Eratosthenes: Modélisation générative pour le positionnement en intérieur et extérieur par «fingerprinting»
Genève Economie et Services
Lire l'article original en anglais
Les méthodes de localisation par fingerprinting utilisant l’apprentissage automatique offrent généralement une haute précision de localisation. En revanche, elles souffrent de l'inconvénient de nécessiter d'une phase de collecte de données très coûteuse. Le projet Eratosthenes propose de s'affranchir en partie de cette contrainte par l’introduction de la modélisation générative.
Dans le cadre de ce projet, le concept d'augmentation des fingerprints sera premièrement étudié grâce à la modélisation générative. Atteindre une génération fiable des fingerprints pourrait avoir un grand impact sur la façon dont les systèmes de positionnement par fingerprinting sont conçus, réglés et déployés.
Deuxièmement, les avantages potentiels du codage des fingerprints seront examinés au travers d'une représentation plus compacte, appelé espace latent, modélisé par des auto-encodeurs variationnels (VAEs).
Finalement, la partie la plus ambitieuse du projet Eratosthenes est l'incorporation de crowdsourcing, visant à l’utilisation des données non étiquetées (fingerprints à des positions inconnues), afin de renforcer les capacités prédictives des modèles de positionnement en utilisant une approche semi-supervisée.