論文の概要: A Tale of Three Location Trackers: AirTag, SmartTag, and Tile

• arxiv url: http://arxiv.org/abs/2501.17452v1
• Date: Wed, 29 Jan 2025 07:16:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-30 15:54:15.643424
• Title: A Tale of Three Location Trackers: AirTag, SmartTag, and Tile
• Title（参考訳）: AirTag、SmartTag、Tileの3つ
• Authors: HyunSeok Daniel Jang, Hazem Ibrahim, Rohail Asim, Matteo Varvello, Yasir Zaki,
• Abstract要約: Bluetooth Low Energy (BLE) ロケーショントラッカーは、個人アイテムを監視するための一般的な消費者向けデバイスである。 今回の調査では、AppleのAirTag、SamsungのSmartTag、Tileの3つの主要プレイヤーの包括的な分析結果が示されている。 われわれの手法は、制御された実験と、位置報告装置の大規模な分布とを組み合わさっている。
• 参考スコア（独自算出の注目度）: 0.8062368743143389
• License:
• Abstract: Bluetooth Low Energy (BLE) location trackers, or "tags", are popular consumer devices for monitoring personal items. These tags rely on their respective network of companion devices that are capable of detecting their BLE signals and relay location information back to the owner. While manufacturers claim that such crowd-sourced approach yields accurate location tracking, the tags' real-world performance characteristics remain insufficiently understood. To this end, this study presents a comprehensive analysis of three major players in the market: Apple's AirTag, Samsung's SmartTag, and Tile. Our methodology combines controlled experiments -- with a known large distribution of location-reporting devices -- as well as in-the-wild experiments -- with no control on the number and kind of reporting devices encountered, thus emulating real-life use-cases. Leveraging data collection techniques improved from prior research, we recruit 22 volunteers traveling across 29 countries, examining the tags' performance under various environments and conditions. Our findings highlight crucial updates in device behavior since previous studies, with AirTag showing marked improvements in location report frequency. Companion device density emerged as the primary determinant of tag performance, overshadowing technological differences between products. Additionally, we find that post-COVID-19 mobility trends could have contributed to enhanced performance for AirTag and SmartTag. Tile, despite its cross-platform compatibility, exhibited notably lower accuracy, particularly in Asia and Africa, due to limited global adoption. Statistical modeling of spatial errors -- measured as the distance between reported and actual tag locations -- shows log-normal distributions across all tags, highlighting the need for improved location estimation methods to reduce occasional significant inaccuracies.
• Abstract（参考訳）: Bluetooth Low Energy (BLE) 位置情報トラッカー、または「タグ」は、個人アイテムを監視するための一般的な消費者向けデバイスである。 これらのタグは、それぞれのBLE信号を検知し、位置情報を所有者にリレーできるコンパニオンデバイスのネットワークに依存している。 メーカーは、こうしたクラウドソースアプローチは正確な位置追跡をもたらすと主張しているが、タグの実際の性能特性は十分に理解されていない。 この結果、AppleのAirTag、SamsungのSmartTag、Tileの3つの主要プレイヤーの包括的な分析結果が得られた。 当社の手法では,制御された実験 – 位置報告装置の大規模な分布 – と,その内部実験 – を組み合わせ,発生した報告装置の数や種類を制御せず,現実のユースケースをエミュレートする。 先行研究から改善したデータ収集技術を活用し,29カ国を横断する22人のボランティアを募集し,様々な環境・環境下でのタグの性能について検討した。 調査の結果,AirTagは位置情報の頻度を著しく改善した。 コンパニオンデバイス密度は、製品間の技術的差異を覆い、タグ性能の主要な決定要因として現れた。 さらに、COVID-19後のモビリティトレンドが、AirTagとSmartTagのパフォーマンス向上に寄与した可能性があることもわかりました。 Tileはクロスプラットフォームの互換性があるにもかかわらず、特にアジアやアフリカでは、グローバルな採用が限られていたため、特に精度が低下していた。 報告されたタグ位置と実際のタグ位置の距離として測定された空間誤差の統計的モデリングは、すべてのタグにまたがるログ正規分布を示し、時々重大な不正確さを減らすために、位置推定方法の改善の必要性を強調している。

関連論文リスト

• Learning 3D Perception from Others' Predictions [64.09115694891679]
  本研究では,3次元物体検出装置を構築するための新たなシナリオについて検討する。 例えば、自動運転車が新しいエリアに入ると、その領域に最適化された検出器を持つ他の交通参加者から学ぶことができる。
  論文  参考訳（メタデータ） (2024-10-03T16:31:28Z)
• Fusing Pseudo Labels with Weak Supervision for Dynamic Traffic Scenarios [0.0]
  我々は、異種データセットで訓練されたオブジェクト検出モデルから擬似ラベルをアマルガメートする弱い教師付きラベル統一パイプラインを導入する。 我々のパイプラインは、異なるデータセットからのラベルの集約、バイアスの修正、一般化の強化を通じて、統一されたラベル空間をエンゲージする。 我々は,統合ラベル空間を用いた単独物体検出モデルを再学習し,動的交通シナリオに精通した弾力性のあるモデルを構築した。
  論文  参考訳（メタデータ） (2023-08-30T11:33:07Z)
• I Tag, You Tag, Everybody Tags! [0.94491536689161]
  本稿では,Apple の AirTag と Samsung の SmartTag の2つの人気位置タグの性能を制御実験により検討する。 どちらのタグも同様の性能を示しており、例えば、半径100m以内の約10分で55%の位置にある。
  論文  参考訳（メタデータ） (2023-03-09T17:19:19Z)
• LaMAR: Benchmarking Localization and Mapping for Augmented Reality [80.23361950062302]
  異種ARデバイスでキャプチャされたリアルな軌跡とセンサストリームを共登録する,包括的キャプチャとGTパイプラインを備えた新しいベンチマークであるLaMARを紹介する。 私たちは、ヘッドマウントとハンドヘルドARデバイスで記録された多様な大規模シーンのベンチマークデータセットを公開します。
  論文  参考訳（メタデータ） (2022-10-19T17:58:17Z)
• Benchmarking high-fidelity pedestrian tracking systems for research, real-time monitoring and crowd control [55.41644538483948]
  実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。 この技術が進歩するにつれて、社会においても益々有用になってきている。 歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。 我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
  論文  参考訳（メタデータ） (2021-08-26T11:45:26Z)
• Analysis of geospatial behaviour of visitors of urban gardens: is positioning via smartphones a valid solution? [0.0]
  本研究では,スマートフォンで直接記録された位置が,都市庭園における人々の行動の空間的分析に有効な解である,という仮説を検証した。 i)参照トラックに対する位置の精度の評価、(ii)位置情報の送信と処理を自動化するフレームワークの実装、(iii)空間分析による所望スポットの分析の3つの部分について報告する。
  論文  参考訳（メタデータ） (2021-06-20T08:32:05Z)
• Supervision by Registration and Triangulation for Landmark Detection [70.13440728689231]
  本稿では,マルチビュー映像を用いた教師なし手法である登録・三角測量(srt)による監視を行い,ランドマーク検出器の精度と精度を向上させる。 ラベルのないデータを活用することで、検出者は大量のラベルのないデータから自由に学べる。
  論文  参考訳（メタデータ） (2021-01-25T02:48:21Z)
• TAO: A Large-Scale Benchmark for Tracking Any Object [95.87310116010185]
  オブジェクトのデータセットの追跡は2,907本の高解像度ビデオで構成され、平均で30分の長さの多様な環境でキャプチャされる。 ビデオの任意の時点で移動するオブジェクトにアノテータにラベルを付け、ファクトラムの後に名前を付けるように求めます。 我々の語彙は、既存の追跡データセットと著しく大きく、質的に異なる。
  論文  参考訳（メタデータ） (2020-05-20T21:07:28Z)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)

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。