近日，电子信息与电气工程学院约翰·霍普克罗夫特计算机科学中心陈东尧助理教授团队在计算机网络领域物联网方向取得突破性进展，研究成果“磁场传感器自动校准技术”（Automatic Calibration of Magnetic Tracking）被网络系统领域顶级会议ACM MobiCom 2022录用，陈东尧为通讯作者。该研究开创性地实现了全自动罗盘校准，对实现精准的人机交互等关键应用有着重要意义。

研究背景

基于磁场的感知作为一种逐渐兴起的技术，有力的推动着各种交互应用的实现，其中代表性的应用场景包扩了高精度姿态追踪、人机交互，以及触觉传感等。这项技术利用多个MEMS磁传感器在近距离范围内捕捉磁场的变化。然而，磁传感器对于现实生活中的干扰十分敏感，特别是常见的硬铁和软铁效应。因此，用户需要频繁地执行繁琐而冗长的校准流程，这严重地限制了基于磁场感知的实用性。

磁场感知的典型应用场景，例如 AR/VR下的纯手势交互、关节角度检测等

研究成果

为了消除这种限制，研究团队提出MAGIC自动校准系统。MAGIC针对MEMS磁传感器阵列，可以同时自动校准软铁和硬铁干扰。为了最小化用户干预，研究团队引入了一个新型自动触发模块。与传统手动校准方法不同的是，MAGIC在最小的用户参与下实现了卓越的校准性能（例如，用于追踪应用场景）。通过实证研究，研究团队展示了MAGIC产生的开销也是极小的，总能耗仅为0.108J。

左图展示了磁场漂移，右图展示了目前常用的“绕8字”罗盘校准算法

外界磁场干扰最大的来源为空间中的硬铁和软铁效应，比如常见的耳机、甚至铁磁性的家具皆会带来干扰。为了解决空间中磁场环境带来的影响，该项目首创性地采用了极小型化电磁线圈的方式来产生可控的磁场。这种极为小型的线圈可以方便地安装在已有的磁场感知系统上，从而免除校准带来的负担，进而实现准确、易用的磁场感知。

（a）展示了小型化的线圈设计

（b）展示了装配在磁场感知器件上的效果

为了验证MAGIC的校准性能，研究团队设计并进行了一系列实验。例如，在自由书写应用场景中， MAGIC可以帮助磁场感知在变化的环境磁场中维持追踪精度。在实验中，研究团队在一个二维平面为单词“MobiCom”绘制预定轨迹。在过程当中，实验组放置了一个常见的骨传导耳机来模拟磁场干扰。如下图所示，追踪轨迹被附近的耳机严重干扰，而MAGIC可以校准误差，因此修正变形的轨迹。在这种方式下，MAGIC能在整个实验中保持误差低于1cm。

MAGIC的校准性能

研究组又测试更多样手写方案，并以此来判断MAGIC的性能。研究组采集了所有一笔画的英文字符，并将采集到的手写轨迹通过常用的MNIST数据集训练的分类器来进行区分。为了深入分析MAGIC的校准性能，研究组也在书写的过程中添加了磁场干扰，并重复多次实验。在这些实验中，研究组对比了采用MAGIC前后的分类精确性。一个惊喜的发现，通过MAGIC的校准，分类的精确度达到了90.3%，而未使用MAGIC校准的结果仅有12.8%。这也证明了通过MAGIC校准，磁场书写数据可由常见的机器学习分类器来精准区分。

MAGIC可以校准磁场移动轨迹

鉴于MAGIC扫清了精准磁场跟踪领域的一个关键“拦路虎”，该技术有着巨大的应用前景。例如在AR/VR/XR领域，经过MAGIC校准的磁场数据可以用于更轻便、不受视线遮挡影响的纯手势交互，从而极大提升磁场感知的普及性和用户体验的沉浸感。值得一提的是，这是陈东尧团队在磁场感知领域的第二篇顶级会议工作，另一姊妹篇MagX: 基于永磁铁的可穿戴、无束缚的手部跟踪技术（MagX: Wearable, untethered hands tracking with passive magnets）发表于MobiCom 2021。

作者介绍

陈东尧

陈东尧，电院助理教授，于美国密西根大学安娜堡分校计算机科学与工程系获得博士学位。研究领域主要为物联网（IoT）系统和安全，探索机器学习与现实生活的结合。其研究成果的主要应用场景是下一代智慧交通与医疗，其中汽车+IoT相关研究已经在现实生活中得到了应用并积累了接近10000公里的真实世界驾驶数据。发表多篇国际顶级学术会议论文。同时，担任国际知名会议如MobiCom 2022和2023，以及MobiHoc 2021的程序委员会委员（TPC member）。

关于国际移动计算与网络会议（MobiCom）

国际移动计算与网络会议（MobiCom）是无线网络和移动计算系统领域的世界顶级学术会议，是CCF A类会议，由ACM SIGMOBILE赞助，致力于解决网络通信和移动计算方向的挑战性难题。ACM MobiCom的论文录取率通常在15%左右（今年为17.6%），2022年全球仅录取56篇。

以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。