| Project/Area Number |
23K24839
|
|---|
| Project/Area Number (Other) |
22H03583 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60060:Information network-related
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
内山 彰 大阪大学, 大学院情報科学研究科, 准教授 (70555234)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2025: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2024: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2023: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2022: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
|
|---|
| Keywords | Wi-Fi CSI / 無線センシング / 行動認識 / ミリ波 / ミリ波レーダー |
|---|
| Outline of Research at the Start |
高齢者の見守りや未病の改善などの社会課題の解決にあたっては，AIによって人々の行動を認識し，適切なフィードバックを行うことが重要である．プライバシの懸念が少なく，機器を身につける必要が無いことから，Wi-Fi電波の変動を利用した行動認識がこれまでに盛んに研究されている．しかし，既存のWi-Fiを用いた行動認識では，機器の設置場所などの環境が変わると新たにデータ収集が必要となり，普及の妨げとなる．本研究では，Wi-Fiによる行動認識の導入を容易にするため，ミリ波の併用や複数環境から得られたデータセットに基づくWi-Fi電波からの環境非依存な特徴量抽出を目指す．
|
| Outline of Annual Research Achievements |
高齢者の見守りや未病の改善などにあたり、人々の行動を認識しフィードバックを行うことが重要である。プライバシの懸念が少なく、デバイスを身につける必要が無いことから、Wi-Fi CSI (Channel State Information)を用いて、人の行動を認識する手法が注目されている。しかし、電波は周辺の壁や物による反射の影響を受けるため、CSI による行動認識は環境が変わると利用できないという本質的な課題がある。
本研究では、次世代Wi-Fiや5Gで注目を集めるミリ波をレーダーとして利用し、見通し範囲に限られるが、取得した点群から人体姿勢を推定し、高精度に行動を認識する。同時に、Wi-Fi デバイス間でCSI を取得し、ミリ波レーダーによる行動認識結果を併用した深層学習によって環境に依存しない特徴量の抽出を試みる。これによって、行動認識モデルが自律的に構築されるブートストラップ機構の開発を目指す。
本研究の目的達成のため、2023年度は、同一室内で送受信機の位置を変化させた場合を異なる環境として定義し、深層学習による環境非依存な特徴量の抽出に成功した。対象環境で少量の学習データを収集可能なシナリオを想定し、ファインチューニングによって行動認識モデルを構築した場合に、対象環境で大量の学習データを収集して行動認識モデルを構築した場合と比べて、十分な性能を達成できることを確認した。また、ミリ波レーダーを用いた状況認識を実現するため、ミリ波レーダーによって取得できるデータを分析し、ドップラーシフトや物体位置の推定などを行うためのデータ収集システムの構築を行った。さらに、これまでに開発した超低消費電力なタグを本研究に応用し、Wi-Fi CSIの観測を増やして無線センシングの性能を向上させることに成功した。これらの研究成果は国内研究会や国際会議で発表している。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
環境非依存な行動認識モデル構築法の開発や、ミリ波を用いた行動認識技術の開発に必要なセンシングシステムの構築が完了しており、当初の計画から大きく逸脱することなく、研究を遂行できている。したがって、おおむね順調に進展していると判断する。
|
| Strategy for Future Research Activity |
これまでに開発した環境非依存な特徴量の抽出法を改良し、達成可能な性能を明らかにする。具体的には、環境数を増やすことによる特徴量抽出性能の変化や、適用可能な環境の明確化に向けた検討を進める。また、異なる部屋や一人暮らしの一般家庭などの多様な環境においてデータを収集し、実環境での課題抽出と、その解決法を検討する。
ミリ波の活用については、開発したデータ収集システムを用いて、行動認識技術の構築に着手する。ミリ波による行動認識においては、ミリ波レーダーのパラメータ調整も性能に影響を与える重要な要因であるため、これらの影響についても調査する。さらに、Wi-Fi CSIの併用による性能向上の可能性などについて、検討を実施する。
これらの研究活動を通じて得られた成果は、国内研究会、国際会議、論文誌などで発表する。
|
