Resumen Técnico: Aprendizaje de Representaciones WiFi Conscientes del Desplazamiento para Localización Relativa Débilmente Supervisada

Formulación del Problema

El artículo aborda el desafío de la localización relativa en interiores utilizando huellas dactilares WiFi. A diferencia de los enfoques convencionales que mapean huellas dactilares WiFi a coordenadas absolutas (requiriendo anotaciones de ubicación densas y costosas), este trabajo se centra en estimar el vector de desplazamiento ($\Delta_{AB}$) entre dos trazas de huellas dactilares WiFi ($F_A$ y $F_B$) sin predecir sus posiciones absolutas.

La dificultad central reside en la naturaleza de los datos: las huellas dactilares WiFi son ambiguas y ruidosas, mientras que el movimiento físico es aditivo. Los autores buscan aprender un modelo que pueda inferir directamente el desplazamiento relativo a partir de trazas de huellas dactilares utilizando supervisión débil. En lugar de etiquetas de coordenadas densas, el sistema utiliza vectores de movimiento paso a paso (trazas de desplazamiento, $D$) obtenidos de sensores inerciales (por ejemplo, en robots o dispositivos IoT) como etiquetas débiles. Esta formulación apunta a escenarios como el seguimiento de robots y la coordinación en almacenes, donde las relaciones espaciales relativas son más accionables que las coordenadas globales.

Metodología: Trayectoria de Intersección (IP)

La solución propuesta es un marco de aprendizaje multimodal llamado Trayectoria de Intersección (IP). La arquitectura emplea dos autoencoders que comparten un espacio latente común para alinear trazas de huellas dactilares (f-trazas) y trazas de desplazamiento (d-trazas).

1. Componentes de la Arquitectura

• Autoencoder de f-traza: Utiliza un codificador basado en Transformer para procesar secuencias de huellas dactilares WiFi. Esto maneja la ambigüedad de las huellas dactilares capturando el contexto secuencial (señales aguas arriba y aguas abajo). El decodificador reconstruye la f-traza de entrada.
• Autoencoder de d-traza: Utiliza un codificador y un decodificador lineales para procesar vectores de desplazamiento paso a paso. La linealidad es una elección de diseño crítica para preservar la estructura aditiva del movimiento físico en el espacio latente.
• Espacio Latente Compartido: Ambas modalidades se mapean a códigos latentes de dimensionalidad coincidente, permitiendo una interacción directa.

2. Trayectorias de Entrenamiento

El modelo se entrena utilizando cuatro trayectorias específicas para imponer consistencia entre las modalidades:

• Huella Dactilar-Directa (FD): Reconstruye la f-traza de entrada para estabilizar las incrustaciones conscientes del contexto.
• Desplazamiento-Directo (DD): Reconstruye la d-traza de entrada para asegurar un mapeo preciso de los desplazamientos físicos.
• Huella Dactilar-Desplazamiento-Adición (FDA): Imponer que sumar un código latente de desplazamiento ($e_i$) a un código latente de huella dactilar anterior ($l_{i-1}$) produzca el código latente de la siguiente huella dactilar ($l_i$). Esto enseña al modelo que la adición latente corresponde al movimiento físico.
• Huella Dactilar-Huella Dactilar-Resta (FFS): Imponer que restar códigos latentes de huellas dactilares adyacentes ($l_i - l_{i-1}$) produzca el código latente del desplazamiento ($e_i$). Esto permite al modelo inferir el desplazamiento a partir de las diferencias de huellas dactilares.

El entrenamiento procede en tres etapas, introduciendo gradualmente estas restricciones para primero aprender representaciones robustas de huellas dactilares, luego inyectar información de movimiento y finalmente alinear las dos modalidades.

3. Inferencia

Durante la inferencia, el modelo toma dos f-trazas ($F_A, F_B$) como entrada. Las codifica en códigos latentes, calcula la diferencia entre sus códigos latentes de punto final ($l_B - l_A$) y pasa esta diferencia a través del decodificador lineal de d-traza para generar el vector de desplazamiento predicho.

Contribuciones Clave

1. Formulación del Problema: Los autores formulan la localización relativa basada en WiFi como un problema de supervisión débil, permitiendo la estimación directa de desplazamiento sin etiquetas de coordenadas densas.
2. Marco de Trayectoria de Intersección: Proponen un marco multimodal que alinea trazas de huellas dactilares y desplazamiento en un espacio latente compartido. Crucialmente, imponen una estructura aditiva donde la adición/resta latente corresponde a la composición del movimiento físico.
3. Representaciones Conscientes del Desplazamiento: Las representaciones aprendidas soportan tanto la localización relativa como una extensión ligera a la localización absoluta de pocos ejemplos utilizando anclajes dispersos, demostrando la utilidad del espacio latente aprendido.

Resultados Experimentales

El método se evaluó en un conjunto de datos sintetizado derivado de mediciones reales de WiFi y trayectorias de caminata humana en un entorno interior de 20x25m.

• Rendimiento de Localización Relativa: El método propuesto logró un Error de Desplazamiento (DE) de 0.719m para desplazamientos de hasta 10m y 1.751m para todos los rangos. Superó a las líneas base que utilizan backbones LSTM y DNN, particularmente en escenarios de mayor alcance.
• Estudios de Ablación:
  • Eliminar el codificador de d-traza o el decodificador de f-traza degradó significativamente el rendimiento, confirmando la necesidad de interacción multimodal y trayectorias de reconstrucción.
  • Reemplazar la rama lineal de d-traza por una no lineal causó la mayor caída de rendimiento, validando que la linealidad es esencial para preservar la composición del desplazamiento.
• Robustez: El modelo permaneció estable bajo niveles moderados de ruido ($\lambda \le 2.0$), pero se degradó bruscamente con perturbación excesiva.
• Extensión de Pocos Ejemplos: Cuando se extendió a localización absoluta con anclajes dispersos, el modelo alcanzó una precisión submétrica, aunque fue más sensible al ruido que las líneas base totalmente supervisadas.

Significado y Afirmaciones

El artículo afirma que el marco de Trayectoria de Intersección aprende exitosamente representaciones WiFi conscientes del desplazamiento aprovechando la supervisión débil. Su significado radica en:

• Reducción de Costos de Anotación: Elimina la necesidad de etiquetas de coordenadas densas, que son costosas de obtener a escala.
• Agnosticismo de Hardware: A diferencia de los sistemas UWB o BLE, este enfoque depende de WiFi comercial y sensores inerciales estándar, haciéndolo ampliamente aplicable.
• Salida Accionable: Al estimar directamente el desplazamiento relativo, el método se alinea mejor con aplicaciones donde el posicionamiento relativo (por ejemplo, seguimiento de robots) es más crítico que las coordenadas globales.
• Escalabilidad: La capacidad de extender el modelo a localización absoluta de pocos ejemplos sugiere una vía para la implementación práctica donde solo están disponibles unos pocos puntos de anclaje.

Los autores concluyen que la interacción multimodal explícita y la preservación de la estructura aditiva en el espacio latente son los factores clave que permiten una localización relativa precisa bajo supervisión débil.