1未満 分で読了
0 views

複数アンテナ受信機を用いたデバイスフリー局所化の電磁ボディモデル — An EM Body Model for Device-Free Localization with Multiple Antenna Receivers: A First Study

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、お忙しいところ恐縮です。部下から『デバイスを持たない人の位置が無線でわかる技術』って話を聞きまして、当社の現場でも使えそうだと。ただ何が切り札になるのか、正直ピンと来ないのです。要するに何が変わるのですか?

AIメンター拓海

素晴らしい着眼点ですね!まず結論を簡潔に言いますと、この研究は『複数のアンテナを持つ機器を使って、身に着けていない人の位置精度を上げるための電磁(Electromagnetic、EM)モデル』を提案しています。大事なポイントは三つです。既存の単一アンテナ前提から複数アンテナ処理へ移すこと、アンテナアレイの応答を人体の存在でどう変わるかモデル化したこと、そしてシミュレーションで有利さを示したことです。大丈夫、一緒に整理していけるんですよ。

田中専務

『複数アンテナの方が良い』とは聞くが、具体的に現場で何が変わる?投資対効果で言うと導入メリットが見えないのです。うちの工場でたとえばどんなことができるのですか。

AIメンター拓海

素晴らしい着眼点ですね!まず、実務目線での利点を三点に分けます。1) 人が機器を持たなくても位置や動きを検出できるため、作業者の負担や忘れ物管理が不要になる。2) 複数のアンテナ(multi-antenna)を使うと方位情報や空間分解能が上がり、誤検出が減る。3) 既存のWi‑Fi機器や安価なアレイが使えれば、追加コストを抑えつつ導入できる可能性がある、です。投資対効果は用途次第ですが、安全監視や省人化で回収可能なケースが多いです。

田中専務

技術の中身を少しだけ教えてください。『電磁ボディモデル(Electromagnetic body model、EMボディモデル)』って何をモデル化するのですか。現場のおっさんでもわかる例えでお願いします。

AIメンター拓海

素晴らしい着眼点ですね!身近な比喩で言うと、無線信号は雨粒のように空間を通る光のようなものだと考えてください。人(ターゲット)がいるとその

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
ドミニオン天文台の写真分光板を市販スキャナーでデジタル化する試論
(The Digitization of Photographic Spectra in the Dominion Astrophysical Observatory Plate Collection with Commercial Scanners: A Pilot Study)
次の記事
小分子タンパク質結合剤探索のための生成的能動学習
(GENERATIVE ACTIVE LEARNING FOR THE SEARCH OF SMALL-MOLECULE PROTEIN BINDERS)
関連記事
レコメンダーは地域音楽を促進するか?
(Do Recommender Systems Promote Local Music?)
乱流中の遊泳のための物理指導型アクタークリティック強化学習
(Physics-Guided Actor-Critic Reinforcement Learning for Swimming in Turbulence)
科学論文の自動分類を深層学習で改善する方法
(Towards the Improvement of Automated Scientific Document Categorization by Deep Learning)
Rashomon集合の可視化分析
(Visual Analysis for Rashomon Set of Machine Learning Models’ Performance)
古典的視点から見た良性過学習:サンプルサイズの役割
(A Classical View on Benign Overfitting: The Role of Sample Size)
楕円型変分不等式の解を学習するニューラルネットワーク手法
(A neural network approach to learning solutions of a class of elliptic variational inequalities)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む