obreak\deg}回転下で等方的に誤差が増加し、その後、ランダム回転が大きくなるにつれてさらに悪化する。一方で、2D入力（Mn, Mg）は回転不変な精度を維持し、3つの参照建物において回転が建物固有の閾値を超えると、3D入力を上回る。この閾値は、Loomis（大）では0{
obreak\deg}、Talbot（中）では5{
obreak\deg}、CSL（小）では6{
obreak\deg}である。MagNetXLはMagPieデータセットで最先端の精度に到達する、またはそれを上回り、MagNetSはパラメータ数の約3分の1で同等の性能を実現するため、モバイル展開に適している。これらの結果は、回転不変な入力によって得られる頑健性が、実際の運用において入力次元の損失を上回ることを示しており、向きのアラインメントや追加インフラなしにマッピングとローカライズが可能になる。
CNN回帰と回転不変性による磁気インドアローカライゼーション
arXiv cs.RO / 2026/4/28
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、CNNによる磁気特徴からの回帰に基づき、GNSSが使えない屋内環境でのナビゲーションやIoTなどを対象とした、インフラ不要の屋内測位手法を提案しています。
- デバイスの向きに対する頑健性を高めるため、回転不変な2次元特徴（磁気ノルムMnと重力軸への射影Mg）を、回転に敏感な生の3次元磁力計入力（Mx, My, Mz）の代わりに用います。
- MagPieデータセットでの実験では、生の3次元入力が固定回転やランダム回転のもとで性能低下する一方で、(Mn, Mg)入力は回転不変の精度を維持し、建物ごとの閾値を超える回転では3次元入力を上回ることが示されています。
- 7層の軽量な拡張畳み込みCNN（MagNetS/XL）を学習し、(x, y)位置を直接回帰します。MagNetXLは最先端精度に到達または上回り、MagNetSは同等性能を約3分の1のパラメータ数で実現してモバイル展開に有利です。
- 総じて、現実的な利用条件で回転不変性による利得が入力次元の損失を上回り、向き合わせや追加インフラなしでマッピング／ローカライズを可能にすることが示されます。
