En las modernas terminales del aeropuerto, complejos hospitalarios, edificios de oficinas, estadios deportivos, campus universitarios, y puntos de venta, Existe un mercado en crecimiento para aplicaciones convenientes y fáciles de usar para navegar en interiores. Con una tasa de crecimiento esperada del 30% para 2022, según un informe de MarketWatch, esta demanda se acelera por la presencia de sensores avanzados en los teléfonos inteligentes modernos como los magnetómetros, acelerómetros, y giroscopios. Para satisfacer la demanda, nuestro equipo en IBM Research-Ireland construyó un sistema de posicionamiento en interiores listo para producción que es más preciso que una solución comercial existente en diferentes modelos de teléfonos inteligentes.

Nuestro autoaprendizaje, La plataforma adaptativa utiliza un despliegue mínimo de balizas Bluetooth de baja energía (BLE) para inferir los viajes de los usuarios, luego aprenda y eventualmente cree mapas magnéticos personalizados para cada modelo de teléfono inteligente para un área interior específica. Nuestro novedoso sistema proporciona una precisión de posicionamiento sólida que no tiene en cuenta el modelo de teléfono inteligente utilizado para la toma de huellas dactilares o para el posicionamiento. Demostramos experimentalmente, en nuestro artículo reciente, que nuestra herramienta proporciona una mejora significativa de la precisión en comparación con una solución comercial establecida basada en el posicionamiento del campo magnético.

Los sistemas de posicionamiento en interiores de última generación aprovechan las señales que están presentes con frecuencia en los entornos interiores modernos, como balizas WiFi y BLE, ya que los métodos de posicionamiento exterior que utilizan señales de GPS no son lo suficientemente precisos para ser efectivos para la navegación en interiores. Un sistema de posicionamiento en interiores debe poder detectar la posición de un usuario dentro de un edificio y proporcionar instrucciones sobre cómo navegar dentro de él. Estos sistemas se utilizan en una amplia variedad de casos, con su diseño e implementación capaces de soportar los requisitos específicos de los usuarios. Por ejemplo, en 2017, IBM Research-Tokio construyó y probó un sistema de navegación por voz experimental de alta precisión para interiores y exteriores para personas con discapacidad visual.

El enfoque del campo magnético es un método de bajo costo que está ganando popularidad ya que no requiere instalación o mantenimiento de sensores especializados, sino que está habilitado por sensores que ya están presentes en los teléfonos inteligentes. Sin embargo, Las discrepancias entre las diferentes lecturas de los sensores en los modelos de teléfonos inteligentes tienen un impacto severo en la precisión del posicionamiento en interiores.

Los enfoques existentes basados ​​en el enfoque del campo magnético requieren una fase de toma de huellas digitales antes de poner el sistema a disposición del usuario final. Durante este proceso, el proveedor de servicios debe utilizar un teléfono inteligente para recopilar lecturas del campo magnético de todas las áreas accesibles para peatones y crear un mapa anotado estático del espacio interior. En escenarios del mundo real, los usuarios finales pueden tener un modelo de teléfono inteligente diferente al que se utilizó para la toma de huellas dactilares. En nuestro trabajo, cuantificamos las pérdidas de precisión que sufren los sistemas de posicionamiento en interiores.

Nuestro sistema es adaptable y continuamente reentrenado y, por lo tanto, mantiene una alta precisión entre los usuarios y los diferentes modelos de teléfonos inteligentes. Nuestra idea fue analizar las sesiones de posicionamiento de los usuarios finales para mejorar la base de conocimiento de nuestro sistema para las lecturas del campo magnético para los diferentes modelos de teléfonos inteligentes. Una vez que el usuario sale de la aplicación de posicionamiento interior del teléfono inteligente, procesamos las lecturas de los sensores registrados en nuestra infraestructura en la nube e intentamos reconstruir la ruta del usuario. A esta nueva técnica la llamamos "inferencia de ruta" y se basa en filtros de partículas y ajuste de formas. Nos permite agregar nuevas capas de información a mapas magnéticos de la zona. Como resultado, Las sesiones de posicionamiento posteriores de usuarios con el mismo modelo de teléfono inteligente tienen mayor precisión.

Nuestra evaluación experimental de la herramienta muestra una mejora significativa de la precisión en comparación con una solución comercial líder basada en el posicionamiento del campo magnético. Específicamente, mejora la precisión en comparación con las alternativas comerciales en aproximadamente 15 metros en promedio. Estos hallazgos se presentaron recientemente en la Conferencia Internacional de Posicionamiento en Interiores y Navegación en Interiores (IPIN) 2018).

Esta herramienta de inteligencia artificial de autoaprendizaje puede proporcionar una solución de bajo costo para los propietarios de instalaciones que no requieren reentrenamiento del sistema. Los propietarios y operadores de las instalaciones pueden beneficiarse rápidamente de esta herramienta utilizándola para tomar mejores decisiones de planificación, así como para brindar una experiencia fluida a sus usuarios finales.

Con nuestra herramienta, encontrar una sala de reuniones o un escritorio caliente, corriendo hacia una puerta de salida en un aeropuerto, buscando una sala de conferencias en un campus universitario, visitar a un paciente o asistir a una cita en un hospital, o incluso localizar un producto en una tienda minorista con un teléfono inteligente podría ser más rápido, más fácil, y más precisa.

Esta historia se vuelve a publicar por cortesía de IBM Research. Lea la historia original aquí.