自学习的人工智能助室内精确导航

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，精度显着提高。

 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