International Conference · 2024
LocaLingua: Leveraging Language Models for Cross-Building WiFi Mapping
Abstract
WiFi-based indoor localization is essential but often hampered by its dependence on specific environments and network configurations. We propose a novel solution using Language Models, like BERT, to overcome these limitations. Our approach transforms WiFi RSSI data into a language-like format, enabling the system to generalize across different buildings and AP setups. Key to our method is the Virtual Space Mapper, which standardizes user and Access Point (AP) locations into a common coordinate system, and then the system adapts BERT to predict locations within this virtual space. This design allows for robust, accurate localization without the need for extensive recalibration. Our results show significant improvements in adaptability and accuracy, making our approach a scalable, flexible alternative to traditional WiFi localization methods.
Research Note
Wi-Fi を使った屋内測位で実運用の妨げになるのは、ある建物で作ったモデルが別の建物では使えないことです。アクセスポイントの配置も台数も建物ごとに違うため、入力の形からして揃わず、新しい建物に持ち込むたびに測り直しと学習し直しが必要になります。
本研究の LocaLingua は、この問題を言語モデルで解こうとしたものです。Wi-Fi の受信強度（RSSI）のデータを言語のような形式に変換したうえで BERT を適応させることで、建物やアクセスポイントの構成が変わっても通用する表現を学習させます。
その要になっているのが Virtual Space Mapper で、利用者とアクセスポイントの位置を共通の座標系に標準化する役割を持ちます。これによって、建物ごとにばらばらだった空間の表し方が一つの仮想空間に揃うため、BERT はその仮想空間の中で位置を予測する問題として扱えるようになります。
結果として、建物をまたいだ適応性と精度の双方で大きな改善が得られ、大がかりな再較正を必要としない、拡張しやすい測位手法であることを示しました。
