基于蓝牙的位置估计增强方案：跨模态蒸馏
机器学习
2024-12-30 v1 信号处理
摘要
智能工厂利用先进技术优化制造流程并提升效率。实施工人跟踪系统，主要通过基于摄像头的方法来确保准确监控。然而，关于工人隐私和技术保护的顾虑使得探索替代方法变得必要。我们提出一种非视觉、可扩展的解决方案，利用蓝牙低能耗（BLE）和超声坐标。BLE 位置估计提供了极低的能耗和经济实惠的解决方案，由于该技术已集成于智能手机且因大量智能手机用户而具有可扩展性，从而便于工人定位和安全协议传输。超声信号提供更快的响应速度和更高的精度，但需要定制硬件，增加成本。为两者优势相结合，我们采用知识蒸馏（KD）从超声信号蒸馏到 BLE RSSI 数据。一旦学生模型训练完成，该模型仅使用 BLE-RSSI 数据进行推断，保留了 BLE RSSI 的普遍性和低成本优势。我们使用来自智能工厂测试床环境中十二名参与者的数据进行了测试。我们在没有蒸馏且仅使用 BLE-RSSI 数据训练的基线模型（目标模型）的 F1 分数上实现了 11.79% 的提升。
引用
@article{arxiv.2404.15999,
title = {BeSound: Bluetooth-Based Position Estimation Enhancing with Cross-Modality Distillation},
author = {Hymalai Bello and Sungho Suh and Bo Zhou and Paul Lukowicz},
journal= {arXiv preprint arXiv:2404.15999},
year = {2024}
}
备注
Accepted in IEEE 6th International Conference on Activity and Behavior Computing