SlideShare a Scribd company logo
1 of 15
Download to read offline
RF-IDraw :
Virtual Touch Screen in
the Air Using RF Signals
Takahiro Hashizume
Asami & Kawahara Lab.,
The University of Tokyo
Jue Wang, Deepak Vasisht, and Dina Katabi
SIGCOMM 2014
2015/04/25 M1GP
▶背景(1)
• RFIDを用いた位置推定方法
RFID
送信側
Antenna Array
受信側
より正確な推定を求めると
→アンテナ数を多く
→リファレンスタグを濃密に
→GHz帯を用いる etc…
M1GP2
▶背景(2)
• RFIDを用いた正確な位置推定は様々な研究がある。
でも・・・
• 実際に多くのアプリケーションで求められて
いるのは対象の軌跡をトラッキングすること。
Kinect
[3]
gesture recognition
using wireless signal
[2]
M1GP3
▶RF-IDraw - 概要
• RFIDの動きの軌跡を正確にトラッキング。
• 空中に描いた文字列を認識可能。
[1] P.1
• タグを指につけることで仮想タッチスクリーンを実現。
M1GP4
▶RF-IDraw - 特徴
• 手軽に作成可能
• 標準的なRFIDリーダーとタグを用いて構成可能。
• 高精度
• 文字認識成功率 97.5%
• 単語認識成功率 92%
• 多人数対応
• RFIDタグに固有のIDがふられているので複数人の入力
をそれぞれ簡単に検出可能。
• NLOS環境でも動作
• Kinect等と異なりアンテナとタグ間に壁があるような環
境でも動く。
[1] P.1
M1GP5
▶原理(1)
λ/2 λ 8λ
RFID Tag
Antenna
• アンテナ間距離が広がるにつれて解像度が高く
なるが、曖昧さが大きくなる。
λ:波長
[1] P.2
M1GP6
▶原理(2)
• 間隔がλ/2のアンテナペアと
8λのアンテナペアを組み合
わせる
RFID Tag
Antenna
• 高解像度を保ったまま、曖昧
性を取り除くことができる。
[1] P.2
M1GP7
▶空間構成
• さきほどの4つのアンテナ
群を2セット配置
• ビームの交点を読み取るこ
とで空間内の場所を特定
Antenna
RFID Tag
M1GP8
▶評価と精度
• RF-IDrawと既存のアンテナアレイを用いてトラッキ
ングして描いた文字や単語をAndroid手書き入力ア
プリを用いて認識させて比較。
文字認識成功率 97.5% 単語認識成功率 92%
[1] P.11
M1GP9
▶まとめ
• RF-IDrawはこれまで正確な位置推定に用いられていた
RFIDの技術を、物体の動きの追従に用いたもの。
• 解像度の高さと曖昧性の排除を両立できるアンテナの
配置によってノイズに強い軌跡のトラッキングを実現
した。
• この技術によって空中に自由に文字を描いたり操作し
たりできるような、バーチャルタッチスクリーンが実
現できる。
M1GP10
▶参考文献・引用画像
• 参考文献
• [1] Wang, Jue, Deepak Vasisht, and Dina Katabi. "RF-IDraw: virtual touch
screen in the air using RF signals." Proceedings of the 2014 ACM
conference on SIGCOMM. ACM, 2014.
• 引用画像
• [2] Pu, Qifan, et al. "Whole-home gesture recognition using wireless
signals." Proceedings of the 19th annual international conference on
Mobile computing & networking. ACM, 2013.
• [3] http://ja.wikipedia.org/wiki/Kinect#/media/File:KinectSensor.png
M1GP11
▶ノイズ耐性
• 正しい位置に近い場合
• •
• 異なる交点からスタートしてト
ラッキングしても文字の形はそ
こまで崩れない
• 正しい位置から遠い場合
• •
• 本来の文字に比べかなり歪む
• 曖昧性を取り除くことの重要性
[1] P.6
M1GP12
▶参考(1) - アンテナ間距離と位相差
D cos
=
j,i
2
+ k
di,j = dS,i dS,j
di,j
=
j,i
2
+ k
j,i = j i
k Z M1GP13
▶参考(2) - アンテナ間距離と曖昧さ
• 例:D = 8λのとき
k = 8 cos
j,i
2
9 k 9, k Z
= arccos
D
j,i
2
+
k
D
kの個数分だけθがあるので、
曖昧さ(ビームの本数)が増える。
M1GP14
▶参考(3) - アンテナ間距離と解像度
cos =
D
j,i
2
+
k
D
• 全てのハードウェアには読み取り精度があるため、
位相の測定時にはある程度の量子化が行われる。
• ハードウェアが読み取れる最小の間隔をδとする
と、最良のcosθの量子化は以下。
cos =
D 2
Dが大きくなれば
δの影響が小さくなる。
M1GP15

More Related Content

Viewers also liked

Viewers also liked (16)

岡谷貴之「深層学習」の解説
岡谷貴之「深層学習」の解説岡谷貴之「深層学習」の解説
岡谷貴之「深層学習」の解説
 
3次元タスクにおけるディープラーニングの最新動向1DeepStereo
3次元タスクにおけるディープラーニングの最新動向1DeepStereo3次元タスクにおけるディープラーニングの最新動向1DeepStereo
3次元タスクにおけるディープラーニングの最新動向1DeepStereo
 
introduction to Dueling network
introduction to Dueling networkintroduction to Dueling network
introduction to Dueling network
 
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognitionintroduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
introduce to Multimodal Deep Learning for Robust RGB-D Object Recognition
 
introduction to double deep Q-learning
introduction to double deep Q-learningintroduction to double deep Q-learning
introduction to double deep Q-learning
 
動作認識におけるディープラーニングの最新動向2Sequential DL for HAR
動作認識におけるディープラーニングの最新動向2Sequential DL for HAR動作認識におけるディープラーニングの最新動向2Sequential DL for HAR
動作認識におけるディープラーニングの最新動向2Sequential DL for HAR
 
Introduction to A3C model
Introduction to A3C modelIntroduction to A3C model
Introduction to A3C model
 
Introduction to Prioritized Experience Replay
Introduction to Prioritized Experience ReplayIntroduction to Prioritized Experience Replay
Introduction to Prioritized Experience Replay
 
動作認識におけるディープラーニングの最新動向1 3D-CNN
動作認識におけるディープラーニングの最新動向1 3D-CNN動作認識におけるディープラーニングの最新動向1 3D-CNN
動作認識におけるディープラーニングの最新動向1 3D-CNN
 
Introduction to Deep Compression
Introduction to Deep CompressionIntroduction to Deep Compression
Introduction to Deep Compression
 
Introduction to YOLO detection model
Introduction to YOLO detection modelIntroduction to YOLO detection model
Introduction to YOLO detection model
 
Introduction to GAN model
Introduction to GAN modelIntroduction to GAN model
Introduction to GAN model
 
【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-
【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-
【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-
 
人工知能ハッカソン用プレゼン資料(161217)
人工知能ハッカソン用プレゼン資料(161217)人工知能ハッカソン用プレゼン資料(161217)
人工知能ハッカソン用プレゼン資料(161217)
 
Introduction to Neural Turning Machine
Introduction to Neural Turning MachineIntroduction to Neural Turning Machine
Introduction to Neural Turning Machine
 
ディープラーニング・ハンズオン勉強会161229
ディープラーニング・ハンズオン勉強会161229ディープラーニング・ハンズオン勉強会161229
ディープラーニング・ハンズオン勉強会161229
 

Similar to Slide for M1GP2015

NFC元年 ~AndroidからみたNFCについて~
NFC元年 ~AndroidからみたNFCについて~NFC元年 ~AndroidからみたNFCについて~
NFC元年 ~AndroidからみたNFCについて~
Kouta Imanaka
 
Android NFCアプリハンズオン
Android NFCアプリハンズオンAndroid NFCアプリハンズオン
Android NFCアプリハンズオン
Tomoki YAMASHITA
 
福岡NFC勉強会
福岡NFC勉強会福岡NFC勉強会
福岡NFC勉強会
treby
 

Similar to Slide for M1GP2015 (9)

NFC元年 ~AndroidからみたNFCについて~
NFC元年 ~AndroidからみたNFCについて~NFC元年 ~AndroidからみたNFCについて~
NFC元年 ~AndroidからみたNFCについて~
 
cvsaisentan20141004 kanezaki
cvsaisentan20141004 kanezakicvsaisentan20141004 kanezaki
cvsaisentan20141004 kanezaki
 
Structured Light 技術俯瞰
Structured Light 技術俯瞰Structured Light 技術俯瞰
Structured Light 技術俯瞰
 
Android NFCアプリハンズオン
Android NFCアプリハンズオンAndroid NFCアプリハンズオン
Android NFCアプリハンズオン
 
福岡NFC勉強会
福岡NFC勉強会福岡NFC勉強会
福岡NFC勉強会
 
三次元表現まとめ(深層学習を中心に)
三次元表現まとめ(深層学習を中心に)三次元表現まとめ(深層学習を中心に)
三次元表現まとめ(深層学習を中心に)
 
機械学習の先端センシングへの適用と展望
機械学習の先端センシングへの適用と展望機械学習の先端センシングへの適用と展望
機械学習の先端センシングへの適用と展望
 
Getting Started with SDR in Python
Getting Started with SDR in PythonGetting Started with SDR in Python
Getting Started with SDR in Python
 
Arduino用3gシールドの開発と教育への実践(天良先生)
Arduino用3gシールドの開発と教育への実践(天良先生)Arduino用3gシールドの開発と教育への実践(天良先生)
Arduino用3gシールドの開発と教育への実践(天良先生)
 

Recently uploaded

Recently uploaded (11)

Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
 
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイルLoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
 
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
 
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
 
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半        2024/04/26の勉強会で発表されたものです。新人研修 後半        2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
 
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
 
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
 
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイスLoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
 
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native IntegrationsUtilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
 
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアルLoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
 
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
 

Slide for M1GP2015