Resumo Técnico: Aprendizado de Representações WiFi Conscientes de Deslocamento para Localização Relativa Fracamente Supervisionada

Formulação do Problema

O artigo aborda o desafio da localização relativa interna usando impressões digitais WiFi. Diferentemente das abordagens convencionais que mapeiam impressões digitais WiFi para coordenadas absolutas (exigindo anotações de localização densas e custosas), este trabalho foca na estimativa do vetor de deslocamento ($\Delta_{AB}$) entre duas trajetórias de impressões digitais WiFi ($F_A$ e $F_B$) sem prever suas posições absolutas.

A dificuldade central reside na natureza dos dados: impressões digitais WiFi são ambíguas e ruidosas, enquanto o movimento físico é aditivo. Os autores visam aprender um modelo que possa inferir diretamente o deslocamento relativo a partir de trajetórias de impressões digitais usando supervisão fraca. Em vez de rótulos de coordenadas densas, o sistema utiliza vetores de movimento passo a passo (trajetórias de deslocamento, $D$) obtidos a partir de sensores inerciais (por exemplo, em robôs ou dispositivos IoT) como rótulos fracos. Esta formulação visa cenários como acompanhamento de robôs e coordenação em armazéns, onde relações espaciais relativas são mais acionáveis do que coordenadas globais.

Metodologia: Caminho de Interseção (IP)

A solução proposta é um framework de aprendizado multimodal chamado Caminho de Interseção (IP). A arquitetura emprega dois autoencoders que compartilham um espaço latente comum para alinhar trajetórias de impressões digitais (f-trajetórias) e trajetórias de deslocamento (d-trajetórias).

1. Componentes da Arquitetura

• Autoencoder de f-trajetória: Utiliza um codificador baseado em Transformer para processar sequências de impressões digitais WiFi. Isso lida com a ambiguidade das impressões digitais capturando o contexto sequencial (sinais a montante e a jusante). O decodificador reconstrói a f-trajetória de entrada.
• Autoencoder de d-trajetória: Utiliza um codificador e um decodificador lineares para processar vetores de deslocamento passo a passo. A linearidade é uma escolha de design crítica para preservar a estrutura aditiva do movimento físico no espaço latente.
• Espaço Latente Compartilhado: Ambas as modalidades são mapeadas para códigos latentes de dimensionalidade correspondente, permitindo interação direta.

2. Caminhos de Treinamento

O modelo é treinado usando quatro caminhos específicos para impor consistência entre as modalidades:

• Impressão Digital-Direto (FD): Reconstrói a f-trajetória de entrada para estabilizar embeddings conscientes de contexto.
• Deslocamento-Direto (DD): Reconstrói a d-trajetória de entrada para garantir mapeamento preciso de deslocamentos físicos.
• Impressão Digital-Deslocamento-Adição (FDA): Impõe que adicionar um código latente de deslocamento ($e_i$) a um código latente de impressão digital anterior ($l_{i-1}$) resulta no código latente da próxima impressão digital ($l_i$). Isso ensina ao modelo que a adição latente corresponde ao movimento físico.
• Impressão Digital-Impressão Digital-Subtração (FFS): Impõe que subtrair códigos latentes de impressão digital adjacentes ($l_i - l_{i-1}$) resulta no código latente do deslocamento ($e_i$). Isso permite que o modelo infera deslocamento a partir de diferenças nas impressões digitais.

O treinamento prossegue em três estágios, introduzindo gradualmente essas restrições para primeiro aprender representações robustas de impressões digitais, depois injetar informações de movimento e, finalmente, alinhar as duas modalidades.

3. Inferência

Durante a inferência, o modelo recebe duas f-trajetórias ($F_A, F_B$) como entrada. Ele as codifica em códigos latentes, calcula a diferença entre seus códigos latentes de ponto final ($l_B - l_A$) e passa essa diferença pelo decodificador linear de d-trajetória para outputar o vetor de deslocamento previsto.

Contribuições Principais

1. Formulação do Problema: Os autores formulam a localização relativa baseada em WiFi como um problema fracamente supervisionado, permitindo estimativa direta de deslocamento sem rótulos de coordenadas densas.
2. Framework Caminho de Interseção: Eles propõem um framework multimodal que alinha trajetórias de impressões digitais e deslocamento em um espaço latente compartilhado. Crucialmente, eles impõem uma estrutura aditiva onde a adição/subtração latente corresponde à composição de movimento físico.
3. Representações Conscientes de Deslocamento: As representações aprendidas suportam tanto localização relativa quanto uma extensão leve para localização absoluta com poucos exemplos usando âncoras esparsas, demonstrando a utilidade do espaço latente aprendido.

Resultados Experimentais

O método foi avaliado em um conjunto de dados sintetizado derivado de medições reais de WiFi e trajetórias de caminhada humana em um ambiente interno de 20x25m.

• Desempenho de Localização Relativa: O método proposto alcançou um Erro de Deslocamento (DE) de 0,719m para deslocamentos de até 10m e 1,751m para todas as faixas. Superou as linhas de base usando backbones LSTM e DNN, particularmente em cenários de maior alcance.
• Estudos de Ablação:
  • Remover o codificador de d-trajetória ou o decodificador de f-trajetória degradou significativamente o desempenho, confirmando a necessidade de interação multimodal e caminhos de reconstrução.
  • Substituir o ramo linear de d-trajetória por um não linear causou a maior queda de desempenho, validando que a linearidade é essencial para preservar a composição de deslocamento.
• Robustez: O modelo permaneceu estável sob níveis moderados de ruído ($\lambda \le 2,0$), mas degradou-se abruptamente com perturbação excessiva.
• Extensão com Poucos Exemplos: Quando estendido para localização absoluta com âncoras esparsas, o modelo alcançou precisão submétrica, embora fosse mais sensível ao ruído do que as linhas de base totalmente supervisionadas.

Significado e Alegações

O artigo alega que o framework Caminho de Interseção aprende com sucesso representações WiFi conscientes de deslocamento ao aproveitar a supervisão fraca. Seu significado reside em:

• Redução de Custos de Anotação: Eliminar a necessidade de rótulos de coordenadas densas, que são caros de obter em escala.
• Agnosticismo de Hardware: Diferentemente de sistemas UWB ou BLE, esta abordagem depende de WiFi comercial e sensores inerciais padrão, tornando-a amplamente aplicável.
• Output Acionável: Ao estimar diretamente o deslocamento relativo, o método alinha-se melhor com aplicações onde o posicionamento relativo (por exemplo, acompanhamento de robôs) é mais crítico do que coordenadas globais.
• Escalabilidade: A capacidade de estender o modelo para localização absoluta com poucos exemplos sugere um caminho para implantação prática onde apenas alguns pontos de ancoragem estão disponíveis.

Os autores concluem que a interação multimodal explícita e a preservação da estrutura aditiva no espaço latente são os fatores-chave que permitem a localização relativa precisa sob supervisão fraca.