論文の概要: AirLog: Store-Level Indoor Life Logging Made Easy

• arxiv url: http://arxiv.org/abs/2609.31864v1
• Date: Fri, 25 Sep 2026 18:08:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 05:13:32.369209
• Title: AirLog: Store-Level Indoor Life Logging Made Easy
• Title（参考訳）: AirLog:店舗レベルの屋内ライフログは簡単
• Abstract要約: AirLogは、スマートフォンベースのライフジャーナリングシステムで、ショッピングモールでの利用者の店舗訪問を自動的に再構築し、それを人間が読めるジャーナルに要約する。 従来の屋内ローカライゼーションシステムとは異なり、AirLogは労働集約型無線マップの構築や専用の無線ローカライゼーションインフラやキャリブレーションを避けている。
• 参考スコア（独自算出の注目度）: 24.57855620554217
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents AirLog, a smartphone-based life journaling system that automatically reconstructs users' store visits in shopping malls and summarizes them into human-readable journals. Unlike conventional indoor localization systems, AirLog avoids labor-intensive radio-map construction and dedicated wireless localization infrastructure and algorithm calibrations. Instead, it repurposes two cues already available in commercial spaces: semantic information exposed by ambient Wi-Fi SSIDs and indoor directory images. AirLog converts directory images into spatial maps and fuses Wi-Fi semantic anchors with inertial dead reckoning to recover store-level trajectories, which are then summarized into journals by an LLM. Such store-level life logs can support applications such as personal memory recall, activity reflection, and automated diary generation without requiring users to manually record where they have been. We implement AirLog on commodity smartphones and evaluate it on both a large-scale public dataset and a self-collected dataset. The results demonstrate that AirLog substantially improves store-level region recovery, semantic matching, trajectory reconstruction, and journal quality over existing baselines. A human evaluation further shows that the generated journals are coherent and faithful to users' visits.
• Abstract（参考訳）: 本稿では,ショッピングモールにおける利用者の店舗訪問を自動的に再構築し,それを人間可読雑誌に要約する,スマートフォンベースのライフジャーナリングシステムであるAirLogについて述べる。 従来の屋内ローカライゼーションシステムとは異なり、AirLogは労働集約型無線マップの構築や専用の無線ローカライゼーションインフラ、アルゴリズムキャリブレーションを避けている。 代わりに、周囲のWi-Fi SSIDによって暴露されるセマンティック情報と、屋内ディレクトリイメージという、すでに商用空間で利用可能な2つのキューを再利用する。 AirLogは、ディレクトリ画像を空間マップに変換し、慣性的なデッドレコメンデーションでWi-Fiセマンティックアンカーを融合してストアレベルのトラジェクトリを復元し、LLMによってジャーナルに要約する。 このようなストアレベルのライフログは、ユーザーが手動で記録することなく、パーソナルメモリリコール、アクティビティリフレクション、自動日記生成などのアプリケーションをサポートすることができる。 我々は,コモディティスマートフォンにAirLogを実装し,それを大規模公開データセットと自己収集データセットの両方で評価する。 その結果、AirLogは、既存のベースラインよりも、ストアレベルのリージョンリカバリ、セマンティックマッチング、軌道再構成、ジャーナル品質を大幅に改善することが示された。 人間による評価は、生成されたジャーナルがユーザーの訪問に忠実で忠実であることを示している。

関連論文リスト

• SignNav: Leveraging Signage for Semantic Visual Navigation in Large-Scale Indoor Environments [57.79171900005793]
  人間は、大規模屋内環境内の目的地に向かうために、手話によって提供される意味的ヒントを日常的に活用する。 本稿では,手話からの意味的ヒントを解釈し,現在の観察に基づくその後の行動の推論を行うための,新しい具体的ナビゲーションタスクSignNavを紹介する。 空間認識モジュールは物理的世界へのサインの意味的ヒントを基盤として,時間認識モジュールは歴史的状態と現在の観測との長距離依存性を捉えている。
  論文  参考訳（メタデータ） (2026-03-17T06:36:26Z)
• AirTag, You're It: Reverse Logistics and Last Mile Dynamics [0.0]
  本研究は, 逆ロジスティクスの課題, 特にインフラ破壊が適応解を必要とする災害救済シナリオに対処する。 この研究は、パッケージに埋め込まれた20個のApple AirTagsを使用して、Apple Find Myネットワークと統合されたBluetooth LE(BLE)5トラッカーを介して、粒度の空間的および時間的データをキャプチャする、論理フローに関する実証的な洞察を提供する。 これらのトラッカーは、動的貨物移動を監視することの価値を示し、特にハリケーン・ヘレーンのような災害災害時の移動ハブ配置や経路最適化のリアルタイム調整を可能にした。
  論文  参考訳（メタデータ） (2025-02-03T02:21:23Z)
• RetailOpt: Opt-In, Easy-to-Deploy Trajectory Estimation from Smartphone Motion Data and Retail Facility Information [23.24640055170792]
  RetailOptは、屋内小売環境でオフラインで顧客の動きを追跡するための、オプトインで簡単にデプロイできる新しいシステムである。 このシステムは、顧客のスマートフォンや小売アプリから簡単にアクセス可能な情報(モーションデータ、ストアマップ、購入記録など)を利用する。
  論文  参考訳（メタデータ） (2024-04-19T00:03:49Z)
• Indoor Smartphone SLAM with Learned Echoic Location Features [47.264724701407545]
  スマートフォン内蔵オーディオハードウェアと慣性計測ユニット(IMU)を用いた屋内同時位置決めマッピング(SLAM)システムを提案する。 我々のシステムは、スマートフォンのスピーカーを使って、ほぼ可聴のチャープを出力し、マイクを使って室内環境から音響エコーを記録する。 ELFベースのSLAMは、リビングルーム、オフィス、ショッピングモールの再建軌道上で、0.1,textm$、0.53,textm$および0.5,textm$の平均的なローカライゼーション誤差を達成します。
  論文  参考訳（メタデータ） (2022-10-16T09:41:09Z)
• Location Leakage in Federated Signal Maps [7.093808731951124]
  複数のモバイルデバイスで収集した測定値からセルラーネットワーク性能(信号マップ)を予測することの問題点を考察する。 i) フェデレーション学習は、ユーザがデバイスにトレーニングデータを保持しながら、協調的にモデルをトレーニングすることを可能にする。 我々は、FLに参加しているターゲットユーザーから更新を観測し、グラデーション(DLG)タイプの攻撃による深い漏洩を用いて位置情報を推測する、誠実だが正確なサーバを考える。 FLのチューニングを含むフェデレーション学習フレームワーク内でのメカニズムの再検討と設計により、位置のプライバシーを保護するために、この観測に基づいて構築する。
  論文  参考訳（メタデータ） (2021-12-07T02:28:12Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)
• Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach [59.17191114000146]
  LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。 我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
  論文  参考訳（メタデータ） (2021-06-23T17:27:04Z)
• Walk2Map: Extracting Floor Plans from Indoor Walk Trajectories [23.314557741879664]
  室内を歩く人の軌跡からフロアプランを生成するデータ駆動型アプローチであるWalk2Mapを紹介します。 データ駆動慣性オドメトリーの進歩により、そのような最小限の入力データは、コンシューマレベルのスマートフォンのIMU読み取りから得ることができる。 スキャンした3d屋内モデルを用いてネットワークをトレーニングし、屋内歩行軌跡にカスケードな方法で適用する。
  論文  参考訳（メタデータ） (2021-02-27T16:29:09Z)

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。