Suite-IN: Aggregating Motion Features from Apple Suite for Robust Inertial Navigation

要約

ウェアラブル技術の急速な発展に伴い、IMUを搭載したスマートフォン、スマートウォッチ、ヘッドフォンなどのデバイスは、歩行者測位などのアプリケーションに不可欠なものとなっています。
しかし、従来の歩行者推測航法 (PDR) 手法は多様な動作パターンに苦戦しており、最近のデータ駆動型アプローチでは精度は向上しているものの、単一のデバイスに依存しているため堅牢性に欠けていることがよくあります。私たちの研究では、
ウェアラブル デバイスに組み込まれた低コストの汎用 IMU。
私たちは、慣性ナビゲーションのために Apple Suite からのモーション データを集約する、Suite-IN という名前のマルチデバイス ディープ ラーニング フレームワークを提案します。
体のさまざまな部分のセンサーによってキャプチャされたモーション データには、ローカルとグローバルの両方のモーション情報が含まれているため、ローカルな動きによる悪影響を軽減し、複数のデバイスからグローバルなモーション表現を抽出することが不可欠です。

要約(オリジナル)

With the rapid development of wearable technology, devices like smartphones, smartwatches, and headphones equipped with IMUs have become essential for applications such as pedestrian positioning. However, traditional pedestrian dead reckoning (PDR) methods struggle with diverse motion patterns, while recent data-driven approaches, though improving accuracy, often lack robustness due to reliance on a single device.In our work, we attempt to enhance the positioning performance using the low-cost commodity IMUs embedded in the wearable devices. We propose a multi-device deep learning framework named Suite-IN, aggregating motion data from Apple Suite for inertial navigation. Motion data captured by sensors on different body parts contains both local and global motion information, making it essential to reduce the negative effects of localized movements and extract global motion representations from multiple devices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google