[論文レビュー] EHAAS: Energy Harvesters As A Sensor for Place Recognition on Wearables

Yoshinori Umetsu, Yugo Nakamura+3 more|arXiv (Cornell University)|Mar 20, 2019

Indoor and Outdoor Localization Technologies参考文献 24被引用数 7

ひとこと要約

本稿では、光、運動、素材の違いに応じた出力の変動を活用することで、エネルギー回収素子（例：太陽電池、圧電素子）を環境センサーとして再利用するウェアラブルな場所認識システムEHAASを提案する。複数のエネルギー回収信号を用いた機械学習により、9か所の屋内・屋外環境で88.5%のF値の精度を達成し、太陽電池2種類のみで86.2%の精度を達成。加速度計や照度センサーといった従来のセンサーを上回る性能を示した。

ABSTRACT

A wearable based long-term lifelogging system is desirable for the purpose of reviewing and improving users' lifestyle habits. Energy harvesting (EH) is a promising means for realizing sustainable lifelogging. However, present EH technologies suffer from instability of the generated electricity caused by changes of environment, e.g., the output of a solar cell varies based on its material, light intensity, and light wavelength. In this paper, we leverage this instability of EH technologies for other purposes, in addition to its use as an energy source. Specifically, we propose to determine the variation of generated electricity as a sensor for recognizing "places" where the user visits, which is important information in the lifelogging system. First, we investigate the amount of generated electricity of selected energy harvesting elements in various environments. Second, we design a system called EHAAS (Energy Harvesters As A Sensor) where energy harvesting elements are used as a sensor. With EHAAS, we propose a place recognition method based on machine-learning and implement a prototype wearable system. Our prototype evaluation confirms that EHAAS achieves a place recognition accuracy of 88.5% F-value for nine different indoor and outdoor places. This result is better than the results of existing sensors (3-axis accelerometer and brightness). We also clarify that only two types of solar cells are required for recognizing a place with 86.2% accuracy.

研究の動機と目的

• ウェアラブルライフログシステムにおける場所認識のため、エネルギー回収（EH）素子を電源源としてだけでなく環境センサーとしても利用可能かどうかを検討すること。
• さまざまな屋内・屋外環境下における、太陽電池、圧電素子、熱電素子などの多様なEHデバイスの環境感受性を評価すること。
• EH出力の変動を入力特徴として機械学習ベースの場所認識に活用するウェアラブルシステムEHAASの設計およびプロトタイピングを行うこと。
• 高精度な場所認識を達成するために必要な最小限のEH素子の組み合わせを特定し、小型化および低消費電力での展開を可能にすること。
• 実環境でのライフログシナリオにおいて、EHAASの性能を従来のセンサー（例：3軸加速度計、照度センサー）と比較すること。

提案手法

• 9か所の異なる屋内・屋外環境で、さまざまな環境条件下において複数のEH素子（異なる太陽電池タイプ、圧電素子、ペルチェ素子など）の時間的変動出力信号を収集する。
• 出力信号から、振幅、周波数、スペクトル特性などの特徴を抽出し、場所固有の特徴を表現する。
• これらの特徴を用いて、SVMやランダムフォレストなどの教師あり機械学習分類器を学習させ、EH出力パターンに基づく場所認識を実現する。
• プロトタイプのウェアラブルシステムは、複数のEH素子を統合し、局所的なデータ処理により消費電力を最小限に抑え、プライバシーを維持する。
• 全テスト地点でFスコア、適合率、再現率、混同行列を用いて性能を評価する。
• 感度分析を実施し、最も効果的なEH素子の組み合わせを同定する。これには、センサ数を減らしたアブレーションスタディも含む。

実験結果

リサーチクエスチョン

• RQ1 エネルギー回収素子は、異なる屋内・屋外環境において、場所固有の環境シグネイチャとして十分に識別可能な明確で測定可能な出力変動を示すことができるか？
• RQ2 実環境におけるウェアラブルなシナリオにおいて、EH素子を用いた場所認識の性能は、加速度計や照度センサーといった従来のセンサーと比較してどう異なるか？
• RQ3 高精度な場所認識を達成するために、必要な最小限のEH素子の数と組み合わせは何か。これにより、ウェアラブル機器向けの実用的かつ小型化可能な展開が可能になるか？
• RQ4 異なる材料（例：多シリコン系と有機薄膜太陽電池）のEH素子は、スペクトル応答や強度応答の違いにより、相補的な環境センシング能力を提供できるか？
• RQ5 運動エネルギーまたは熱電素子を含めることで、低照度または運動活性化環境下での認識精度はどの程度向上するか？

主な発見

• EHAASは、5つのエネルギー回収素子（SC2, SC3, SC4, SC5, ピエゾ）を用いた9か所の屋内・屋外環境で、平均F値88.5%の場所認識精度を達成した。
• 太陽電池2種類（SC1およびSC2）のみでEHAASは平均F値86.2%を達成し、最小限のセンサハードウェアでも高い精度を実現していることが示された。
• 3軸加速度計と照度センサーを用いたベースラインと比較して、EHAASは77.4%の平均F値にとどまり、特に通路のような類似環境の区別に優れた性能を示した。
• 最も性能が低かった構成（単一の圧電素子のみ）ではF値65.5%にとどまり、1種類のEHセンサーでは認識の信頼性が不十分であることが示された。
• 多シリコン系（SC1）と有機薄膜（SC2）太陽電池の組み合わせが、精度とハードウェアの最小化の両立において最良のバランスを示し、F値86.2%を達成。多数の場所で優れた性能を示した。
• 通路_1階および通路_4階の場所認識精度は、2つの太陽電池のみで使用した場合に低下したが、他の場所では高い精度を維持しており、環境の類似性が認識に影響を与えるものの、全体的なシステムの頑健性は保たれていることが確認された。