論文の概要: BeSound: Bluetooth-Based Position Estimation Enhancing with Cross-Modality Distillation
- arxiv url: http://arxiv.org/abs/2404.15999v1
- Date: Wed, 24 Apr 2024 17:26:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-26 18:41:38.038819
- Title: BeSound: Bluetooth-Based Position Estimation Enhancing with Cross-Modality Distillation
- Title（参考訳）: BeSound: クロスモーダル蒸留によるBluetoothによる位置推定
- Authors: Hymalai Bello, Sungho Suh, Bo Zhou, Paul Lukowicz,
- Abstract要約: 労働者のプライバシーと技術保護に関する懸念は、代替アプローチを検討する必要がある。
本稿では,Bluetooth Low Energy (BLE) と超音波座標を用いた非視覚的,スケーラブルなソリューションを提案する。
- 参考スコア（独自算出の注目度）: 4.831029473163422
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Smart factories leverage advanced technologies to optimize manufacturing processes and enhance efficiency. Implementing worker tracking systems, primarily through camera-based methods, ensures accurate monitoring. However, concerns about worker privacy and technology protection make it necessary to explore alternative approaches. We propose a non-visual, scalable solution using Bluetooth Low Energy (BLE) and ultrasound coordinates. BLE position estimation offers a very low-power and cost-effective solution, as the technology is available on smartphones and is scalable due to the large number of smartphone users, facilitating worker localization and safety protocol transmission. Ultrasound signals provide faster response times and higher accuracy but require custom hardware, increasing costs. To combine the benefits of both modalities, we employ knowledge distillation (KD) from ultrasound signals to BLE RSSI data. Once the student model is trained, the model only takes as inputs the BLE-RSSI data for inference, retaining the advantages of ubiquity and low cost of BLE RSSI. We tested our approach using data from an experiment with twelve participants in a smart factory test bed environment. We obtained an increase of 11.79% in the F1-score compared to the baseline (target model without KD and trained with BLE-RSSI data only).
- Abstract（参考訳）: スマートファクトリーは、製造プロセスの最適化と効率の向上に先進技術を活用している。
主にカメラベースの手法による作業者追跡システムの実装は、正確な監視を保証する。
しかしながら、労働者のプライバシと技術保護に関する懸念は、代替アプローチを検討する必要がある。
本稿では,Bluetooth Low Energy (BLE) と超音波座標を用いた非視覚的,スケーラブルなソリューションを提案する。
BLEの位置推定は、スマートフォンで利用でき、多くのスマートフォンユーザーのためにスケーラブルであり、労働者のローカライゼーションと安全プロトコルの送信を容易にするため、非常に低消費電力でコスト効率のソリューションを提供する。
超音波信号は応答時間と精度を向上するが、カスタムハードウェアが必要であり、コストが増大する。
両モダリティの利点を組み合わせるために,超音波信号からBLE RSSIデータへの知識蒸留(KD)を用いる。
学生モデルが訓練されると、モデルはBLE-RSSIデータを入力して推論するだけで、ユビキティとBLE RSSIの低コストの利点を保ちます。
スマートファクトリテストベッド環境において,12人の参加者による実験から得られたデータを用いて,アプローチを検証した。
その結果,F1スコアの11.79%がベースライン(KDのないターゲットモデル,BLE-RSSIデータのみのトレーニング)に比べて増加した。
関連論文リスト
- Bridging the Gap Between End-to-End and Two-Step Text Spotting [88.14552991115207]
ブリッジングテキストスポッティングは、2段階のメソッドでエラーの蓄積と最適化性能の問題を解決する新しいアプローチである。
提案手法の有効性を広範囲な実験により実証する。
論文 参考訳（メタデータ） (2024-04-06T13:14:04Z) - Improved Indoor Localization with Machine Learning Techniques for IoT
applications [0.0]
本研究では, 教師付き回帰器, 教師付き分類器, RSSIを用いた屋内位置推定のためのアンサンブル手法の3段階に機械学習アルゴリズムを適用した。
実験の結果は、屋内環境におけるローカライズ精度とロバスト性の観点から、異なる教師付き機械学習技術の有効性に関する洞察を与える。
論文 参考訳（メタデータ） (2024-02-18T02:55:19Z) - SERL: A Software Suite for Sample-Efficient Robotic Reinforcement
Learning [85.21378553454672]
筆者らは,報酬の計算と環境のリセットを行う手法とともに,効率的なオフ・ポリティクス・ディープ・RL法を含むライブラリを開発した。
我々は,PCBボードアセンブリ,ケーブルルーティング,オブジェクトの移動に関するポリシを,非常に効率的な学習を実現することができることを発見した。
これらの政策は完全な成功率またはほぼ完全な成功率、摂動下でさえ極端な堅牢性を実現し、突発的な堅牢性回復と修正行動を示す。
論文 参考訳（メタデータ） (2024-01-29T10:01:10Z) - IR-UWB Radar-based Situational Awareness System for
Smartphone-Distracted Pedestrians [1.4074017875514788]
本稿では,障害物検出のためのUWBアシストセーフウォーク(UASW)と呼ばれる,新規でリアルタイムな支援システムを提案する。
IR-UWB接続を備えたAndroidスマートフォン向けにUASWを実装した。
提案手法は最大97%の障害物検出精度と最大95%の障害物分類精度を推算遅延26.8msで達成する。
論文 参考訳（メタデータ） (2023-11-02T04:45:04Z) - Collaborative Learning with a Drone Orchestrator [79.75113006257872]
インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。
提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
論文 参考訳（メタデータ） (2023-03-03T23:46:25Z) - An Ensemble Mobile-Cloud Computing Method for Affordable and Accurate
Glucometer Readout [0.0]
本稿では,アンサンブル学習アルゴリズム,モバイル・クラウド・コンピューティング・サービスアーキテクチャ,高可用性と迅速な応答時間を実現するためのシンプルな圧縮手法を提案する。
提案手法は,2つの異なるデータセットに対して92.1%と97.7%の精度を実現し,従来の手法を40%改善し,(2) 必要な帯域幅を,1%の精度で45倍削減し,(3) モバイル専用,クラウド専用,スプリットコンピューティング,早期終了サービスモデルと比較して,優れた可用性を提供する。
論文 参考訳（メタデータ） (2023-01-04T18:48:53Z) - Online Data Selection for Federated Learning with Limited Storage [53.46789303416799]
ネットワークデバイス間での分散機械学習を実現するために、フェデレートラーニング(FL)が提案されている。
デバイス上のストレージがFLの性能に与える影響はまだ調査されていない。
本研究では,デバイス上のストレージを限定したFLのオンラインデータ選択について検討する。
論文 参考訳（メタデータ） (2022-09-01T03:27:33Z) - Automatic Contact Tracing using Bluetooth Low Energy Signals and IMU
Sensor Readings [0.0]
本稿では,SFI Centre for Machine Learning (ML-Labs) が提供する課題に対する解決策を提案する。
NIST Too Close For Too Long (TC4TL) Challengeの修正版であり、時間的側面は除外されている。
本稿では,Bluetooth RSSI と IMU センサデータに基づく特徴に基づく手法を提案する。
論文 参考訳（メタデータ） (2022-06-13T10:39:03Z) - Deep DNA Storage: Scalable and Robust DNA Storage via Coding Theory and
Deep Learning [49.3231734733112]
シミュレーションデータに基づいてトレーニングされたDeep Neural Networks(DNN)、Product(TP)ベースのエラー修正コード(ECC)、安全マージンを1つのコヒーレントパイプラインに組み合わせたモジュラーで総合的なアプローチを示す。
我々の研究は, 最大で x3200 の速度向上, 40%の精度向上により, 現在の指導的ソリューションの改善を実現し, 高雑音下では1ベースあたり1.6ビットのコードレートを提供する。
論文 参考訳（メタデータ） (2021-08-31T18:21:20Z) - Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets
Deep Reinforcement Learning [76.46530937296066]
本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。
モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
論文 参考訳（メタデータ） (2021-06-03T08:35:10Z) - An Empirical Evaluation of Bluetooth-based Decentralized Contact Tracing
in Crowds [7.469941131704084]
本研究は, 参加者80名を対象に, 群集環境におけるBluetoothによる接触追跡の有効性を実証的に検討した。
結果,Bluetooth RSSIは近接検出には信頼性が低く,特に混み合っている環境では不正確性が悪化することが確認された。
既存の接触追跡アプリは、粗い粒度の近接検出に焦点を合わせるために再利用できることを推奨する。
論文 参考訳（メタデータ） (2020-11-09T10:44:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。