Un nuovo sistema sviluppato dai ricercatori del MIT e altrove aiuta le reti di dispositivi intelligenti a cooperare per trovare la propria posizione in ambienti in cui il GPS di solito fallisce.

Oggi, il concetto di "Internet delle cose" è abbastanza noto:miliardi di sensori interconnessi in tutto il mondo, incorporati in oggetti di uso quotidiano, attrezzatura, e veicoli, o indossati da esseri umani o animali:raccogli e condividi dati per una vasta gamma di applicazioni.

Un concetto emergente, la "localizzazione delle cose, " consente a tali dispositivi di rilevare e comunicare la propria posizione. Questa capacità potrebbe essere utile nel monitoraggio della catena di approvvigionamento, navigazione autonoma, città intelligenti altamente connesse, e persino formare una "mappa vivente" in tempo reale del mondo. Gli esperti prevedono che il mercato della localizzazione delle cose crescerà fino a raggiungere i 128 miliardi di dollari entro il 2027.

Il concetto si basa su tecniche di localizzazione precise. I metodi tradizionali sfruttano i satelliti GPS oi segnali wireless condivisi tra i dispositivi per stabilire le rispettive distanze e posizioni relative l'uno dall'altro. Ma c'è un intoppo:la precisione soffre molto in luoghi con superfici riflettenti, ostacoli, o altri segnali di interferenza, come all'interno di edifici, nei tunnel sotterranei, o nei "canyon urbani" dove alti edifici fiancheggiano entrambi i lati di una strada.

Ricercatori del MIT, l'Università di Ferrara, il Centro Basco di Matematica Applicata (BCAM), e la University of Southern California hanno sviluppato un sistema che acquisisce informazioni sulla posizione anche in questi ambienti rumorosi, Aree negate dal GPS. Un documento che descrive il sistema appare nel Atti dell'IEEE .

Quando i dispositivi in ​​una rete, chiamati "nodi, " comunicare in modalità wireless in un segnale che ostruisce, o "duro, " ambiente, il sistema fonde vari tipi di informazioni sulla posizione da segnali wireless dubbi scambiati tra i nodi, così come mappe digitali e dati inerziali. Così facendo, ogni nodo considera le informazioni associate a tutte le possibili posizioni, chiamate "informazioni soft", in relazione a quelle di tutti gli altri nodi. Il sistema sfrutta tecniche e tecniche di apprendimento automatico che riducono le dimensioni dei dati elaborati per determinare possibili posizioni da misurazioni e dati contestuali. Utilizzando tali informazioni, quindi individua la posizione del nodo.

Nelle simulazioni di scenari difficili, il sistema funziona significativamente meglio dei metodi tradizionali. In particolare, si è costantemente esibito vicino al limite teorico per l'accuratezza della localizzazione. Inoltre, man mano che l'ambiente wireless peggiorava sempre di più, la precisione dei sistemi tradizionali è diminuita drasticamente mentre il nuovo sistema basato su informazioni morbide è rimasto stabile.

"Quando i duri diventano più duri, il nostro sistema mantiene la localizzazione accurata, " dice Moe Win, un professore presso il Dipartimento di Aeronautica e Astronautica e il Laboratorio per i sistemi di informazione e decisione (LIDS), e capo del Wireless Information and Network Sciences Laboratory. "Negli ambienti wireless difficili, hai riflessi ed echi che rendono molto più difficile ottenere informazioni precise sulla posizione. Luoghi come lo Stata Center [nel campus del MIT] sono particolarmente impegnativi, perché ci sono superfici che riflettono segnali ovunque. Il nostro metodo di informazioni soft è particolarmente robusto in ambienti wireless così difficili."

Ad aderire a Win on the paper sono:Andrea Conti dell'Università di Ferrara; Santiago Mazuelas della BCAM; Stefania Bartoletti dell'Università di Ferrara; e William C. Lindsey della University of Southern California.

Acquisizione di "informazioni morbide"

Nella localizzazione di rete, i nodi sono generalmente indicati come ancore o agenti. Gli ancoraggi sono nodi con posizioni note, come satelliti GPS o stazioni base wireless. Gli agenti sono nodi che hanno posizioni sconosciute, come automobili autonome, smartphone, o indossabili.

Per localizzare, gli agenti possono utilizzare le ancore come punti di riferimento, oppure possono condividere informazioni con altri agenti per orientarsi. Ciò comporta la trasmissione di segnali wireless, che arrivano al ricevitore portando informazioni sulla posizione. Il potere, angolo, e ora di arrivo della forma d'onda ricevuta, ad esempio, correlano alla distanza e all'orientamento tra i nodi.

I metodi di localizzazione tradizionali estraggono una caratteristica del segnale per stimare un singolo valore per, dire, la distanza o l'angolo tra due nodi. L'accuratezza della localizzazione si basa interamente sull'accuratezza di quei valori inflessibili (o "duri"), e la precisione ha dimostrato di diminuire drasticamente man mano che gli ambienti diventano più difficili.

Supponiamo che un nodo trasmetta un segnale a un altro nodo che si trova a 10 metri di distanza in un edificio con molte superfici riflettenti. Il segnale può rimbalzare e raggiungere il nodo ricevente in un momento corrispondente a 13 metri di distanza. I metodi tradizionali assegnerebbero probabilmente quella distanza errata come valore.

Per il nuovo lavoro, i ricercatori hanno deciso di provare a utilizzare le informazioni morbide per la localizzazione. Il metodo sfrutta molte caratteristiche del segnale e informazioni contestuali per creare una distribuzione di probabilità di tutte le possibili distanze, angoli, e altre metriche. "Si chiama 'informazione morbida' perché non facciamo scelte difficili sui valori, "dice Conti.

Il sistema prende molte misurazioni campione delle caratteristiche del segnale, compreso il suo potere, angolo, e tempo di volo. I dati contestuali provengono da fonti esterne, come mappe e modelli digitali che catturano e prevedono come si muove il nodo.

Torna all'esempio precedente:Sulla base della misurazione iniziale dell'ora di arrivo del segnale, il sistema assegna ancora un'alta probabilità che i nodi siano distanti 13 metri. Ma assegna una piccola possibilità che siano a 10 metri di distanza, in base a qualche ritardo o perdita di potenza del segnale. Poiché il sistema fonde tutte le altre informazioni dai nodi circostanti, aggiorna la verosimiglianza per ogni possibile valore. Ad esempio, potrebbe eseguire il ping di una mappa e vedere che il layout della stanza mostra che è altamente improbabile che entrambi i nodi siano distanti 13 metri. Combinando tutte le informazioni aggiornate, decide che è molto più probabile che il nodo si trovi nella posizione a 10 metri di distanza.

"Alla fine, mantenere quel valore a bassa probabilità è importante, " dice Win. "Invece di dare un valore definito, Ti sto dicendo che sono davvero sicuro che tu sia a 13 metri di distanza, ma c'è una possibilità minore che tu sia anche più vicino. Ciò fornisce ulteriori informazioni che avvantaggiano in modo significativo nella determinazione delle posizioni dei nodi".

Ridurre la complessità

Estrarre molte caratteristiche dai segnali, però, porta a dati di grandi dimensioni che possono essere troppo complessi e inefficienti per il sistema. Per migliorare l'efficienza, i ricercatori hanno ridotto tutti i dati del segnale in uno spazio di dimensioni ridotte e facilmente calcolabile.

Fare così, hanno identificato gli aspetti delle forme d'onda ricevute che sono i più e i meno utili per individuare la posizione sulla base di "analisi dei componenti principali, " una tecnica che mantiene gli aspetti più utili in set di dati multidimensionali e scarta il resto, creazione di un dataset di dimensioni ridotte. Se le forme d'onda ricevute contengono 100 misurazioni campione ciascuna, la tecnica potrebbe ridurre quel numero a, dire, otto.

Un'innovazione finale è stata l'utilizzo di tecniche di apprendimento automatico per apprendere un modello statistico che descrivesse possibili posizioni da misurazioni e dati contestuali. Quel modello viene eseguito in background per misurare come il rimbalzo del segnale può influenzare le misurazioni, contribuendo a perfezionare ulteriormente la precisione del sistema.

I ricercatori stanno ora progettando modi per utilizzare meno potenza di calcolo per lavorare con nodi a corto di risorse che non possono trasmettere o calcolare tutte le informazioni necessarie. Stanno anche lavorando per portare il sistema alla localizzazione "senza dispositivo", dove alcuni dei nodi non possono o non vogliono condividere le informazioni. Questo utilizzerà le informazioni su come i segnali vengono retrodiffusi da questi nodi, quindi altri nodi sanno che esistono e dove si trovano.

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.