[論文レビュー] Modeling and interpolation of the ambient magnetic field by Gaussian processes

Arno Solin, Manon Kok+3 more|arXiv (Cornell University)|Sep 15, 2015

Gaussian Processes and Bayesian Inference被引用数 5

ひとこと要約

本稿では、マクスウェル方程式に基づく物理的に根拠のある事前分布を用いたガウス過程（GPs）を用いて、環境磁界をモデリングおよび補間するベイジアン非パラメトリック手法を提案する。磁界を潜在的なスカラーポテンシャル関数を通してモデリングし、ヒルバート空間表現を活用することで、効率的でスケーラブルかつ計算的に取り扱いやすい補間とオンライン更新が可能となり、スマートフォンおよびモバイルロボットを用いた実世界の屋内マッピングにおいて優れた性能を示した。

ABSTRACT

Anomalies in the ambient magnetic field can be used as features in indoor positioning and navigation. By using Maxwell's equations, we derive and present a Bayesian non-parametric probabilistic modeling approach for interpolation and extrapolation of the magnetic field. We model the magnetic field components jointly by imposing a Gaussian process (GP) prior on the latent scalar potential of the magnetic field. By rewriting the GP model in terms of a Hilbert space representation, we circumvent the computational pitfalls associated with GP modeling and provide a computationally efficient and physically justified modeling tool for the ambient magnetic field. The model allows for sequential updating of the estimate and time-dependent changes in the magnetic field. The model is shown to work well in practice in different applications: we demonstrate mapping of the magnetic field both with an inexpensive Raspberry Pi powered robot and on foot using a standard smartphone.

研究の動機と目的

• ベイジアン非パラメトリック手法を用いて、物理的根拠に基づいた確率的モデルを構築し、屋内磁界の補間および外挿を実現すること。
• 磁気静的場の回転なし性（curl-free）というマクスウェル方程式からの物理的制約を、ガウス過程フレームワークに組み込むこと。
• ラプラス作用素の固有関数を用いたヒルバート空間への再定式化により、ガウス過程を再構築し、観測数に対して線形計算複雑性を達成することで、大規模な磁界マッピングにおける計算効率を向上させること。
• 移動する家具などの時間変動する干渉要因に対応できる、逐次的・オンライン推定を可能にすること。
• 低コストセンサー（スマートフォンや車輪式ロボットなど）を用いた実世界シナリオでの手法の妥当性を検証すること。

提案手法

• 潜在的なスカラーポテンシャル関数にガウス過程事前分布を適用することで、得られる磁界が回転なしであり、磁気静的場のマクスウェル方程式と整合的になるように保証する。
• ラプラス作用素の固有関数を用いたヒルバート空間への再定式化により、観測数に比例する線形計算複雑性を達成する。
• GPフレームワーク内で地球磁界をバイアス項として明示的にモデル化することで、その影響を考慮する。
• 逐次的推論スキームを採用し、磁界の時間的変化に応じたリアルタイム更新と適応を可能にする。
• バッチ推定とオンライン推定の両方をサポートし、周辺分散を可視化することで不確実性を透明度としてマップに表現する。
• 独立型、共有ハイパーパrameter、回転なし（スカラーポテンシャル）の3種類のGP事前分布を比較可能なフレームワークに拡張する。

実験結果

リサーチクエスチョン

• RQ1 マクスウェル方程式に基づく物理的動機付けの置かれたガウス過程事前分布が、屋内磁界の補間精度を向上させることができるか？
• RQ2 潜在的なスカラーポテンシャル関数を組み込むことで、独立型または共有ハイパーパrameterのGP事前分布と比較して、ベクトル場成分のモデリングがどの程度向上するか？
• RQ3 ラプラス作用素の固有関数に基づくヒルバート空間への再定式化により、磁界マッピングの精度を損なわずに線形計算複雑性O(N)を達成できるか？
• RQ4 本手法が、実世界環境における時間変動磁界の逐次的・オンライン推定をどの程度効果的にサポートできるか？
• RQ5 スマートフォンやモバイルロボットからの実際のセンサデータに対して、ベースライン手法と比較して本手法の精度と頑健性はどの程度優れているか？

主な発見

• スカラーポテンシャルに基づくGPモデルは、物理的制約を尊重する場合、独立型および共有ハイパーパrameterGPモデルよりも顕著に高い補間精度を達成する。
• ヒルバート空間に基づく推論スキームにより、O(N)の線形計算複雑性を達成し、密度の高い磁界測定データからなる大規模データセットへのスケーラビリティを実現した。
• 歩行中のスマートフォンを用いた実験では、不確実性の定量的評価を伴う正確な空間補間を実現した屋内磁界マッピングに成功した。
• 車輪式ロボットを用いたオンラインマッピングシステムは、最小限の遅延で磁界推定値を逐次的に更新するリアルタイム性を示した。
• 本モデルは、基準磁界の変動を効果的に捉え、移動する家具や機器に起因する時間的変化に対しても適応可能である。
• シミュレーション結果から、回転なしの磁界という物理的知識を組み込むことで、外挿性能が向上し、測定されていない領域の不確実性が低減することが確認された。