Research demo. presented and awarded at MobiCom2022
Demonstration presentation and Best Demo Award at the renowned international conference MobiCom2022
Others
International Conference · 2024
Demonstrating OmniCells: A Resilient Indoor Localization System to Devices' Diversity
Abstract
In this paper, we demonstrate OmniCells: a cellular-based indoor localization system designed to combat the device heterogeneity problem. OmniCells is a deep learning-based system that leverages cellular measurements from one or more training devices to provide consistent performance across unseen tracking phones. In this demo, we show the effect of device heterogeneity on the received cellular signals and how this leads to performance deterioration of traditional localization systems. In particular, we show how OmniCells and its novel feature extraction methods enable learning a rich and device-invariant representation without making any assumptions about the source or target devices. The system also includes other modules to increase the deep model's generalization and resilience to unseen scenarios.
Research Note
携帯電話の基地局から届く電波を使う屋内測位は、Wi-Fi のように屋内へのアクセスポイントの設置を前提としないため広い範囲で使えますが、端末の機種が変わると測定される電波の値そのものが変わってしまうという問題を抱えています。学習に使った端末と実際に測位する端末が違うと、それだけで精度が落ちるということです。
このデモで示す OmniCells は、この端末の多様性の問題に正面から取り組んだ深層学習ベースの測位システムです。一つ以上の端末で取得したセルラーの測定値から学習し、学習時に使っていない端末でも同等の性能が出るようにします。
鍵になっているのは特徴抽出の方法で、端末の種類に依存しない表現を、学習元と対象の端末について何も仮定を置かずに獲得できるように設計されています。加えて、未知の状況に対する深層モデルの汎化と頑健性を高めるための機構も組み込んでいます。
デモでは、端末が変わることで受信されるセルラー信号がどう変化し、それが従来の測位システムの性能をどう劣化させるかをまず示したうえで、OmniCells がその影響を受けずに動く様子を見せています。
Related Lab Activities
