制御する。上記のアプリケーションは、例えば、ＰＤＲ（Ｐｅｄｅｓｔｒｉａｎ ｄｅａｄ ｒｅｃｋｏｎｉｎｇ）を含む種々の追跡・誘導技術、ＡＲ、ＶＲ、ＭＲなどの情報提示技術を利用した機能を有してもよい。また、上記のアプリケーションは、例えば、車両の自動運転技術や、ドローンを含む航空機体、自律移動型ロボットなどの動体制御技術を利用した種々の機能を有してもよい。
（通信部１５０）
本実施形態に係る通信部１５０は、ネットワーク３０を介して情報処理装置２０との情報通信を行う機能を有する。具体的には、通信部１５０は、センサ部１１０が備える慣性センサの出力信号や他のセンサが取得したセンサ情報を情報処理装置２０に送信する。また、通信部１５０は、情報処理装置２０が合成した最終出力信号を受信する。
以上、本実施形態に係るセンサ端末１０の機能構成例について説明した。なお、図３を用いて説明した上記の構成はあくまで一例であり、本実施形態に係るセンサ端末１０の機能構成は係る例に限定されない。例えば、本実施形態に係るセンサ端末１０は、図３に示す構成のすべてを必ずしも備えなくてもよい。また、例えば、センサ端末１０は、後述する情報処理装置２０の合成部２１０や処理制御部２２０の機能を有してもよい。本実施形態に係るセンサ端末１０の機能構成は、仕様や運用に応じて柔軟に変形可能である。
＜＜１．４．情報処理装置２０の機能構成例＞＞
次に、本実施形態に係る情報処理装置２０の機能構成例について説明する。図４は、本実施形態に係る情報処理装置２０の機能構成例を示すブロック図である。図４を参照すると、本実施形態に係る情報処理装置２０は、合成部２１０、処理制御部２２０、および端末通信部２３０を備える。
（合成部２１０）
本実施形態に係る合成部２１０は、センサ端末１０が備える複数の慣性センサに係る出力信号を合成する機能を有する。この際、本実施形態に係る合成部２１０は、複数のクラスタにクラスタリングした複数の出力信号を、当該クラスタごとに段階的に合成することを特徴の一つする。
なお、上記のクラスタのうち少なくとも１つは、複数の出力信号を含むものとするが、上述したように、上記のクラスタが包含する出力信号の数は、クラスタごとに異なってもよい。本実施形態に係る合成部２１０は、同一段階におけるクラスタが含む出力信号（合成ジャイロ）の数をクラスタごとに決定することができる。
より詳細には、本実施形態に係る合成部２１０は、クラスタごとに合成した出力信号、すなわち合成ジャイロをさらにクラスタリングし、当該クラスタごとに出力信号の合成を繰り返し実行することで、高精度の最終出力信号を取得することができる。
また、本実施形態に係る合成部２１０は、出力信号の合成に係る段階の数、およびクラスタが含む出力信号（合成ジャイロ）の数を動的に決定してよい。この際、本実施形態に係る合成部２１０は、例えば、Ｄｅｅｐ Ｌｅａｒｉｎｇなどの機械学習手法を用いて、上記の処理を実現することができる。
（処理制御部２２０）
本実施形態に係る処理制御部２２０は、最終出力信号の利用用途に基づいて、合成部２１０による出力信号の合成処理を制御する機能を有する。本実施形態に係る処理制御部２２０は、例えば、最終出力信号を用いるアプリケーションの特性に応じて合成部２１０による出力信号の合成を制御してもよい。
また、本実施形態に係る処理制御部２２０は、センサ端末１０が取得したセンサ情報に基づいて推定された環境状態またはユーザ状態に基づいて、合成部２１０による出力信号の合成を制御してもよい。上記のセンサ情報には、例えば、加速度情報、地磁気情報、画像情報などが含まれる。本実施形態に係る処理制御部２２０が有する機能の詳細については別途後述する。
（端末通信部２３０）
本実施形態に係る端末通信部２３０は、ネットワーク３０を介してセンサ端末１０との情報通信を行う機能を有する。具体的には、端末通信部２３０は、センサ端末１０から慣性センサの出力信号や他のセンサに係るセンサ情報を受信する。また、端末通信部２３０は、合成部２１０が合成した最終出力信号をセンサ端末１０に送信する。
以上、本実施形態に係る情報処理装置２０の機能構成例について説明した。なお、図４を用いて説明した上記の機能構成はあくまで一例であり、本実施形態に係る情報処理装置２０の機能構成は係る例に限定されない。上述したように、本実施形態に係る合成部２１０や処理制御部２２０が有する機能は、センサ端末１０が有する機能として実現されてもよい。この場合、センサ端末１０および情報処理装置２０を単一の装置として実現することが可能である。一方、出力信号の合成処理を情報処理装置２０により実現する場合、センサ端末１０における処理負担を効果的に軽減することが可能である。本実施形態に係る情報処理装置２０の機能構成は、仕様や運用に応じて柔軟に変形可能である。
＜＜１．５．合成処理の詳細＞＞
次に、本実施形態に係る合成部２１０による出力信号の合成処理について詳細に説明する。上述したように、本実施形態に係る合成部２１０は、出力信号のクラスタリングと合成を段階的に実行することで、精度の高い最終出力信号を取得することを可能とする。
ここで、合成部２１０による上記の合成処理について具体例を挙げながら説明する。図５は、本実施形態に係る出力信号の合成処理の一例を示す図である。図５に示す一例の場合、合成部２１０は、８個のジャイロセンサＧ＿１〜Ｇ＿８に係る出力信号を３段階で合成し、最終出力信号ＦＶＧを取得している。
具体的には、合成部２１０は、ステップＳ＿１において、ジャイロセンサＧ＿１〜Ｇ＿３から成るクラスタＣ＿１１、ジャイロセンサＧ＿４から成るクラスタＣ＿１２、ジャイロセンサＧ＿５およびＧ＿６から成るクラスタＣ＿１３、ジャイロセンサＧ＿７およびＧ＿８から成るクラスタＣ＿１４を生成し、当該クラスタごとに出力信号の合成を行っている。
また、合成部２１０は、ステップＳ＿２において、クラスタＣ＿１１に係る合成ジャイロＶＧ＿１１から成るクラスタＣ＿２１、およびクラスタＣ＿１２〜Ｃ＿１４に係る合成ジャイロＶＧ＿１２〜ＶＧ＿１４から成るクラスタＣ＿２２を生成し、当該クラスタごとにさらなる合成を実行している。
また、合成部２１０は、ステップＳ＿３において、クラスタＣ＿２１に係る合成ジャイロＶＧ＿２１、およびクラスタＣ＿２２に係る合成ジャイロＶＧ＿２２を含むクラスタＣ＿３１を生成し、最終出力信号ＦＶＧを取得している。
このように、本実施形態に係るクラスタが包含する出力信号（合成ジャイロ）の数は、同一ステップにおける他のクラスタとは異なっていてもよい。本実施形態に合成部２１０は、より精度の高い最終出力信号が得られるようクラスタリングやステップ数を動的に制御することが可能である。
一方、本実施形態に係るクラスタが包含する出力信号（合成ジャイロ）の数は、ステップごとに一定であってもよい。図６は、本実施形態に係る出力信号の合成処理の一例を示す図である。図６に示す一例では、合成部２１０は、図５に示した一例と同様に、８個のジャイロセンサＧ＿１〜Ｇ＿８に係る出力信号を３段階で合成し、最終出力信号ＦＶＧを取得している。
一方、図６に示す一例の場合、合成部２１０は、各段階において、クラスタが含む出力信号（合成ジャイロ）の数を共通して設定している。具体的には、合成部２１０は、ステップ＿１において、それぞれ２個の出力信号を含むクラスタＣ＿１１〜Ｃ＿１４を生成し、ステップ＿２において、それぞれ２個の合成ジャイロを含むクラスタＣ＿２１およびＣ＿２２を生成している。また、合成部２１０は、ステップ＿３において、２個の合成ジャイロを含むクラスタＣ＿３１を生成し、最終出力信号ＦＶＧを取得している。
また、本実施形態に合成部２１０は、各クラスタが含む出力信号（合成ジャイロ）の組み合わせを動的に決定することが可能である。この際、本実施形態に係る合成部２１０は、例えば、Ｄｅｅｐ Ｌｅａｒｉｎｇなどの機械学習手法を用いることで、より精度の高い最終出力信号を取得可能な組み合わせを決定することができる。
図７は、本実施形態に係るクラスタが含む出力信号の組み合わせについて説明するための図である。図７には、８個のジャイロセンサＧ＿１〜Ｇ＿８をそれぞれ２個ずつ含む４つのクラスタを生成する場合に、各クラスタが取り得る組み合わせが示されている。
この際、各クラスタが含むジャイロセンサＧ＿１〜Ｇ＿８の組み合わせは、８Ｃ２＝８！／（８−２）！＊２！、すなわち２８通りとなる。本実施形態に係る合成部２１０は、機械学習手法により上記の組み合わせに係る最適解を得ることで、より精度の高い最終出力信号を得ることが可能となる。
図８は、本実施形態に係るクラスタリングの動的制御について説明するための図である。図８には、合成部２１０が、図６の場合と同数のジャイロセンサ、同数のステップ数で出力信号の合成を行う場合の一例が示されている。一方、図８に示す一例の場合、図６の例とは異なり、合成部２１０は、ステップＳ＿２において、合成ジャイロＶＧ＿１１とＶＧ＿１４を含むクラスタＣ＿２１、および合成ジャイロＶＧ＿１２とＶＧ＿１３を含むクラスタＣ＿２２を生成し、それぞれ合成を行っている。
このように、本実施形態に係る合成部２１０は、ステップに問わず、処理中において動的にクラスタリングの変更を行うことが可能である。本実施形態に係る合成部２１０が有する上記の機能によれば、例えば、何らかの原因により一部のジャイロセンサの精度が変化した場合などであっても、状況ごとにより適したクラスタリングを実現し、最終出力信号の精度を高めることが可能である。
また、合成部２１０は、例えば、一部のジャイロセンサの精度が著しく低下した場合には、当該ジャイロセンサの出力信号をクラスタリングや合成に用いなくてもよい。合成部２１０が有する上記の機能によれば、精度の低い出力信号を合成処理から排除することで、得られる最終出力信号の精度を向上させることが可能となる。
＜＜１．６．利用用途に基づいた合成制御＞＞
次に、本実施形態に係る出力信号の利用用途に基づいた合成制御について詳細に説明する。上述したように、本実施形態に係る処理制御部２２０は、出力信号の利用用途に基づいて合成部２１０による出力信号の合成を制御することができる。
本実施形態に係る処理制御部２２０は、例えば、最終出力信号を用いるアプリケーションの特性や、センサ情報に基づいて推定された環境状態またはユーザ状態に基づいて、合成部２１０による合成処理を制御してよい。
より具体的には、本実施形態に係る処理制御部２２０は、出力信号に係る許容精度に基づいて、合成部２１０による合成処理を制御してよい。ここで、上記の許容精度とは、合成後の最終出力信号が用いられるアプリケーションにおいて許容され得る精度の閾値を示す。
図９は、本実施形態に係る利用用途に応じた出力信号の合成処理について説明するための図である。図９では、合成部２１０が図６に示した場合と同様のクラスタリングおよび合成処理を行う場合の例が示されている。
この際、本実施形態に係る処理制御部２２０は、各ステップの各クラスタに係る合成処理において、出力信号（合成ジャイロ）の精度が許容精度を満たした段階で、当該出力信号を許容精度に対応するアプリケーションに引き渡してよい。
図９に示す一例の場合、処理制御部２２０は、例えば、ステップＳ＿１におけるクラスタＣ＿１４に係る合成処理により、出力信号の精度があるアプリケーションの許容精度を満たした場合、当該出力信号を最終出力信号ＦＶＧ＿１としてアプリケーションに引き渡してよい。
また、同様に、処理制御部２２０は、ステップＳ＿２におけるクラスタＣ＿２２に係る合成処理により、出力信号の精度がアプリケーションの許容精度を満たした場合、当該出力信号を最終出力信号ＦＶＧ＿２としてアプリケーションに引き渡してよい。
また、処理制御部２２０は、ステップＳ＿３におけるクラスタＣ＿３１に係る合成処理により、出力信号の精度がアプリケーションの許容精度を満たした場合には、当該出力信号を最終出力信号ＦＶＧ＿ｎとしてアプリケーションに引き渡す。
このように、本実施形態に係る処理制御部２２０は、合成処理において、出力信号が許容され得る精度を満たした段階で、当該出力信号をアプリケーションに引き渡すことができる。本実施形態に係る処理制御部２２０が有する上記の機能によれば、出力信号の合成に係る処理時間を効果的に短縮し、より遅延の少ない応答を実現することが可能となる。
また、本実施形態に係る処理制御部２２０は、出力信号が許容精度を満たした場合、合成部２１０による出力信号の合成処理を終了させてもよい。本実施形態に係る処理制御部２２０が有する上記の機能によれば、処理時間を短縮化するとともに処理負担を軽減することが可能である。
なお、本実施形態に係る許容精度は、例えば、アプリケーションの特性や、環境状態、ユーザ状態などに基づいて設定されてよい。図１０は、環境状態に基づく許容精度の設定について説明するための図である。
図１０には、同一のアプリケーションＡＰＰ１において、異なる許容精度に対応した最終出力信号が用いられる場合の一例が示されている。ここで、アプリケーションＡＰＰ１は、例えば、ＧＮＳＳなどを利用したナビゲーションアプリケーションであってよい。
この際、本実施形態に係る処理制御部２２０は、センサ情報から推定される環境状態に基づいて異なる許容精度を設定し、合成部２１０による合成処理を制御することができる。
具体的には、ビル群に囲まれたエリアや、屋内、地下などでは、ＧＮＳＳなどの感度が低下することから、ナビゲーションの精度を維持するためには、精度の高い最終出力信号を用いることが求められる。このため、本実施形態に係る処理制御部２２０は、センサ端末１０が取得したセンサ情報Ｓ１がＧＮＳＳの感度が低いことを示す場合、合成部２１０による合成処理を最後のステップまで実行させ、より精度の高い最終出力信号ＦＶＧ＿ｎをアプリケーションＡＰＰ１に引き渡してよい。
一方、見渡しの良い屋外などでは、ＧＮＳＳの感度が高くなるため、比較的精度の低い最終出力信号であっても許容可能となる。このため、本実施形態に係る処理制御部２２０は、センサ端末１０が取得したセンサ情報Ｓ１がＧＮＳＳの感度が高いことを示す場合には、合成した出力信号が許容精度を満たした段階で、最終出力信号ＦＶＧをアプリケーションＡＰＰ１に引き渡してよい。図１０に示す一例の場合、処理制御部２２０は、ステップＳ＿１の段階で得られた最終出力信号ＦＶＧ＿１をアプリケーションＡＰＰ１に引き渡している。
図１１は、アプリケーションの特性やユーザ状態に基づく許容精度の設定について説明するための図である。図１１には、２つのアプリケーションＡＰＰ２およびＡＰＰ３において、異なる許容精度に対応した最終出力信号が用いられる場合の一例が示されている。ここで、アプリケーションＡＰＰ２は、例えば、ＰＤＲ技術を用いたナビゲーションシステムであり、アプリケーションＡＰＰ３は、着座状態など、ユーザの運動強度が比較的小さい状況で利用されるＶＲアプリケーションであってよい。
この際、本実施形態に係る処理制御部２２０は、アプリケーションの特性や、センサ情報から推定されるユーザ状態などに基づいて異なる許容精度を設定し、合成部２１０による合成処理を制御することができる。
具体的には、ＰＤＲに係るアプリケーションＡＰＰ２では、ユーザＵが常に歩行などの動作の大きい運動を行うことが想定される。このため、提供する情報の精度を高めるためには、精度の高い最終出力信号を用いることが求められる。
このため、本実施形態に係る処理制御部２２０は、アプリケーションＡＰＰ２の特性に対応して予め設定された許容精度や、センサ端末１０が取得したセンサ情報Ｓ３が示すユーザＵの運動強度の高さなどに基づいて、合成部２１０による合成処理を最後のステップまで実行させ、より精度の高い最終出力信号ＦＶＧ＿ｎをアプリケーションＡＰＰ１に引き渡してよい。
一方、ユーザの運動強度が比較的小さい状況で利用されるアプリケーションＡＰＰ３では、比較的精度の低い最終出力信号であっても許容可能な場合がある。このため、本実施形態に係る処理制御部２２０は、アプリケーションＡＰＰ３の特性に対応して予め設定された許容精度や、センサ端末１０が取得したセンサ情報Ｓ４が示すユーザＵの運動強度の低さなどに基づいて、合成した出力信号が許容精度を満たした段階で、最終出力信号ＦＶＧをアプリケーションＡＰＰ１に引き渡してよい。図１１に示す一例の場合、処理制御部２２０は、ステップＳ＿１の段階で得られた最終出力信号ＦＶＧ＿１をアプリケーションＡＰＰ１に引き渡している。
以上説明したように、本実施形態に係る処理制御部２２０によれば、アプリケーションの特性や、環境状態、ユーザ状態に応じて合成部２１０による合成処理を動的に制御することが可能となる。本実施形態に係る処理制御部２２０が有する上記の機能によれば、状況に応じて精度と処理時間とに係る優先度を適宜選択することで、より高価値な機能をユーザに提供することが可能となる。
＜＜１．７．効果＞＞
次に、本実施形態に係る技術思想が奏する効果について詳細に説明する。上述したように、複数の慣性ジャイロに係る出力信号を一括処理により合成する手法の場合、ノイズの改善率が√２となるケースが報告されている。以下、上記の手法を本実施形態における比較手法とする。
ここで、本実施形態に係る情報処理方法によるノイズの改善率について考察する。図１２は、本実施形態に係るノイズの改善率について説明について説明するための図である。図１２では、８個のジャイロセンサＧ＿１〜Ｇ＿８を、３ステップで２個ずつクラスタリングし、また合成した場合の改善率を示している。
ここで、ステップＳ＿１における合成によって得られる改善率をａとし、クラスタが含む出力信号の数をＭと置く。すると、ステップＳ＿１において各クラスタに係る合成結果により得られるノイズの総改善率は、√（ａ＊Ｍ）、により算出され得る。
同様に、ステップＳ＿２における合成によって得られる改善率をｂとすると、ステップ＿２において各クラスに係る合成結果により得られるノイズの総改善率は、√（ａ＊Ｍ）＊√（ｂ＊Ｍ）、となる。
また、ステップＳ＿３における合成によって得られる改善率をｃとすると、ステップ＿３において各クラスに係る合成結果により得られるノイズの総改善率は、√（ａ＊Ｍ）＊√（ｂ＊Ｍ）＊√（ｃ＊Ｍ）＝√（ａ＊ｂ＊ｃ＊Ｍ３）、となる。
ここで、ａ＝ｂ＝ｃ、と仮定した場合、上記の数式は、√（ａ３＊Ｍ３）、と変形することができる。なお、当該数式における指数は、ステップ数を表す。すなわち、ステップ数をＳとした場合、本実施形態に係るノイズの総改善率は、√（ａＳ＊ＭＳ）＝√（ａＳ＊Ｎ）、となる。ただし、上記数式におけるＮは、慣性センサの個数を示す。
続いて、図１３を参照して、慣性センサの数、クラスタ中の出力信号数、およびステップ数を変化させた場合におけるノイズの総改善率について説明する。図１３では、左から順に、慣性センサの総数、クラスタ中の出力信号数（Ｍ）、ステップ数（Ｓ）、ＭＳ、および最終出力信号に含まれるノイズ（１／総改善率）が示されている。また、ノイズについては、比較手法（Ｍｅｔｈｏｄ １）を用いた場合、および本実施形態に係る情報処理方法（Ｍｅｔｈｏｄ ２）を用いた場合の２つが示されている。
図１３に示すように、比較手法においては、すべての慣性センサを一括処理により合成するため、慣性センサの数に依らず改善率は一定となる。一方、本実施形態に係る情報処理方法により得られる総改善率は、ステップ数に比例して上昇することがわかる。
例えば、図１３において、慣性センサの総数が８または９である場合を比較すると、慣性センサの総数がほぼ同数であるものの、ステップ数の多さから、慣性センサの総数が８である場合の方が総ノイズ改善率が高くなっている。
また、慣性センサの総数が１６である２つのデータを比較すると、ステップ数を増やした方が総改善率が向上し、ノイズが効果的に低減されることがわかる。一方、ステップ数を減らした場合、処理時間が速くなることから、上述した許容精度に基づいて、ステップ数は適宜決定されてよい。
続いて、比較手法と本実施形態に係る情報処理方法との改善率の差について詳細に述べる。例えば、慣性センサの総数が８個である場合において、各ステップにおける改善率ａが２であるとした場合、比較手法の一括処理により得られる出力信号のノイズは下記数式（１）となる。一方、同数の慣性センサを本実施形態に係る情報処理方法で合成した場合（Ｍ＝２，Ｓ＝３）、最終出力信号のノイズは下記数式（２）となる。
このように、慣性センサの総数が同一である場合、比較手法ではノイズが１／４に減少するのに対し、本実施形態に係る情報処理方法ではノイズが１／８に減少可能である。すなわち、本実施形態によれば、８〜１６個の慣性センサを用いることで、ノイズを１桁減少させることが可能となる。一方、比較手法では、ノイズを１桁減らすために５０個の慣性センサが必要なことから、本実施形態に係る情報処理方法によれば、比較手法の約５倍の改善率を実現できる、といえる。
また、４個の慣性センサを本実施形態に係る情報処理方法で合成した場合（Ｍ＝２，Ｓ＝２）、最終出力信号のノイズは下記数式（３）となる。
すなわち、本実施形態に係る情報処理方法によれば、比較手法が８個の慣性センサを用いて実下する改善率を、半数の４個の慣性センサにより実現することが可能である。このため、本実施形態に係る情報処理方法によれば、慣性センサを実装するセンサ端末１０をさらに小型化することが可能となり、センサ端末１０を種々の用途に応じて広く用いることが可能となる。
次に、本実施形態に係る情報処理方法の効果に係るシミュレーション結果について説明する。図１４〜図１６は、本実施形態に係る情報処理方法および比較手法による合成処理をシミュレーションした際のノイズ特性をアラン分散プロット（Ａｌｌａｎ Ｖａｒｉａｎｃｅ Ｐｌｏｔ）により示した図である。なお、シミュレーションに係る慣性センサには、ＭＥＭＳジャイロセンサを選択した。
図１４〜１６には、各ジャイロセンサ、ジャイロセンサの平均、比較手法による合成、および本実施形態に係る情報処理方法による合成により得られた出力信号のノイズ特性がそれぞれ示されている。
図１４は、２個のＭＥＭＳジャイロセンサを合成した際のシミュレーション結果である。２つのＭＥＭＳジャイロセンサを合成する場合、本実施形態に係る情報処理方法のステップ数は必然的に１となる。このため、図１４においては、本実施形態に係る情報処理方法と比較手法とが同一の値にプロットされている。
また、図１５は、４個のＭＥＭＳジャイロセンサを合成した際のシミュレーション結果である。ここでは、クラスタ中の出力信号数（Ｍ）＝２、ステップ数（Ｓ）＝２、でシミュレーションを行った。図１５に示すように、本実施形態に係る情報処理方法を用いたシミュレーション結果では、比較手法と比べてプロットが下方へシフトしており、ノイズが効果的に低減されていることがわかる。
また、図１６は、８個のＭＥＭＳジャイロセンサを合成した際のシミュレーション結果である。ここでは、クラスタ中の出力信号数（Ｍ）＝２、ステップ数（Ｓ）＝３、でシミュレーションを行った。この場合、本実施形態に係る情報処理方法を用いたシミュレーション結果では、比較手法と比べてプロットが大きく下方へシフトしており、ステップ数が増加したことにより、ノイズがより効果的に低減されていることがわかる。
また、図１７は、上記８個のＭＥＭＳジャイロセンサを合成した際のシミュレーションにおけるＡＲＷ（Ａｎｇｌｅ Ｒａｎｄｏｍ Ｗａｌｋ）とバイアス安定性（Ｂｉａｓ ｓｔａｂｉｌｉｔｙ）の改善率を示す図である。
図１７を参照すると、本実施形態に係る情報処理方法により得られるＡＲＷおよびバイアス安定性の改善率は、それぞれ８．０２および８．４４を記録している。このように、本実施形態によれば、上述した改善率の演算式、√（２Ｓ＊Ｎ）、とほぼ一致した結果を得られることがわかる。
以上、本実施形態に係る情報処理方法が奏する効果について説明した。上述したように、本実施形態に係る情報処理方法によれば、複数の慣性センサを段階的に合成することで、出力信号の精度を効果的に向上させることができる。また、本実施形態に係る情報処理方法によれば、より少ない数の慣性センサで、出力信号の目標精度を維持することが可能である。
なお、上記では、慣性センサとしてＭＥＭＳジャイロセンサを用いる場合を例に述べたが、本実施形態に係る慣性センサは係る例に限定されない。本実施形態に係る情報処理方法は、加速度センサや、光学式、量子式のジャイロセンサに対しても適用可能である。また、本実施形態に係る情報処理方法は、例えば、振動子やクロックなどを用いて測定される情報の精度を高める場合にも応用可能である。本実施形態に係る情報処理方法は、センサの精度を高める効果的な手法として広く適用され得る。
＜２．ハードウェア構成例＞
次に、本開示の一実施形態に係るセンサ端末１０および情報処理装置２０に共通するハードウェア構成例について説明する。図１８は、本開示の一実施形態に係るセンサ端末１０および情報処理装置２０のハードウェア構成例を示すブロック図である。図１８を参照すると、センサ端末１０および情報処理装置２０は、例えば、ＣＰＵ８７１と、ＲＯＭ８７２と、ＲＡＭ８７３と、ホストバス８７４と、ブリッジ８７５と、外部バス８７６と、インターフェース８７７と、入力装置８７８と、出力装置８７９と、ストレージ８８０と、ドライブ８８１と、接続ポート８８２と、通信装置８８３と、を有する。なお、ここで示すハードウェア構成は一例であり、構成要素の一部が省略されてもよい。また、ここで示される構成要素以外の構成要素をさらに含んでもよい。
（ＣＰＵ８７１）
ＣＰＵ８７１は、例えば、演算処理装置又は制御装置として機能し、ＲＯＭ８７２、ＲＡＭ８７３、ストレージ８８０、又はリムーバブル記録媒体９０１に記録された各種プログラムに基づいて各構成要素の動作全般又はその一部を制御する。
（ＲＯＭ８７２、ＲＡＭ８７３）
ＲＯＭ８７２は、ＣＰＵ８７１に読み込まれるプログラムや演算に用いるデータ等を格納する手段である。ＲＡＭ８７３には、例えば、ＣＰＵ８７１に読み込まれるプログラムや、そのプログラムを実行する際に適宜変化する各種パラメータ等が一時的又は永続的に格納される。
（ホストバス８７４、ブリッジ８７５、外部バス８７６、インターフェース８７７）
ＣＰＵ８７１、ＲＯＭ８７２、ＲＡＭ８７３は、例えば、高速なデータ伝送が可能なホストバス８７４を介して相互に接続される。一方、ホストバス８７４は、例えば、ブリッジ８７５を介して比較的データ伝送速度が低速な外部バス８７６に接続される。また、外部バス８７６は、インターフェース８７７を介して種々の構成要素と接続される。
（入力装置８７８）
入力装置８７８には、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、及びレバー等が用いられる。さらに、入力装置８７８としては、赤外線やその他の電波を利用して制御信号を送信することが可能なリモートコントローラ（以下、リモコン）が用いられることもある。また、入力装置８７８には、マイクロフォンなどの音声入力装置が含まれる。
（出力装置８７９）
出力装置８７９は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）、ＬＣＤ、又は有機ＥＬ等のディスプレイ装置、スピーカ、ヘッドホン等のオーディオ出力装置、プリンタ、携帯電話、又はファクシミリ等、取得した情報を利用者に対して視覚的又は聴覚的に通知することが可能な装置である。また、本開示に係る出力装置８７９は、触覚刺激を出力することが可能な種々の振動デバイスを含む。
（ストレージ８８０）
ストレージ８８０は、各種のデータを格納するための装置である。ストレージ８８０としては、例えば、ハードディスクドライブ（ＨＤＤ）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等が用いられる。
（ドライブ８８１）
ドライブ８８１は、例えば、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９０１に記録された情報を読み出し、又はリムーバブル記録媒体９０１に情報を書き込む装置である。
（リムーバブル記録媒体９０１）
リムーバブル記録媒体９０１は、例えば、ＤＶＤメディア、Ｂｌｕ−ｒａｙ（登録商標）メディア、ＨＤ ＤＶＤメディア、各種の半導体記憶メディア等である。もちろん、リムーバブル記録媒体９０１は、例えば、非接触型ＩＣチップを搭載したＩＣカード、又は電子機器等であってもよい。
（接続ポート８８２）
接続ポート８８２は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ）、ＲＳ−２３２Ｃポート、又は光オーディオ端子等のような外部接続機器９０２を接続するためのポートである。
（外部接続機器９０２）
外部接続機器９０２は、例えば、プリンタ、携帯音楽プレーヤ、デジタルカメラ、デジタルビデオカメラ、又はＩＣレコーダ等である。
（通信装置８８３）
通信装置８８３は、ネットワークに接続するための通信デバイスであり、例えば、有線又は無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又はＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カード、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、又は各種通信用のモデム等である。
＜３．まとめ＞
以上説明したように、本開示の一実施形態に係る情報処理方法を実現する情報処理装置２０は、複数の慣性センサに係る出力信号を段階的に合成することを特徴の一つとする。また、本開示の一実施形態に係る情報処理装置２０は、複数のクラスタにクラスタリングした複数の出力信号を、当該クラスタごとに段階的に合成してよい。また、上記クラスタのうち少なくとも１つは、複数の出力信号を含んでよい。係る構成によれば、複数の慣性センサに係る出力信号をより精度高くかつ容易に取得することが可能となる。
以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。
なお、以下のような構成も本開示の技術的範囲に属する。
（１）
複数の慣性センサに係る出力信号を段階的に合成する合成部、
を備え、
前記合成部は、複数のクラスタにクラスタリングした複数の前記出力信号を、前記クラスタごとに段階的に合成し、
前記クラスタのうち少なくとも１つは、複数の前記出力信号を含む、
情報処理装置。
（２）
前記慣性センサは、ジャイロセンサを含む、
前記（１）に記載の情報処理装置。
（３）
前記合成部は、前記クラスタごとに合成した前記出力信号をさらにクラスタリングし、形成した前記クラスタごとに前記出力信号をさらに合成する、
前記（１）または（２）に記載の情報処理装置。
（４）
前記合成部は、同一段階における前記クラスタが含む前記出力信号の数を、前記クラスタごとに決定する、
前記（１）〜（３）のいずれかに記載の情報処理装置。
（５）
前記合成部は、前記出力信号の合成に係る段階の数および前記クラスタが含む前記出力信号の数を動的に決定する、
前記（１）〜（４）のいずれかに記載の情報処理装置。
（６）
前記合成部は、機械学習手法に基づいて前記クラスタリングを実行する、
前記（１）〜（５）のいずれかに記載の情報処理装置。
（７）
前記出力信号の利用用途に基づいて前記合成部による前記出力信号の合成を制御する処理制御部、
をさらに備える、
前記（１）〜（６）のいずれかに記載の情報処理装置。
（８）
前記処理制御部は、前記出力信号を用いるアプリケーションの特性に応じて前記合成部による前記出力信号の合成を制御する、
前記（７）に記載の情報処理装置。
（９）
前記処理制御部は、センサ情報に基づいて推定された環境状態またはユーザ状態に基づいて、前記合成部による前記出力信号の合成を制御する、
前記（７）または（８）に記載の情報処理装置。
（１０）
前記センサ情報は、加速度情報、地磁気情報、画像情報のうち少なくともいずれかを含む、
前記（９）に記載の情報処理装置。
（１１）
前記処理制御部は、前記出力信号に係る許容精度に基づいて、前記合成部による前記出力信号の合成を制御する、
前記（７）〜（１０）のいずれかに記載の情報処理装置。
（１２）
前記処理制御部は、前記合成部による前記出力信号の段階的な合成処理において、前記出力信号が前記許容精度を満たした際に、当該出力信号を前記許容精度に対応するアプリケーションに引き渡す、
前記（１１）に記載の情報処理装置。
（１３）
前記処理制御部は、前記出力信号が前記許容精度を満たした場合、前記合成部による前記出力信号の合成処理を終了させる、
前記（１２）に記載の情報処理装置。
（１４）
前記合成部は、少なくとも３つ以上の前記慣性センサに係る前記出力信号を合成する、
前記（１）〜（１３）のいずれかに記載の情報処理装置。
（１５）
複数の前記慣性センサ、
をさらに備える、
前記（１）〜（１４）のいずれかに記載の情報処理装置。
（１６）
プロセッサが、複数の慣性センサに係る出力信号を段階的に合成すること、
を含み、
前記合成することは、複数のクラスタにクラスタリングした複数の前記出力信号を、前記クラスタごとに段階的に合成すること、
をさらに含み、
前記クラスタのうち少なくとも１つは、複数の前記出力信号を含む、
情報処理方法。
（１７）
コンピュータを、
複数の慣性センサに係る出力信号を段階的に合成する合成部、
を備え、
前記合成部は、複数のクラスタにクラスタリングした複数の前記出力信号を、前記クラスタごとに段階的に合成し、
前記クラスタのうち少なくとも１つは、複数の前記出力信号を含む、
情報処理装置、
として機能させるためのプログラム。
１０ センサ端末
１１０ センサ部
１２０ 入力部
１３０ 出力部
１４０ 制御部
１５０ 通信部
２０ 情報処理装置
２１０ 合成部
２２０ 処理制御部
２３０ 端末通信部
３０ ネットワーク

Claims (17)

  1. 複数の慣性センサに係る出力信号を段階的に合成する合成部、
    を備え、
    前記合成部は、複数のクラスタにクラスタリングした複数の前記出力信号を、前記クラスタごとに段階的に合成し、
    前記クラスタのうち少なくとも１つは、複数の前記出力信号を含む、
    情報処理装置。
  2. 前記慣性センサは、ジャイロセンサを含む、
    請求項１に記載の情報処理装置。
  3. 前記合成部は、前記クラスタごとに合成した前記出力信号をさらにクラスタリングし、形成した前記クラスタごとに前記出力信号をさらに合成する、
    請求項１に記載の情報処理装置。
  4. 前記合成部は、同一段階における前記クラスタが含む前記出力信号の数を、前記クラスタごとに決定する、
    請求項１に記載の情報処理装置。
  5. 前記合成部は、前記出力信号の合成に係る段階の数および前記クラスタが含む前記出力信号の数を動的に決定する、
    請求項１に記載の情報処理装置。
  6. 前記合成部は、機械学習手法に基づいて前記クラスタリングを実行する、
    請求項１に記載の情報処理装置。
  7. 前記出力信号の利用用途に基づいて前記合成部による前記出力信号の合成を制御する処理制御部、
    をさらに備える、
    請求項１に記載の情報処理装置。
  8. 前記処理制御部は、前記出力信号を用いるアプリケーションの特性に応じて前記合成部による前記出力信号の合成を制御する、
    請求項７に記載の情報処理装置。
  9. 前記処理制御部は、センサ情報に基づいて推定された環境状態またはユーザ状態に基づいて、前記合成部による前記出力信号の合成を制御する、
    請求項７に記載の情報処理装置。
  10. 前記センサ情報は、加速度情報、地磁気情報、画像情報のうち少なくともいずれかを含む、
    請求項９に記載の情報処理装置。
  11. 前記処理制御部は、前記出力信号に係る許容精度に基づいて、前記合成部による前記出力信号の合成を制御する、
    請求項７に記載の情報処理装置。
  12. 前記処理制御部は、前記合成部による前記出力信号の段階的な合成処理において、前記出力信号が前記許容精度を満たした際に、当該出力信号を前記許容精度に対応するアプリケーションに引き渡す、
    請求項１１に記載の情報処理装置。
  13. 前記処理制御部は、前記出力信号が前記許容精度を満たした場合、前記合成部による前記出力信号の合成処理を終了させる、
    請求項１２に記載の情報処理装置。
  14. 前記合成部は、少なくとも３つ以上の前記慣性センサに係る前記出力信号を合成する、
    請求項１に記載の情報処理装置。
  15. 複数の前記慣性センサ、
    をさらに備える、
    請求項１に記載の情報処理装置。
  16. プロセッサが、複数の慣性センサに係る出力信号を段階的に合成すること、
    を含み、
    前記合成することは、複数のクラスタにクラスタリングした複数の前記出力信号を、前記クラスタごとに段階的に合成すること、
    をさらに含み、
    前記クラスタのうち少なくとも１つは、複数の前記出力信号を含む、
    情報処理方法。
  17. コンピュータを、
    複数の慣性センサに係る出力信号を段階的に合成する合成部、
    を備え、
    前記合成部は、複数のクラスタにクラスタリングした複数の前記出力信号を、前記クラスタごとに段階的に合成し、
    前記クラスタのうち少なくとも１つは、複数の前記出力信号を含む、
    情報処理装置、
    として機能させるためのプログラム。
JP2017198314A 2017-10-12 2017-10-12 情報処理装置、情報処理方法、およびプログラム Pending JP2019074322A (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2017198314A JP2019074322A (ja) 2017-10-12 2017-10-12 情報処理装置、情報処理方法、およびプログラム
PCT/JP2018/026706 WO2019073647A1 (ja) 2017-10-12 2018-07-17 情報処理装置、情報処理方法、およびプログラム
US16/753,632 US11614461B2 (en) 2017-10-12 2018-07-17 Information processing device and information processing method
CN201880064283.2A CN111183336B (zh) 2017-10-12 2018-07-17 信息处理装置、信息处理方法和计算机可读存储介质
EP18866315.7A EP3696500B1 (en) 2017-10-12 2018-07-17 Information processing device, information processing method, and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017198314A JP2019074322A (ja) 2017-10-12 2017-10-12 情報処理装置、情報処理方法、およびプログラム

Publications (1)

Publication Number Publication Date
JP2019074322A true JP2019074322A (ja) 2019-05-16

Family

ID=66100491

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017198314A Pending JP2019074322A (ja) 2017-10-12 2017-10-12 情報処理装置、情報処理方法、およびプログラム

Country Status (5)

Country Link
US (1) US11614461B2 (ja)
EP (1) EP3696500B1 (ja)
JP (1) JP2019074322A (ja)
CN (1) CN111183336B (ja)
WO (1) WO2019073647A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022004375A1 (ja) * 2020-06-30 2022-01-06 ソニーグループ株式会社 駆動制御装置、および駆動制御方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022158236A (ja) * 2021-04-01 2022-10-17 セイコーエプソン株式会社 センサーモジュールおよび計測システム

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0926948A (ja) * 1995-07-11 1997-01-28 Fujitsu Ltd ニューラルネットワークによる情報処理装置
JPH11256246A (ja) 1998-03-09 1999-09-21 Kawasaki Steel Corp 帯状材の連続処理ラインにおける蛇行監視方法および蛇行監視装置
US8185355B2 (en) 2007-04-03 2012-05-22 Microsoft Corporation Slot-cache for caching aggregates of data with different expiry times
JP2009186213A (ja) 2008-02-04 2009-08-20 Denso Corp ジャイロセンサユニット
KR101504506B1 (ko) 2008-06-27 2015-03-20 삼성전자주식회사 협력 다중 안테나 통신 방법
US10207719B2 (en) * 2010-07-19 2019-02-19 Nxp Usa, Inc. Use of multiple internal sensors for measurements validation
JP2012026825A (ja) 2010-07-22 2012-02-09 Seiko Epson Corp センシング装置、電子機器
US8825436B2 (en) 2011-03-09 2014-09-02 Moog Inc. Inertial sensing with spatially distributed sensor array and two dimensional data processing
CN103363966B (zh) * 2012-03-26 2016-01-20 北京星网宇达科技股份有限公司 一种低成本组合型陀螺仪
CN102706347B (zh) * 2012-05-17 2015-03-25 南京航空航天大学 一种惯性传感器网络节点装置及其信息融合方法
US9365413B2 (en) * 2013-05-29 2016-06-14 Freescale Semiconductor, Inc. Transducer-including devices, and methods and apparatus for their calibration
CN105340364B (zh) 2013-07-02 2017-10-10 飞利浦灯具控股公司 用于基于led的照明单元的寿命延长的方法和装置
US10034185B2 (en) 2015-03-31 2018-07-24 King Fahd University Of Petroleum And Minerals Apparatus and method for evaluating wireless sensor networks

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022004375A1 (ja) * 2020-06-30 2022-01-06 ソニーグループ株式会社 駆動制御装置、および駆動制御方法

Also Published As

Publication number Publication date
CN111183336A (zh) 2020-05-19
EP3696500A4 (en) 2020-12-02
US11614461B2 (en) 2023-03-28
WO2019073647A1 (ja) 2019-04-18
EP3696500B1 (en) 2022-05-11
US20200241033A1 (en) 2020-07-30
CN111183336B (zh) 2023-11-07
EP3696500A1 (en) 2020-08-19

Similar Documents

Publication Publication Date Title
US10990613B2 (en) Information processing apparatus and information processing method
JP6553124B2 (ja) 複数センサ入力のためのセンサフュージョンインタフェース
US11340072B2 (en) Information processing apparatus, information processing method, and recording medium
US10176255B2 (en) Mobile terminal, recommendation system, and recommendation method
US10082584B2 (en) Hybrid device location determination system
JP2020520206A (ja) アプリケーションエコシステムを備える、ウェアラブルマルチメディアデバイス及びクラウドコンピューティングプラットフォーム
CN103105926A (zh) 多传感器姿势识别
US11181376B2 (en) Information processing device and information processing method
MX2010013570A (es) Seleccion dinamica de sensibilidad de funcionalidad de inclinacion.
JP2017161645A (ja) 表示制御方法、通信装置、表示制御プログラムおよび表示制御装置
EP3191794A1 (en) Automatic sensor selection based on requested sensor characteristics
WO2019073647A1 (ja) 情報処理装置、情報処理方法、およびプログラム
KR102578119B1 (ko) 모바일 디바이스와 연동하는 스마트 안경 작동 방법
WO2016189905A1 (ja) 情報処理装置、情報処理方法及びプログラム
US11647260B2 (en) Content event mapping
CN111344776B (zh) 信息处理装置、信息处理方法和程序
US20240100417A1 (en) Outputting braille or subtitles using computer game controller
US20240115937A1 (en) Haptic asset generation for eccentric rotating mass (erm) from low frequency audio content
EP3951724A1 (en) Information processing apparatus, information processing method, and recording medium
WO2024030841A1 (en) Haptics support for ui navigation
WO2019138634A1 (ja) 情報処理装置、情報処理方法、およびプログラム
KR20220104976A (ko) 하프미러방식의 가상현실 헤드셋 플랫폼
CN108307167A (zh) 实境信息影片的播放管理方法及系统