特許 7086206 室内位置およびベクトル追跡システムおよび方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-06-09

(45)【発行日】2022-06-17

(54)【発明の名称】室内位置およびベクトル追跡システムおよび方法

(51)【国際特許分類】

   G06F 3/01 20060101AFI20220610BHJP

   H04Q 9/00 20060101ALI20220610BHJP

【ＦＩ】

G06F3/01 570

H04Q9/00 301D

【請求項の数】 20

(21)【出願番号】P 2020550592

(86)(22)【出願日】2018-12-03

(65)【公表番号】

(43)【公表日】2021-02-18

(86)【国際出願番号】 US2018063545

(87)【国際公開番号】W WO2019112924

(87)【国際公開日】2019-06-13

【審査請求日】2021-10-25

(31)【優先権主張番号】15/835,264

(32)【優先日】2017-12-07

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】15/835,021

(32)【優先日】2017-12-07

(33)【優先権主張国・地域又は機関】US

【早期審査対象出願】

(73)【特許権者】

【識別番号】520198454

【氏名又は名称】カシップ，エルエルシー

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(74)【代理人】

【識別番号】100135079

【弁理士】

【氏名又は名称】宮崎 修

(72)【発明者】

【氏名】マウンツ，ミシェル，シー

【審査官】木村 慎太郎

(56)【参考文献】

【文献】米国特許出願公開第２００８／０１３６７７５（ＵＳ，Ａ１）

【文献】特開２００３－２８４１６８（ＪＰ，Ａ）

【文献】特開２０１９－０６１３３４（ＪＰ，Ａ）

【文献】特開２００７－２６６７７２（ＪＰ，Ａ）

【文献】特表２０１７－５１３４１８（ＪＰ，Ａ）

【文献】特開２０００－２３１４２７（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ ３／０１

Ｈ０４Ｑ ９／００

(57)【特許請求の範囲】

【請求項1】

室内位置およびベクトル追跡のためのシステムであって、
屋内空間に配置された複数のアンカーであって、前記複数のアンカーは、各々が無線周波数（ＲＦ）波形を送信するように動作可能な複数の無線周波数送信機を含む、複数のアンカーと、
前記ＲＦ波形に応答して、ＲＦ信号を前記アンカーに送信するように構成されているウェアラブル移動無線周波数識別（ＲＦＩＤ）タグであって、前記複数のアンカーは、前記ウェアラブル移動ＲＦＩＤタグからの前記ＲＦ信号を受信し、前記ＲＦ信号に基づいて前記ウェアラブル移動ＲＦＩＤタグの位置データを集合的に検出するように構成されている、ウェアラブル移動ＲＦＩＤタグと、
前記複数のアンカーおよび少なくとも１つのネットワーク型装置に接続されたインテリジェントコントローラであって、前記インテリジェントコントローラは、コンピュータ読取可能媒体に実装され、
前記複数のアンカーのうちの少なくとも１つから、前記ウェアラブル移動ＲＦＩＤタグの第１の検出に対応する第１の位置データを受信することであって、前記第１の位置データは、前記複数のアンカーによって第１の集合的に検出された位置データを含む、受信することと、
前記複数のアンカーのうちの少なくとも１つから、前記ウェアラブル移動ＲＦＩＤタグの第２の検出に対応する第２の位置データを受信することであって、前記第２の位置データは、前記複数のアンカーによって第２の集合的に検出された位置データを含む、受信することと、
前記第１の位置データおよび前記第２の位置データから、前記ウェアラブル移動ＲＦＩＤタグのパーソナル運動ベクトルを計算することであって、前記パーソナル運動ベクトルは、（１）移動の位置および方向、または（２）前記ウェアラブル移動ＲＦＩＤタグのジェスチャーのうちの少なくとも１つを表す、計算することと、
前記ウェアラブル移動ＲＦＩＤタグに固有のアイデンティティを関連付けることと、
少なくとも前記パーソナル運動ベクトルおよび前記固有のアイデンティティに基づいて、前記少なくとも１つのネットワーク型装置に関する動作を選択することと、
前記少なくとも１つのネットワーク型装置について前記選択された動作を引き起こすように動作可能な前記少なくとも１つのネットワーク型装置に制御命令を送信することと、するように動作可能な制御ロジックを含む、インテリジェントコントローラと、を含むシステム。

【請求項2】

前記選択が、前記固有のアイデンティティに関連する嗜好プロファイルにさらに基づく、請求項１に記載のシステム。

【請求項3】

前記選択が、前記ウェアラブル移動ＲＦＩＤタグの装着者による前記少なくとも１つのネットワーク型装置の制御アクティビティの予測にさらに基づく、請求項１に記載のシステム。

【請求項4】

前記選択が、複数のウェアラブル移動ＲＦＩＤタグに関連する複数のパーソナル運動ベクトルを取得し、前記屋内空間内の前記複数のウェアラブル移動ＲＦＩＤタグのアイデンティティに基づいて選択された動作を決定することにさらに基づく、請求項１に記載のシステム。

【請求項5】

前記選択が、前記ネットワーク型装置の動作に対する嗜好であって、時刻、時期、屋外温度、並びに前記屋内空間に存在するウェアラブル移動ＲＦＩＤタグの数およびアイデンティティのうちの少なくとも１つに基づいた嗜好を決定することにさらに基づく、請求項１に記載のシステム。

【請求項6】

前記選択が、前記パーソナル運動ベクトルを、時刻および前記時刻における前記ネットワーク型装置の好ましい動作に相関させることにさらに基づく、請求項１に記載のシステム。

【請求項7】

前記パーソナル運動ベクトルが、ジェスチャーに対応する一連のパーソナル運動ベクトルの１つであり、前記選択が、前記ジェスチャーを前記ネットワーク型装置の選択可能な動作に相関させることに基づく、請求項１に記載のシステム。

【請求項8】

前記選択が、複数の嗜好プロファイルを相関させ、前記屋内空間内の少なくとも２つのパーソナル運動ベクトルを計算することにさらに基づく、請求項１に記載のシステム。

【請求項9】

室内位置およびベクトル追跡のための方法であって、
インテリジェントコントローラが、屋内空間に配置された複数のアンカーのうちの少なくとも１つから第１の位置データを受信することであって、前記第１の位置データは、前記複数のアンカーによって第１の集合的に検出された位置データを含み、前記複数のアンカーは、各々がＲＦ波形を送信するように動作可能な複数の無線周波数送信機を含み、前記第１の位置データは、前記ＲＦ波形を使用するウェアラブル移動無線周波数識別（ＲＦＩＤ）タグの第１の検出に対応し、前記複数のアンカーは、前記ウェアラブル移動ＲＦＩＤタグからのＲＦ信号を受信し、前記ＲＦ信号に基づいて前記ウェアラブル移動ＲＦＩＤタグの位置データを集合的に検出するように構成されている、受信することと、
前記インテリジェントコントローラが、前記複数のアンカーのうちの少なくとも１つから第２の位置データを受信することであって、前記第２の位置データが、前記ウェアラブル移動ＲＦＩＤタグの第２の検出に対応する、前記第２の位置データは、前記複数のアンカーによって第２の集合的に検出された位置データを含む、受信することと、
前記第１の位置データおよび前記第２の位置データから、前記ウェアラブル移動ＲＦＩＤタグのパーソナル運動ベクトルを計算することであって、前記パーソナル運動ベクトルは、（１）移動の位置および方向、または（２）前記ウェアラブル移動ＲＦＩＤタグのジェスチャーのうちの少なくとも１つを表す、計算することと、
前記ウェアラブル移動ＲＦＩＤタグに固有のアイデンティティを関連付けることと、
少なくとも前記パーソナル運動ベクトルおよび前記固有のアイデンティティに基づいて、前記少なくとも１つのネットワーク型装置に関する動作を選択することと、
前記少なくとも１つのネットワーク型装置について前記選択された動作を引き起こすように動作可能な前記少なくとも１つのネットワーク型装置に制御命令を送信することと、を含む方法。

【請求項10】

前記選択が、前記固有のアイデンティティに関連する選好プロファイルにさらに基づく、請求項９に記載の方法。

【請求項11】

前記選択が、前記ウェアラブル移動ＲＦＩＤタグの装着者による前記少なくとも１つのネットワーク型装置の制御アクティビティの予測にさらに基づく、請求項９に記載の方法。

【請求項12】

前記選択が、複数のウェアラブル移動ＲＦＩＤタグに関連する複数のパーソナル運動ベクトルを取得し、前記屋内空間内の前記複数のウェアラブル移動ＲＦＩＤタグのアイデンティティに基づいて選択された動作を決定することにさらに基づく、請求項９に記載の方法。

【請求項13】

前記パーソナル運動ベクトルが、ジェスチャーに対応する一連のパーソナル運動ベクトルの１つであり、前記選択が、前記ジェスチャーを前記ネットワーク型装置の選択可能な動作に相関させることに基づく、請求項９に記載の方法。

【請求項14】

室内位置およびベクトル追跡のための装置であって、
複数のアンカーに接続可能なネットワーク・インターフェース・コントローラ（ＮＩＣ）であって、前記複数のアンカーは、ＲＦ波形を送信し、前記ＲＦ波形を使用してウェアラブル移動無線周波数識別（ＲＦＩＤ）タグを検出するように各々動作可能な複数の無線周波数送信機を含み、前記複数のアンカーは、前記ウェアラブル移動ＲＦＩＤタグからのＲＦ信号を受信し、前記ＲＦ信号に基づいて前記ウェアラブル移動ＲＦＩＤタグの位置データを集合的に検出するように構成されており、前記インターフェースは、
前記複数のアンカーのうちの少なくとも１つから、前記ウェアラブル移動ＲＦＩＤタグの第１の検出に対応する第１の位置データを受信することであって、前記第１の位置データは、前記複数のアンカーによって第１の集合的に検出された位置データを含む、受信することと、
前記複数のアンカーのうちの少なくとも１つから、前記ウェアラブル移動ＲＦＩＤタグの第２の検出に対応する第２の位置データを受信することであって、前記第２の位置データは、前記複数のアンカーによって第２の集合的に検出された位置データを含む、受信することと、をするように動作可能である、ＮＩＣと、
前記ＮＩＣから前記第１の位置データおよび前記第２の位置データを受信し、前記第１の位置データおよび前記第２の位置データから前記ウェアラブル移動ＲＦＩＤタグのパーソナル運動ベクトルを計算するように動作可能なベクトル計算モジュールであって、前記パーソナル運動ベクトルが、（１）移動の位置および方向、または（２）前記ウェアラブル移動ＲＦＩＤタグのジェスチャーのうちの少なくとも１つを表す、ベクトル計算モジュールと、
制御モジュールであって、
前記ウェアラブル移動ＲＦＩＤタグを固有のアイデンティティに関連付けることと、
少なくとも前記パーソナル運動ベクトルおよび前記固有のアイデンティティに基づいて、前記少なくとも１つのネットワーク型装置に関する動作を選択することと、
少なくとも１つのネットワーク型装置に対する制御命令を前記ＮＩＣに送信することであって、前記ＮＩＣはさらに、前記制御命令を前記少なくとも１つのネットワーク型装置に送信し、前記少なくとも１つのネットワーク型装置に前記選択された動作を引き起こすように動作可能である、送信することと、をするように動作可能な制御モジュールと、を含む装置。

【請求項15】

前記選択が、前記固有のアイデンティティに関連する嗜好プロファイルにさらに基づく、請求項１４に記載の装置。

【請求項16】

前記選択が、複数のウェアラブル移動ＲＦＩＤタグに関連する複数のパーソナル運動ベクトルを取得し、屋内空間内の前記複数のウェアラブル移動ＲＦＩＤタグのアイデンティティに基づいて選択された動作を決定することにさらに基づく、請求項１４に記載の装置。

【請求項17】

前記パーソナル運動ベクトルが、ジェスチャーに対応する一連のパーソナル運動ベクトルの１つであり、前記選択が、前記ジェスチャーを前記ネットワーク型装置の選択可能な動作に相関させることに基づく、請求項１４に記載の装置。

【請求項18】

前記選択が、複数の嗜好プロファイルを相関させ、屋内空間内の少なくとも２つのパーソナル運動ベクトルを計算することにさらに基づく、請求項１４に記載の装置。

【請求項19】

前記パーソナル運動ベクトルに基づいて、ウェアラブル移動ＲＦＩＤタグの装着者のアクティビティを予測することに基づいて、前記少なくとも１つのネットワーク型装置に対して前記動作を選択する予測アルゴリズムを適用するように動作可能な予測制御モジュールをさらに含む、請求項１４に記載の装置。

【請求項20】

前記選択が、前記ネットワーク型装置の動作に対する嗜好であって、時刻、時期、屋外温度、並びに屋内空間に存在するウェアラブル移動ＲＦＩＤタグの数およびアイデンティティのうちの少なくとも１つに基づいた嗜好を決定することにさらに基づく、請求項１４に記載の装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、一般に、制御システムに関し、より詳細には、室内位置およびベクトル追跡システムを使用するためのシステムおよび方法、ならびにホームオートメーションシステムの動作を改善するための方法に関する。

【背景技術】

【0002】

ホームオートメーションシステムは、照明を起動したり、家の中の温度を調節したりするような日常的なタスクを自動化することによって、家の居住者にサービスを提供しようとする。しかしながら、今日まで、ホームオートメーションシステムは、ホームオートメーションシステムの性能を居住者の固有の要求に完全に合わせることができないフィードバックおよび制御のために、初歩的な制御機構を利用してきた。

【発明の概要】

【0003】

本開示の教示によれば、ホームオートメーションシステムに関連する欠点および問題は、実質的に低減または除去されている。特に、室内位置およびベクトル追跡システムおよび方法は、ホームオートメーション技術における実質的な改良を提供する。

【0004】

本開示の別の実施形態によれば、位置追跡のためのシステムは、屋内空間に配置されたアンカーを含み、アンカーは、無線周波数（ＲＦ）波形を送信するように各々動作可能な複数の無線周波数送信機を表す。システムはまた、ＲＦ波形に応答するウェアラブル移動無線周波数識別（ＲＦＩＤ）タグと、アンカーに接続されたインテリジェントコントローラと、ネットワーク型装置とを含む。インテリジェントコントローラは、アンカーから、ウェアラブル移動ＲＦＩＤタグの第１の検出に対応する第１の位置データを受信し、複数のアンカーから、ウェアラブル移動ＲＦＩＤタグの第２の検出に対応する第２の位置データを受信するように動作可能である。インテリジェントコントローラは、第１の位置データおよび第２の位置データから、移動ＲＦＩＤタグのパーソナル運動ベクトルを計算するように動作可能であり、パーソナル運動ベクトルは、（１）移動の位置および方向、または（２）移動ＲＦＩＤタグのジェスチャーのうちの少なくとも１つを表す。インテリジェントコントローラは、ウェアラブルＲＦＩＤタグを固有のアイデンティティに関連付け、少なくともパーソナル運動ベクトルおよび固有のアイデンティティに基づいてネットワーク型装置に関する動作を選択し、ネットワーク型装置に対して選択された動作を引き起こすように動作可能なネットワーク型装置に制御命令を送信するようにさらに動作可能である。

【0005】

本開示の一実施形態によれば、室内位置追跡およびベクトル追跡のための方法は、インテリジェントコントローラが、屋内空間に配置された１つ以上のアンカーから位置データを受信することを含み、アンカーは、ＲＦ波形を送信するように動作可能な無線周波数送信機を含み、位置データは、ＲＦ波形を用いたウェアラブル移動無線周波数識別（ＲＦＩＤ）タグの検出に対応する。本方法は、さらに、位置データに基づいて、移動ＲＦＩＤタグのパーソナル運動ベクトルを計算することを含み、パーソナル運動ベクトルは、（１）移動の位置および方向、または（２）移動ＲＦＩＤタグのジェスチャーを表す。本方法は、ウェアラブルＲＦＩＤタグを固有のアイデンティティに関連付けることと、少なくともパーソナル運動ベクトルおよび固有のアイデンティティに基づいてネットワーク型装置に関する動作を選択することと、ネットワーク型装置に対して選択された動作を引き起こすように動作可能な制御命令をネットワーク型装置に送信することと、を含む。

【0006】

本発明の特定の実施形態の技術的利点は、制御決定を行うときにウェアラブルタグのパーソナル運動ベクトルを検出し、考慮することができる改良された制御システムを含む。インテリジェントコントローラ内の技術の改善を含むホームオートメーションシステムのフィードバックおよび制御機構を改善することにより、様々な他の利点を達成することができる。本開示の他の技術的利点は、以下の図面、説明、および特許請求の範囲から当業者には容易に明らかになるであろう。さらに、特定の利点は上述したが、様々な実施形態は、それらの利点のいくつか、すべて、または全く含まない。

【図面の簡単な説明】

【0007】

本発明ならびにその特徴および利点をより完全に理解するために、添付の図面と併せて以下の説明を参照する。

【0008】

【図1】本開示の教示によるホームオートメーションのためのシステムの例示的実施形態を示すブロック図である。

【図2】本開示の教示によるインテリジェントコントローラの例示の実施形態を示すブロック図である。

【図3】本開示の教示によるホームオートメーションのためのシステムにおける制御動作の例示の実施形態を示すブロック図である。

【図4A】本開示の教示によるホームオートメーション制御のための例示のジェスチャーを示す斜視図である。

【図4B】本開示の教示によるホームオートメーション制御のための例示のジェスチャーを示す斜視図である。

【図4C】ジェスチャーを検出する例示の実施形態の図示である。

【図5】本開示の教示によるホームオートメーションのための方法の例示の実施形態を示すフローチャートである。

【図6】適応学習モジュールを備えたホームオートメーションシステムを構成するための方法の例示の実施形態を示すフローチャートである。

【発明を実施するための形態】

【0009】

本開示の実施形態およびその利点は、図１～図６を参照することによって最もよく理解され、同様の数字は、種々の図面の同様の部分および対応する部分を指す。

【0010】

家のような伝統的な環境は、これまで多くの自動化された装置およびアプリケーションに直面しているが、ホームオートメーションシステムの高度化は、歴史的に他の産業よりも遅れている。しかし、近年、消費者が利用可能な接続されるモノのインターネット（ＩｏＴ）装置およびアプリケーションの数が増加している。これらの装置およびアプリケーションは、センサ入力を受け、その入力に基づいてアクションをとることによって、居住者に役立つ。例えば、運動検出器は、運動が検出される場合、照明をオンにすることができる。これらの基本的な制御機構は、多くの欠陥に悩まされている。前の例を使用すると、居住者があまりにも長く静止したままでいる場合（またはモーションセンサーの視線の外側に位置している場合）、タイマーは、居住者が室内にいて、照明をオンにしたままにすることを希望しても、照明をオフさせることがある。これらの基本的なコントローラは、個人がどこにいるのかを知るため、個人が部屋に入るときに照明をオンしたいのかどうかを知るため、または別の例を使用すると、家用空調システムの温度設定を個人が上げたいのか下げたいのかを個人からそうするように指令を受けずに知るための必要なメカニズムを欠いている。具体的には、これらのメカニズムはまた、異なるアクションを取ることを望む個人を区別する能力を欠いており、どのアクションを取るべきかを決定するために使用されるであろう室内のそれら個人の移動方向を決定する能力を欠いている。

【0011】

本開示は、このようなシステムは、誰が家にいるか、部屋のどこにいるか、どの方向に、どのような速度で現在移動しているのかを決定するメカニズムを欠いていることを認識している。これらおよび他の欠点を改善するホームオートメーションシステムを提供するために、本開示は、この情報を追跡し、それを使用するために、改善された制御機構とその制御アルゴリズムが必要であることを認識する。例えば、本開示は、個人的な動きベクトルに基づいて個々の居住者の好みを利用および／または学習することができる高度な制御アルゴリズムと同様に、個々の家の居住者の個人的な動きベクトルを取得および計算するためのメカニズムを認識し、開示する。家の周囲の様々な場所に配置されたアンカーは、ＵＷＢのような無線周波数技術を利用して、家の居住者が着用し得る無線周波数識別子の位置を計算することができる。ウェアラブルタグは、リストバンドまたはネックレスとして都合よく具体化することができ、またはスマートウォッチまたは同様の装置内に含めることができる。ウェアラブルタグに関連する位置データは、ウェアラブルタグの装着者に関連する個人的な運動ベクトルを計算するために連続的に分析され得る。これらの個人的な運動ベクトルは、居住者の移動の位置および方向を明らかにし、さらに、居住者が行っている正確なジェスチャーを検出するために計算することができる。この情報は、個人的な動きベクトルを観察し、それらのベクトルを好ましい制御アクティビティと関連付けることによって、ユーザの好みを学習することができる制御アルゴリズムをエンパワーし、およびＩｏＴおよび他の装置のネットワークに関してアクションをとる入力として利用することができる。

【0012】

図１は、本開示の教示によるホームオートメーションのための制御システム１０の例示の実施形態を示すブロック図である。制御システム１０は、複数のアンカー１００ａ～１００ｄ（個々にまたは集合的に、本明細書においてアンカー１００と称することがある）と、１つ以上のウェアラブルタグ１０２ａ～１０２ｂ（個々にまたは集合的に、本明細書においてウェアラブルタグ１０２と称することがある）、インテリジェントコントローラ１０４、ネットワーク１０８、ユーザ機器装置（ＵＥ）１１０、およびネットワーク型装置１１２ａ～１１２ｄ（個々にまたは集合的に、本明細書においてネットワーク型装置１１２と称することがある）。

【0013】

制御システム１０は、インテリジェントコントローラ１０４の制御下にある様々なネットワーク型装置１１２を含む、家、オフィス、または他の屋内空間の１つ以上の部屋を含むことができる。アンカー１００は、１つ以上のウェアラブルタグ１０２の位置データを集合的に検出し、位置データをインテリジェントコントローラ１０４に送信する。インテリジェントコントローラ１０４は、位置データを使用して、１つ以上のウェアラブルタグ１０２の位置およびパーソナル運動ベクトル（ウェアラブルタグ１０２ａに関するベクトル

【数1】

など）を決定する。ウェアラブルタグ１０２の装着者のアイデンティティおよびウェアラブルタグ１０２のパーソナル運動ベクトルは、装置を直接制御するための入力として、および／または１つ以上のネットワーク型装置１１２を制御するための予測および／または学習アルゴリズムへの入力として使用され得る。ホームオートメーションシステム１０は、ウェアラブルタグ１０２の装着者のアイデンティティおよびそれぞれのパーソナル運動ベクトルを使用して、ネットワーク型装置１１２の制御を、個々の乗員の正確な要求および嗜好により細かく合わせることができる。

【0014】

アンカー１００は、ウェアラブルタグ１０２の位置を特定するために、無線周波数（ＲＦ）パルスを送受信することができる適切なアンテナに結合された無線トランシーバモジュールを含む。アンカー１００は、ウェアラブルタグ１０２から発せられたおよび／または反射されたＲＦ信号の飛行時間（ＴｏＦ）を測定することによって、ウェアラブルタグ１０２の２次元または３次元位置を三角測量して、ウェアラブルタグ１０２の位置を計算することができる。追加的または代替的に、ウェアラブルタグ１０２が、様々なアンカー１００から受信された信号のＴｏＦを測定し、位置データをアンカー１００に送信することができる。様々なアンカー１００またはウェアラブルタグ１０２へのＲＦ信号の到着時間差（ＴＤＯＡ）が利用されて、三角測量を使用したウェアラブルタグ１０２の正確な位置を計算することができる。この計算は、ウェアラブルタグ１０２またはアンカー１００の１つ以上によって行うことができる。アンカー１００ａ～１００ｄが図示の実施形態において示されているが、システム１０は、必要に応じて任意の適切な数のアンカーを含むことができることに留意されたい。例えば、アンカー１００のサブセットが屋内空間の各部屋で利用されて、各部屋内でウェアラブルタグ１０２を十分に三角測量することができる。

【0015】

いくつかの実施形態では、アンカー１００および／またはウェアラブルタグ１０２が、直交周波数分割多重化（ＯＦＤＭ）変調スキームを利用して、超広帯域（ＵＷＢ）信号ＲＦパルスを送信および／または受信することができる。ＵＷＢは、広い周波数キャリア信号（３．１～１０．６ＧＨｚ）で、－４１．３ ｄＢｍ／ＭＨｚの範囲の低エネルギー信号を、毎秒１～１００メガパルスの短パルスに対して使用できる無線技術である。いくつかの実施形態において、ＵＷＢは、２次元または３次元空間におけるウェアラブルタグ１０２の位置を、誤差の５～１０ｃｍのマージン内で毎秒１～１０回検出するアンカー１００および／またはウェアラブルタグ１０２によって有益に利用され得る。いくつかの実施形態では、アンカー１００は、ＴｏＦおよび／またはＴＤＯＡデータを互いに通信し、および／またはウェアラブルタグ１０２の位置データをインテリジェントコントローラ１０４に通信する第２の無線トランシーバモジュールを含み得る。位置データは、ウェアラブルタグ１０２の｛ｘ，ｙ，ｚ｝座標と、ウェアラブルタグ１０２のアイデンティティとを、ウェアラブルタグ１０２がその座標に位置する時間を表すタイムスタンプとともに含み得る。アンカー１００によって提供される座標は、必ずしも絶対位置である必要はないことを理解されたい。いくつかの実施形態において、アンカー１００によって報告される座標は、いくつかの特定の開始位置からの相対値、および／または互いに対する相対値であり得る。例えば、１つのアンカー１００ａが、｛０，０，０｝の座標を有するように任意に設定されてもよく、他のアンカー１００および装置が、アンカー１００ａの位置に対して決定されてもよい。また、アンカー１００の第１の無線モジュールに関してＵＷＢを説明したが、ウェアラブルタグ１０２の十分な位置分解能を提供することができる限り、任意の適切な屋内位置決め技術（Ｗｉ－Ｆｉ、ＲＦＩＤ、超音波、またはＧＰＳなど）を利用することができることにも留意されたい。第２の無線モジュールは、Ｗｉ－Ｆｉ、赤外線、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの無線プロトコル、または他の適切な無線プロトコルを利用して、位置データをインテリジェントコントローラ１０４に通信することができる。いくつかの実施形態では、アンカー１００は、メッシュネットワークを形成することができる。

【0016】

ウェアラブルタグ１０２は、アンカー１００にＲＦ信号を発することができるロケータタグを含む。ウェアラブルタグ１０２が、無線周波数識別子（ＲＦＩＤ）タグを含んでもよく、ウェアラブルタグが、アンカー１００から受信したＲＦ信号の反射器を含んでもよい。ウェアラブルタグ１０２は、アンカー１００が、ウェアラブルタグ１０２の固有の識別子として、変調された信号を解釈することができるように、反射信号を変調することができる。代替的には、ウェアラブルタグ１０２が、アンカー１００から様々なＲＦ信号を受信し、位置データを１つ以上のアンカー１００に送信することができるトランシーバモジュールを含み得る。このような実施形態では、ウェアラブルタグ１０２が、アンカー１００からのＲＦ信号のＴＤＯＡを測定し、ＴＤＯＡを使用して、ウェアラブルタグ１０２の３次元座標を三角測量するための回路を含み得る。アンカー１００からの同期ＲＦパルスの受信に応答して、ウェアラブルタグ１０２は、位置データを１つ以上のアンカー１００に送信することによって応答することができる。いくつかの実施形態では、ウェアラブルタグ１０２が、アンカー１００からのＲＦパルスの反射器として動作してもよく、このような実施形態では、アンカー１００が、インテリジェントコントローラ１０４への送信のための位置データを生成する責任を負うことがある。ウェアラブルタグ１０２が、時計、リストバンド、ネックレスなどの装着可能なアクセサリを含むか、または装着可能なアクセサリに組み込まれ得る。いくつかの実施形態では、ウェアラブルタグ１０２が、スマートウォッチ内に含まれるか、スマートウォッチ上に含まれるか、またはスマートウォッチの一部として含まれ得る。特に、ウェアラブルなタグ１０２および／またはアンカー１００は、アンカー１００からの信号が適切な時間および／または間隔で不連続とされる不連続受信モード（ＤＲＸ）で動作することができる。例えば、ＤＲＸモードは、ウェアラブルタグ１０２の座標が実質的に変化していない（すなわち、ウェアラブルタグ１０２は概ね静止している）という決定に基づいてトリガされ得る。次いで、ＤＲＸモードは、アンカー１００および／またはウェアラブルタグ１０２に、ウェアラブルタグ１０２が能動的に移動しているときよりも長いサイクルでＲＦ信号を送信／発せさせることができる。ＤＲＸモードは、ウェアラブルタグ１０２の座標が変化したことを検出すると、無効にすることができる。

【0017】

インテリジェントコントローラ１０４は、システム１０内の１つ以上のウェアラブルタグ１０２の位置データを受信し、ウェアラブルタグ１０２のパーソナル運動ベクトル

【数2】

を計算することができ、システム１０内の１つ以上のネットワーク型装置１１２の動作を制御するための集中フィードバックベースのコントローラを含む。例えば、図示の実施形態では、パーソナル運動ベクトル

【数3】

は、ウェアラブルタグ１０２ａの位置データ（ｘ、ｙ、および／またはｚ座標）およびウェアラブルタグ１０２ａの移動方向を含み得る。いくつかの実施形態では、パーソナル運動ベクトル

【数4】

はまた、ウェアラブルタグ１０２ａの速度を含み得る。インテリジェントコントローラ１０４は、ウェアラブルタグ１０２のユーザの移動方向としてパーソナル運動ベクトル

【数5】

を解釈することができ得る。パーソナル運動ベクトル

【数6】

は、ウェアラブルタグ１０２ａの運動状態を追加的または代替的に示すことができる。例えば、速度ゼロのパーソナル運動ベクトル

【数7】

は、ウェアラブルタグ１０２ａの移動またはがアクティビティがないことを示すことができる。インテリジェントコントローラ１０４はまた、ウェアラブルタグ１０２ｂおよび任意の数の追加のウェアラブルタグ１０２のパーソナル運動ベクトルを、一度に、および／または、ウェアラブルタグ１０２ａと並列に、計算することができる。インテリジェントコントローラ１０４は、プログラマブル・ロジック・コントローラ、特定用途向け集積回路（ＡＳＩＣ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、および／またはコンピュータプロセッサを、１つ以上のメモリおよび制御ロジックと共に含むか、またはそれらを備え得る。インテリジェントコントローラ１０４は、非一時的コンピュータ読取可能媒体に実装された制御ロジックを含んでもよい。インテリジェントコントローラ１０４は、ウェアラブルタグ１０に関連する固有のアイデンティティ、ウェアラブルタグ１０２のパーソナル運動ベクトル、ネットワーク型装置１１２のステータス、およびネットワーク型装置１１２の動作について知的な決定を行うための他の適切なインテリジェンスを利用するための１つ以上のフィードバックベースの制御アルゴリズムを含む。

【0018】

インテリジェントコントローラ１０４は、ウェアラブルタグ１０２の特定のユーザからのジェスチャーとして、１つ以上のパーソナル運動ベクトルを追加的にまたは代替的に解釈することができる。インテリジェントコントローラ１０４は、ジェスチャーとしてパーソナル運動ベクトルのセットを解釈するパターン認識ロジックを含み得る。ジェスチャーは、１つ以上のネットワーク型装置１１２の制御動作を開始するインテリジェント制御ハブによって利用され得る。追加的または代替的に、ジェスチャーは、インテリジェントコントローラ１０４による１つ以上のネットワーク型装置の動作に関するフィードバックとしてインテリジェントコントローラ１０４によって使用され得る。別の例として、インテリジェントコントローラ１０４は、ジェスチャーベースのフィードバックに基づいて様々な装置１１２の位置を学習する訓練・ロジックを含み得る。ジェスチャーベースのフィードバックはまた、装置１１２の設定のためのユーザの嗜好を更新し学習することができる人工知能アルゴリズムへの入力として使用され得る。例えば、インテリジェントコントローラ１０４が、特定の部屋に向かって移動するウェアラブルタグ１０２の存在に基づいて照明を起動させることを決定する場合、ジェスチャーは、ユーザが照明を起動させることを望まないインテリジェントコントローラ１０４への命令として利用され得る。インテリジェントコントローラ１０４は、時刻、時期、および／または他のウェアラブルタグ１０２の位置のような、照明起動フィードバックが提供された状況（コンテキスト）を記録することができる。これらの状況は、ウェアラブルタグ１０２のユーザの優先度プロファイルを更新するため、および／またはインテリジェントコントローラ１０４の予測制御アルゴリズムを更新するために利用され得る。例えば、インテリジェントコントローラ１０４は、ウェアラブルタグ１０２のユーザが、子供の他のウェアラブルタグ１０２が隣接する部屋に存在するときには、夜間に廊下の照明をオンにしないことを好むが、子供が隣接する部屋に存在しないときには、廊下の照明をオンにすることを好むという状況に基づいて、経時的に学習することができる。インテリジェントコントローラ１０４によって利用されるフィードバック制御アルゴリズムの追加の例示の実施形態は、インテリジェントコントローラ１０４の動作の例示の実施形態に関して以下に説明する。インテリジェント制御ハブのより詳細な実施形態を、図２に関して以下に説明する。インテリジェントコントローラ１０４が、パーソナル運動ベクトルのセットをジェスチャーとしてどのように解釈し得るのかについての例示の実施形態を図３に関して以下に説明する。

【0019】

ネットワーク１０８は、スマートフォン、テーブルなどのＵＥ１１０がネットワーク１０８を使用してインテリジェントコントローラ１０４と通信することを可能にするハブ、スイッチ、ルータ、および関連シグナリングの任意の適切な組み合わせを含む。ネットワーク１０８はホームネットワーク（例えばＷｉ－Ｆｉネットワーク）を表すことができ、および／またはインターネットを含むことができる。

【0020】

ＵＥ１１０は、インターフェースを表示し、ネットワーク１０８を利用してインテリジェントコントローラ１０４との間でデータを通信することができる任意の装置を含む。いくつかの実施形態では、ＵＥは、インテリジェント制御ハブ１０８と対話するためのアプリケーションインターフェース（スマートフォンアプリなど）を含むスマートフォンまたはタブレットを備え得る。ＵＥ１１０は、ネットワーク１０８を利用して、例えば、ネットワーク型装置１１２を構成し、ウェアラブルタグ１０２に関連するユーザプロファイルをセットアップし、ユーザプロファイルに関連する優先度データを入力し、および／またはシステム１０内の装置１１２のレイアウトに関するデータを入力するために、インテリジェント制御ハブ１０８と対話することができる。

【0021】

ネットワーク型装置１１２は、ＩｏＴ装置のようなインテリジェントコントローラ１０４に接続可能なネットワーク型装置を備える。ネットワーク型装置１１２は、インテリジェントコントローラ１０４からコマンドおよび／または信号を受信する伝送モジュールと、それらの信号および／またはコマンドに基づいて適切なアクションをとる論理または回路とを含む任意の装置を含み得る。ネットワーク型装置１１２は、Ｗｉ－Ｆｉ、制御エリア・ネットワーク（ＣＡＮ）、Ｂｌｕｅｔｏｏｔｈ、赤外線、Ｘ１０、他の有線もしくは無線プロトコルなどいずれかの適切な通信プロトコルの１つ以上を使用して、インテリジェントコントローラ１０４と通信することができる。ネットワーク型装置１１２は、照明および／または照明制御モジュール、自動窓およびドアロック、セキュリティシステム、ビデオ監視システム、空調および加熱システムおよび／またはサーモスタット（スマートサーモスタットを含む）、冷蔵庫、ガレージドア、空気清浄器、加湿器、またはインテリジェントコントローラ１０４に接続可能であり、インテリジェントコントローラ１０４からのコマンドまたは信号に適切なアクションをとることによって応答することが可能な他の家庭用機器または事務用機器を含むことができる。いくつかの実施形態では、１つ以上のネットワーク型装置１１２は、装置ステータスまたは装置１１２の動作に関する他の情報などのデータをインテリジェントコントローラ１０４に送信することができ得る。

【0022】

動作において、インテリジェントコントローラ１０４は、１つ以上のアンカー１００から受信した位置データに基づいて、１つ以上のウェアラブルタグ１０２のパーソナル運動ベクトルを計算する。いくつかの実施形態において、位置データは、それらの座標に関連する位置座標およびタイムスタンプを含み得る。タイムスタンプは、アンカー１００によって座標が検出された時間を表すことができる。インテリジェントコントローラ１０４は、いくつかの実施形態では、ウェアラブルタグ１０２の位置、方向、および速度を含む、計算されたパーソナル運動ベクトルを利用して、１つ以上のネットワーク型装置１１２の動作に関するインテリジェントな決定を行う。

【0023】

インテリジェントコントローラ１０４は、ウェアラブルタグ１０２のパーソナル運動ベクトル、ウェアラブルタグ１０２に関連するユーザ嗜好プロファイル、および／または他のウェアラブルタグ１０２に基づいて、ネットワーク型装置１１２に制御命令を送信することができる。ウェアラブルタグ１０２に関連するユーザプロファイルは、時刻、天候、または他の嗜好などの、ユーザの固有の状況に基づいて、選択されたネットワーク型装置１１２に関するアクションの好みを含み得る。例えば、ウェアラブルタグ１０２ａのユーザは、調光可能なライト１１２を、時刻または天候に基づいて特定の設定に設定することを望み得る。別の例として、ウェアラブルタグ１０２ａの装着者は、インテリジェントコントローラ１０４が、そのウェアラブルタグ１０２ａのパーソナル運動ベクトルに基づいて夜間に照明をオンにしないことを決定することができるような家庭用ペットであり得る。別の例として、インテリジェントコントローラ１０４は、ウェアラブルタグ１０２ｂが部屋に継続して存在することに基づいて、ウェアラブルタグ１０２ａが部屋を離れても照明をオンのままにすることを決定することができる。

【0024】

アンカー１００は、アンカー１００および／またはウェアラブルタグ１０２から送信されたＲＦパルスに基づいて、アンカー１００がその空間内のウェアラブルタグ１０２の位置を三角測量することができるように、屋内空間内に配置され得る。アンカー１００は、内部空間の１つ以上の部屋の周囲に沿って、またはウェアラブルタグ１０２からの信号を三角測量するのに有効な他の任意の適切な位置に配置され得る。いくつかの実施形態では、アンカー１００は、ウェアラブルタグ１０２から反射された信号のＴＤＯＡを測定するために、規則的な間隔でＲＦパルスを送信する。ＲＦパルスは、ＵＷＢ波形であり得る。いくつかの実施形態では、ウェアラブルタグ１０２はまた、ウェアラブルタグ１０２の固有の識別子で送信されたＲＦパルスを変調することによって、送信されたＲＦパルスに応答する能力を含み得る。アンカー１００は、ウェアラブルタグ１０２の固有のアイデンティティについて変調された信号を分析することができ、反射された信号のＴＤＯＡを分析してウェアラブルタグ１０２の３次元空間における位置を決定することができる。アンカー１００は、ウェアラブルタグ１０２と共に装着者が部屋から部屋へ移動するにつれて、ウェアラブルタグ１０２のパーソナル運動ベクトルが実質的に連続的に監視され得るように、家の様々な部屋に設置することができる。

【0025】

インテリジェントコントローラ１０４は、複数のアンカー１００およびネットワーク型装置１１２に接続され得る。インテリジェントコントローラ１０４は、周期的な間隔でウェアラブルタグ１０２の位置データを受信するように構成され得る。例えば、インテリジェントコントローラ１０４は、アンカー１００のうちの１つ以上から、ウェアラブルタグ１０２ａの第１の検出に対応する第１の位置データを受信することができる。インテリジェントコントローラ１０４は、その後、他のアンカー１００のうちの１つ以上から、ウェアラブル移動ＲＦＩＤタグの第２の検出に対応する第２の位置データを受信することができる。第１位置データおよび第２位置データは、ウェアラブルタグ１０２のアイデンティティ、ウェアラブルタグ１０２の（ｘ、ｙ、および／または、ｚ）座標、および／または、これらの座標が検出された時間にウェアラブルタグ１０２が位置していた時間に関連するタイムスタンプを含み得る。第１および第２位置データに基づいて、インテリジェントコントローラ１０４は、ウェアラブルタグ１０２のパーソナル運動ベクトルを計算し、ウェアラブルタグ１０２の固有のアイデンティティをベクトルに関連付ける。パーソナル運動ベクトルは、ウェアラブルタグ１０２の位置、移動方向、および速度を含み得る。

【0026】

インテリジェントコントローラ１０４がアンカー１００から位置データを受信し続けると、インテリジェント制御ハブはウェアラブルタグ１０２のパーソナル運動ベクトルを継続的に更新することができる。インテリジェントコントローラ１０４はまた、複数の連続するパーソナル運動ベクトルをセットに収集することができる。これらのセットは、ウェアラブルタグ１０２のユーザがインテリジェントコントローラ１０４への制御フィードバックの形態として意図されたジェスチャーを行っているかどうかを決定するために、既知のジェスチャーとパターン整合され得る。パーソナル運動ベクトル、ジェスチャー、ウェアラブルタグ１０２のアイデンティティ、および／または１つ以上の他の選択基準に基づいて、インテリジェントコントローラ１０４は、ネットワーク型装置１１２の1つ以上に関する動作を選択することができる。ネットワーク型装置１１２に選択された動作を実行させるのに有効な制御命令は、インテリジェントコントローラ１０４によって、選択されたネットワーク型装置１１２に送信することができる。インテリジェントコントローラ１０４は、制御アルゴリズムを実行して、１つ以上のウェアラブル装置１０２のパーソナル運動ベクトルに応答してシステム１０の状態をどのように変化させるべきかを決定することができる。これらの決定は、ウェアラブル装置１０２の固有のアイデンティティに関連する選好プロファイルに基づいてもよい。本開示の教示によれば、インテリジェントコントローラ１０４は、ジェスチャーが検出された位置に基づいて、同じジェスチャーを異なるように解釈することができる。例えば、台所で手首を回転させることは、台所のステレオオーディオレベルを下げる制御命令として解釈することができ、一方、同じジェスチャーが、寝室で検出されたときには、テレビの音を小さくする制御命令として解釈することができる。

【0027】

インテリジェントコントローラ１０４は、多くの方法のうちの任意の１つ以上の方法で、好みのプロファイルを適応的に更新することができる。例えば、インテリジェントコントローラ１０４は、パーソナル運動ベクトルのセットが、インテリジェントコントローラ１０４によって取られたアクションがウェアラブル装置１０２のユーザのパーソナル嗜好内にあったかどうかを示すジェスチャーを表すことを計算することに基づいて、嗜好プロファイルを更新することができる。インテリジェントコントローラ１０４は、ジェスチャーベースのフィードバックを、アクションが取られた状況、例えば、時刻、時期、天候、およびウェアラブルタグ１０２ａの近傍における他のウェアラブルタグ１０２ｂの存在などと結合させることができる。この情報は、インテリジェントコントローラ１０４によって使用され、将来、同様の状況下で取られるアクションを修正するために、その予測分析エンジンおよびウェアラブルタグ１０２ａおよび／または１０２ｂの１つ以上の嗜好プロファイルを更新する。

【0028】

インテリジェントコントローラ１０４はまた、ウェアラブルタグ１０２を装着者によって取られる手動アクティビティを同様の方法で観察することができる。例えば、インテリジェントコントローラ１０４は、１つ以上のネットワーク型装置１１２の手動動作を、ウェアラブルタグ１０２のパーソナル運動ベクトルと結合することができる。インテリジェントコントローラ１０４はまた、検出された手動アクティビティおよび運動ベクトルを利用して、ネットワーク型装置１１２が内部空間内にある地図を動的に構築することができる。例えば、インテリジェントコントローラ１０４は、コントローラ１０４がスイッチがオンまたはオフにされる状態変化情報を受信したときに、その位置におけるパーソナル運動ベクトルの一貫した存在に基づいて、照明スイッチが特定のｘ、ｙ、ｚ座標にあると決定することができる。複数のウェアラブルタグ１０２がシステム１０内に位置しているときに、インテリジェント制御ハブ１１２は、ネットワーク型装置１１２の連続動作にわたる同じ位置でのパーソナル運動ベクトルの有無に基づいて候補位置を除去するプロセスを介して、種々のネットワーク型装置の位置を学習することができる。例えば、ネットワーク型装置１１２ａが初めて動作し、ウェアラブルタグ１０２ａが位置｛１，２，１０｝にあり、ウェアラブルタグ１０２ｂが｛３，５，１０｝にある場合、インテリジェントコントローラ１０４は、ネットワーク型装置１１２ａの可能な位置としてこれら２つの位置を指定することができる。２回目のネットワーク型装置１１２ａの動作時に、ウェアラブルタグ１０２ａが位置｛１，２，１０｝にあり、ウェアラブルタグ１０２ｂが｛６，１１，２０｝に位置する場合、インテリジェントコントローラ１０４は、位置｛３，５，１０｝および｛６，１１，２０｝を可能な位置として削除し、位置｛１，２，１０｝をネットワーク型装置１１２ａの位置として選択することができる。

【0029】

いくつかの実施形態では、インテリジェントコントローラ１０４は、複数の壁アンカーのそれぞれの位置でジェスチャーを促すことによって、様々なネットワーク型装置１１２の位置および対応する仮想マップを生成することができる訓練モードを含んでもよい。仮想マップ訓練モードは、仮想マップのための複数の部屋を識別することを含み得る。マップ内の各部屋は、各部屋内の装置１１２に対する特定の嗜好プロファイル設定と関連付けられ得る。また、ネットワーク型装置１１２は、システム１０内のネットワーク型装置１１２の位置の各々においてジェスチャーを促すインテリジェントコントローラ１０４によってマップに追加され得る。訓練モードが、ＵＥ１１０でのインターフェースアプリケーションによって実行されてもよく、このアプリケーションは、インテリジェントコントローラ１０４によって利用されて、仮想マップを構築するために様々なジェスチャーを促すことができる。追加的に、いくつかの実施形態では、ＵＥ１１０でのインターフェースアプリケーションを使用して、インターフェースアプリケーションを介したユーザからのフィードバックを使用して、仮想マップを補完し、表示し、更新することができる。

【0030】

ネットワーク型装置１１２のマップおよびパーソナル運動ベクトルに基づいて、インテリジェントコントローラ１０４は、これらの装置を予測的に制御することを開始することができる。インテリジェントコントローラ１０４によるこれらの装置の予測制御は、装置１１２の制御に関連するパーソナル運動ベクトルが検出された状況を検出し、記録することによってさらに強化することができる。これらの検出された状況は、ネットワーク型装置１１２を制御するために使用される予測アルゴリズムを更新するために、インテリジェントコントローラ１０４によって記録され、使用され得る。将来同様の状況が検出されるときに、インテリジェントコントローラ１０４は、そのパーソナル運動ベクトルに基づいて装着者の予測されるアクティビティに従ってネットワーク型装置１１２を予測的に動作させることができる。例えば、ウェアラブルタグ１０２のユーザが、典型的に、特定の時刻、時期、および／または季節に部屋に入った後に、調光スイッチ１１２を特定の設定に設定する場合、インテリジェントコントローラ１０４は、そのアクティビティに基づいて、調光スイッチ１１２の位置を決定することができる。追加的または代替的に、インテリジェントコントローラ１０４は、その時刻に部屋に入るパーソナル運動ベクトルを計算すると、調光スイッチをその特定の設定に設定を開始することができる。

【0031】

上述のように、インテリジェントコントローラ１０４は、同じ近傍に複数のウェアラブルタグ１０２が存在することに基づいて、ネットワーク型装置１１２に関してアクションをとることができる。インテリジェントコントローラ１０４は、ウェアラブルタグ１０２ａおよび１０２ｂの嗜好プロファイルを相互相関させて、両方のタグが同じ近傍にある場合および／または類似の動きを有する場合に、組み合わされた嗜好データを決定することができる。例えば、インテリジェントコントローラ１０４は、ウェアラブルタグ１０２ａ単独の場合、ウェアラブルタグ１０２ａのユーザに好まれる第１の温度設定を有してもよいが、ウェアラブルタグ１０２ｂ単独の場合には、ウェアラブルタグ１０２ｂのユーザに好まれる第２の温度設定を有し得る。しかし、ウェアラブルタグ１０２ａとウェアラブルタグ１０２ｂが同じ部屋に一緒にいる場合、インテリジェントコントローラ１０４は、ウェアラブルタグ１０２ａと１０２ｂのユーザが一緒にいるときには、第３の温度設定が好ましいと判断することができる。ウェアラブルタグ１０２が離れているときに選ばれるものから、ウェアラブルタグ１０２ａと１０２ｂが一緒にあるときに、一貫して固有の、または異なるアクティビティを選択することに基づいて、インテリジェント制御ハブ１０２は、複数のウェアラブルタグが一緒になっているときに使用するために、各ユーザプロファイル内で組み合わされた嗜好プロファイルまたは特別なケースを生成することを決定することができる。インテリジェントコントローラ１０４はまた、複数のウェアラブルタグ１０２の存在が同じ部屋内で検出されたときに、グループ設定において固有の設定を選択することができる。

【0032】

インテリジェントコントローラ１０４は、ウェアラブルタグ１０２の予測されるアクティビティに基づいてネットワーク型装置１１２の動作を選択することができる。例えば、インテリジェントコントローラ１０４の予測制御アルゴリズムは、ウェアラブルタグ１０２が部屋に入ったときに照明を起動する、ウェアラブルタグ１０２が向かう部屋の照明を起動するなど、特定のネットワーク型装置１１２に関してとるべき最初のアクションを予測することができる。ウェアラブルタグ１０２のユーザは、ジェスチャーの形態でインテリジェントコントローラ１０４にフィードバックを提供することができる。インテリジェントコントローラ１０４は、アンカー１００からの位置データを利用して、ジェスチャーに基づいて計算されたベクトルのセットを検出する。次いで、インテリジェントコントローラ１０４は、パターンのセットを、承認または否認アクションコマンドのような特定のフィードバック値に関連する既知のジェスチャーにマッチさせることができる。フィードバックに基づいて、インテリジェントコントローラ１０４は、時刻、天候、他のタグ１０２の存在、または任意の他の適切な状況など、ジェスチャーがなされた状況に基づいて、ウェアラブルタグ１０２のユーザの嗜好プロファイルを更新することができる。更新された嗜好データに基づいて、インテリジェントコントローラ１０４は、その予測分析エンジンを利用して、次回同様の状況およびパーソナル運動ベクトルが発生したときに、ウェアラブル１０２のユーザの予想されるアクションをより正確に予測することができる。更新された嗜好データに基づいて、および同様の状況下で、インテリジェントコントローラ１０４は、ネットワーク型装置１１２を制御するために別のアクションをとることができる。いくつかの実施形態において、インテリジェントコントローラ１０４は、ユーザが第２のアクションを承認することを確認するために、ウェアラブルタグ１０２から追加のジェスチャーをスキャンすることができる。代替的には、インテリジェントコントローラ１０４は、ウェアラブルタグ１０２からのジェスチャーの欠如を、第２のアクションの承認として解釈することができる。従って、承認ジェスチャーの検出または不承認ジェスチャーの欠如は、そのアクションがユーザの好みに従ったことを示すことができる。

【0033】

ジェスチャーはまた、インテリジェントコントローラ１０４にシステム１０に関して特定のアクションを実行させることを要求するために使用され得る。例えば、特定のジェスチャーは、照明スイッチ１１２を起動すること、またはサーモスタット１１２の温度を調節することに関連することができる。このようなジェスチャーを検出すると、インテリジェントコントローラ１０４は、ジェスチャーを所望のアクティビティに関連付けることができ、適切な動作コマンドを適切なネットワーク型装置１１２に送ることができる。

【0034】

図２は、本開示の教示によるインテリジェントコントローラ１０４の例示の実施形態を示すブロック図である。インテリジェントコントローラ１０４は、プロセッサ２００、インターフェース２０２、制御アルゴリズム２０４、およびデータベース２０６を含む。インテリジェントコントローラ１０４によって実行され得る制御アルゴリズム２０４は、ベクトル計算モジュール２０８、ベクトル分析モジュール２１０、認証モジュール２１２、装置制御モジュール２１４、学習モジュール２１６、予測モジュール２１８、およびインターフェースモジュール２２０を含む。データベース２０６は、ユーザプロファイル２２２、構成された装置２２４、様々なウェアラブルタグ２２６の状態、および様々な装置２２８の状態を含む、システム１０内の様々な要素の状態を記憶することができる。動作中、インテリジェント制御ハブは、アンカー１００ａ～ｎから様々な位置データ（φ_１、φ_２として示される）を受信し、
様々な制御アルゴリズム２０４を利用して、ウェアラブルタグ１０２のパーソナル運動ベクトルを計算し、種々のネットワーク型装置１１２ａ～ｎへの制御出力（ｄ_１、ｄ_２として示される）を生成するためにそれらのベクトルを利用することができる。。
インテリジェントコントローラ１０４はまた、ＵＥ１０８によって実行されるインターフェースアプリケーションと対話するためのロジックを含むインターフェースモジュール２２０を含み得る。

【0035】

プロセッサ２００は、インターフェース２０２を介してアンカー１００から受信した位置情報φ_１，φ_２．．．φ_Ｎ、データベース２０６に記憶された情報、および／またはネットワーク型装置１１２から受信した情報（装置ステータス、センサ情報または設定情報など）に基づいて、制御アルゴリズム２０４を実行するのに適したハードウェア、ソフトウェア、およびコンピュータコンポーネントの組み合わせを含む。制御アルゴリズム２０４の実行により、プロセッサ２００は、ネットワーク型装置１１２のうちの１つ以上を選択し、１つ以上の制御命令ｄ_１，ｄ_２．．．ｄＮを選択されたネットワーク型装置１１２に発行することができる。プロセッサ２００は、プログラマブル論理コントローラ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ、または他の適切なコンピュータプロセッサの全部または一部を表すことができる。

【0036】

インターフェース２０２は、通信ネットワーク１０８を介してアンカー１００、ＵＥ１０８、および／またはネットワーク型装置１１２と情報を送受信するのに適したインターフェースモジュールを含む。インターフェース２０２は、ネットワークインターフェースカード（ＮＩＣ）、イーサネット（登録商標）カード、ポートＡＳＩＣ、Ｗｉ－Ｆｉ、または他の無線モジュール、または任意の適切な有線および／または無線通信プロトコルに従って通信するためのモジュールを表すことができる。いくつかの実施形態では、インターフェース２０２は、アンカー１００、ネットワーク型装置１１２、またはＵＥ１０８との通信に必要な通信プロトコルの任意の数および組み合わせに従って情報を送受信することができる複数のインターフェースカードを表すことができる。

【0037】

ベクトル計算モジュール２０８は、アンカー１００から受信した位置データφ_１、φ_２．．．φ_Ｎに基づいて１つ以上のウェアラブルタグ１０２のパーソナル運動ベクトルを決定するためのアルゴリズムを実行するハードウェア、ソフトウェア、および／または適切なロジックを含むモジュールを含む。例えば、ベクトル計算モジュール２０８は、ウェアラブルタグ１０２がどこにあるか、どの方向に、そしてどの速度で、ウェアラブルタグ１０２が家または屋内空間の仮想マップに対して移動しているかを決定するために、適切な計算を行うことができる。例えば、ベクトル計算モジュール２０８は、システム１０内のウェアラブルタグ１０２（例えば、ウェアラブルタグ１０２ａ、１０２ｂ）の各々について、パーソナル運動ベクトルのシーケンスを計算するために、図１に関して上述した計算を利用することができる。

【0038】

ベクトル分析モジュール２１０は、ベクトル計算モジュール２０８によって計算されたパーソナル運動ベクトルを分析するためのアルゴリズムを実行するハードウェア、ソフトウェア、および／または適切なロジックを含むモジュールを含む。例えば、ベクトル分析モジュール２１０は、ウェアラブルタグ１０２によって生成されたベクトルのパターンを検出し、ウェアラブルタグ１０２が特定のジェスチャーを作成するために装着者によって使用されていることを決定するために、さらなる計算を実行することができる。ベクトル分析モジュール２１０は、ベクトル計算モジュール２０８によって生成されたベクトルのセットを、解釈されるべきベクトルの既知のパターンおよび／またはジェスチャーと関連付けられるべきベクトルの既知のパターンのデータベース２０６内のテーブルまたはデータベースと比較するために、生成されたベクトルの全てまたはサブセットを連続的または半永続的に分析することができる。データベース２０６は、ジェスチャーおよびそれらに関連するベクトルのセットをユーザプロファイル２２４または他の適切な位置内に格納することができる。ジェスチャーは、特定のウェアラブルタグ１０２ａに固有であってもよく、および／または任意の数のウェアラブルタグ１０２に関連付けられてもよい。

【0039】

ベクトル計算モジュール２０８およびベクトル分析モジュール２１０は、図示された実施形態ではインテリジェントコントローラ１０４の一部分として示されているが、それらはシステム１０内の任意の適切な位置で実装され得ることに留意されたい。例えば、１つの例示の実施形態では、ベクトル計算モジュール２０８および／またはベクトル分析モジュール２１０は、アンカー１００の一部分を形成することができる。このような実施形態では、アンカー１００は、さらなる分析のために、パーソナル運動ベクトルおよび／または検出されたジェスチャーをインテリジェントコントローラ１０４に送信することができる。

【0040】

認証モジュール２１２は、システム１０内で適切なユーザ認証および／または認可機能を実行するハードウェア、ソフトウェア、および／または適切なロジックを含むモジュールを含む。例えば、認証モジュール２１２を利用して、特定のＵＥ１０８がインテリジェント制御ハブ２０４にアクセスして、装置１１２を設定したり、特定のユーザプロファイル２２４の嗜好を変更したり、特定の装置プロファイル２２６に関連する親の制御設定を変更したりすることができるかどうかを決定することができる。認証モジュール２１２を利用して、特定のウェアラブルタグ１０２がシステム１０内で特定のアクションを取る権限を与えられているかどうかも決定することができる。例えば、ベクトル分析モジュール２１０は、特定の装置１１２であって、親または他の制御が、その装置の制御を特定のユーザまたはユーザのグループに制限している特定の装置１１２を動作させる権限を与えられているかどうかを決定することができる。認証モジュール２１２は、特定の装置１１２がウェアラブルタグ１０２によって制御されることを可能にする前に、ユーザの認可レベルを決定するために、ユーザプロファイル２２４にアクセスすることができる。例えば、全てのユーザプロファイルの管理制御を有する親は、時刻または他の適切な状況に基づいて特定の装置１１２へのアクセスを制限することができる。

【0041】

装置制御モジュール２１４は、予測モジュール２１８および／またはＵＥ１０８から受けた命令に応答して、制御命令ｄ_１，ｄ_２．．．ｄ_Ｎをネットワーク型装置１１２に送信するハードウェア、ソフトウェア、および／または適切なロジックを含むモジュールを含む。装置制御モジュール２１４は、各ネットワーク型装置１１２をその意図された目的に従って動作させるように動作可能な各ネットワーク型装置１１２のための装置命令を記憶することができる。例えば、装置制御モジュール２１４は、遠隔カメラモニタ、セキュリティシステム、窓およびドアロック、照明システム、サーモスタット、または他のネットワーク型装置１１２を動作させるための命令を含むことができる。また、装置制御モジュール２１４は、遠隔装置からステータス情報を受信するためのロジックを含んでもよく、データベース２０６内に装置ステータステーブル２３０を維持することができる。例えば、装置制御モジュール２１４は、装置ステータステーブル２３０内の装置エントリを更新することによって、システム１０およびその関連するネットワーク型装置１１２の状態を制御および／または維持することができる。

【0042】

学習モジュール２１６は、各ウェアラブルタグ１０２のパーソナル運動ベクトルに基づいて取られるアクティビティを学習するためのアルゴリズムを実行するハードウェア、ソフトウェア、および／または適切なロジックを含むモジュールを含む。学習モジュール２１６はまた、家または屋内空間内の装置１１２のレイアウトを学習するための訓練アルゴリズムを含み得る。

【0043】

学習モジュール２１６は、ウェアラブルタグ１０２のユーザの嗜好を学習するためのロジックを含んでもよく、これは、本開示の教示に従って、多数の異なる方法で得ることができる。例えば、学習モジュール１１２は、ネットワーク型装置１１２の状態を監視し、装置の状態変化をウェアラブルタグ１０２のパーソナル運動ベクトルと相関させることができる。例示すると、学習モジュール２１６は、ネットワーク型装置１１２の近傍におけるウェアラブルタグ１０２の存在を検出することができ、ウェアラブル装置１０２がネットワーク型装置１１２に向かって移動しているか、またはネットワーク型装置１１２のところにいる時間またはその近傍における装置１１２の第１の状態から第２の状態への状態変化に基づいて、学習モジュール２１６は、ウェアラブル装置１１２が状態変化をしたと決定することができる。学習モジュール２１６は、ユーザプロファイル２２４において、動作に関連する様々な状況を記録および／または記憶することができる。次いで、学習モジュール２１６は、これらの状況を、将来の同様の状況においてシステム１０の状態を修正するために取られるべきアクションと相関させることができる。このようにして、学習モジュール２１６は、ウェアラブルタグ１０２によるネットワーク型装置１１２の動作のためのユーザ嗜好のプロファイルを構築し、更新することができる。

【0044】

別の例として、装置制御モジュール２１４によって引き起こされるネットワーク型装置１１２に関する特定のアクションを実行すると、学習モジュール２１６は、ベクトル分析モジュール２１０によって計算されたジェスチャーの形式でフィードバックを受信することができる。このジェスチャーは、アクションが、例えば、正しいか、間違っているか、および／または望ましくないものであったことを示すことができる。次いで、学習モジュール２１６は、ウェアラブルタグ１０２に関連するユーザプロファイル２２４を更新するために、そのフィードバックに関連する状況を取得し、記憶することができる。例えば、学習モジュール２１６は、時刻、他のウェアラブルタグ１０２のパーソナル運動ベクトル、または他の適切な状況を記憶することができる。これらの状況は、例えば、1つ以上のユーザプロファイル２２４に記憶されてもよく、予測モジュール２１８によって使用されて、ウェアラブルタグ１０２のパーソナル運動ベクトルの検出に応答して装置制御モジュール２１８によって取られる特定のアクションを決定する。

【0045】

予測モジュール２１８は、１つ以上のウェアラブル装置１０２のパーソナル運動ベクトルに基づいて、ネットワーク型装置１１２の予測制御アルゴリズムを実行するハードウェア、ソフトウェア、および／または適切なロジックを含むモジュールを含む。予測モジュール２１８は、システム１０の要素を予測的に制御するために、パーソナル運動ベクトルと関連して任意の数の適切なファクタを考慮するためのロジックを含んでもよい。例えば、予測モジュール２１８は、ウェアラブルタグ１０２のパーソナル運動ベクトルの検出に応答して、ウェアラブルタグ１０２のユーザプロファイル２２４にアクセスすることができる。パーソナル運動ベクトルが、特定のネットワーク型装置１１２に関するユーザの予測されたまたは所望のアクティビティ（例えば、ウェアラブルタグ１０２が向かっている部屋の照明をオンにするなど）に関連し、そのアクティビティとパーソナル運動ベクトルが相関する状況が存在する場合、予測モジュール２１８は、装置制御モジュール２１８に、そのアクティビティをネットワーク型装置１１２にもたらす適切な命令を送信するように指示することができる。学習モジュール２１６がユーザプロファイル２２４を更新し続けるにつれて、予測モジュール２１８は、ウェアラブルタグ１０２のパーソナル運動ベクトルに応答して、ネットワーク型装置１１２の適切なアクティビティをより正確に予測することができる。

【0046】

インターフェースモジュール２２０は、ＵＥ１０８上で動作するリモートアプリケーションと対話するハードウェア、ソフトウェア、および適切なロジックを含むモジュールを含む。このインターフェースは、ＵＥ１０８のユーザが、スマートフォンアプリのようなグラフィカルユーザインターフェースアプリケーションと対話して、ネットワーク型装置１１２を制御することができるように使用することができる。例えば、特定の装置１１２を動作させるためのＵＥ１０８からの制御命令に応答して、インターフェースモジュール２２０は、その命令を装置制御モジュール２１４に中継することができる。インターフェースモジュール２２０はまた、装置２２６のステータス２３０をＵＥ１０８に表示するためのロジックを含んでもよい。例えば、ＵＥ１０８は、ネットワーク型サーモスタットの設定にアクセスして制御したり、ＵＥ１０８に存在するインターフェースを介してシステム１０内のカメラ装置で見たり制御したりすることができる。インターフェースモジュール２２０は、屋内空間内の種々のネットワーク型装置１１２の位置を提供するのを支援するために利用されてもよく、および／またはＵＥ１０８のインターフェースアプリケーション上のマップ構築ツールを用いて屋内空間の仮想マップを生成するのを支援するために使用されてもよい。また、インターフェースモジュール２２０は、ＵＥ１０８から装置１１２の動作のためのユーザ嗜好の初期セットを受信するように構成され得る。

【0047】

動作において、インテリジェント制御ハブ２０４およびその種々の制御アルゴリズム２０４は、ベクトル計算モジュール２０８によって計算されたウェアラブルタグ１０２のパーソナル運動ベクトルに応答して、様々なネットワーク型装置１１２を動作させる。システム１０が初期化されるとき、またはシステムの動作中に随時、ＵＥ１０８のユーザは、インターフェースモジュール２２０を介して初期ユーザプロファイルを設定することができる。これは、パーソナル運動ベクトルおよび屋内空間におけるそのアクティビティに関連する他の状況に応答して、ネットワーク型装置１１２の動作のためのユーザ選好を設定することを含み得る。システム１０内で利用されるように設定された装置は、装置２２６内に記憶されてもよい。

【0048】

インテリジェント制御ハブ２０４は、学習モジュール２１６を実行して、様々な装置がシステム１０内で動作するにつれて、ウェアラブルタグ１０２のユーザの好みを学習することができる。代替的または追加的に、インターフェースモジュール２２０は、ＵＥ１０８から好みの初期設定のセットおよび／または更新された設定を受信することができる。これらの嗜好は、ユーザプロファイル２２４に記憶することができる。装置２３０の状態が変化すると、学習モジュール２１６は、パーソナル運動ベクトルを状態変化およびそれらの変化の状況に関連付けることができる。装置の変化の特定の状況に基づいて、学習モジュール２１６は、ユーザプロファイルを更新することができ、予測モジュール２１８は、その情報を利用して、これらの状態変化に関連するパーソナル運動ベクトルの検出に基づいて装置１１２を予測的に動作させることができる。

【0049】

ベクトル分析モジュール２１０は、ウェアラブルタグ１０２に関連するパーソナル運動ベクトルのセットを検出し、パーソナル運動ベクトルのセットがジェスチャーを含むことを決定することができる。ベクトル分析モジュール２１０は、ベクトル計算モジュール２０８によって計算された入力パーソナル運動ベクトルを記憶し、パーソナル運動ベクトルを分析して、ウェアラブルタグ１０２のジェスチャーに関連するパーソナル運動ベクトルの既知のセットとの相関を探すことができる。これがどのように達成され得るかについての例示的実施形態を含む追加の詳細が、図４に関して後述される。

【0050】

ベクトル分析モジュール２１０によって検出されたジェスチャーは、インテリジェントコントローラ１０４の様々な制御動作に関連付けることができる。例えば、特定のジェスチャーは、照明をオンにするか、または温度を上下させる制御命令として解釈され得る。学習モジュール２１６がこれらのジェスチャーに基づいてユーザプロファイル２２４を更新すると、予測モジュール２１８は、いつネットワーク型装置１１２の特定の制御アクティビティを実行するかを決定するために、従来のジェスチャーベースの制御を利用することができる。

【0051】

本開示の教示により可能とされるいくつかのシナリオが、ここで論じられる。動作の例示の実施形態では、ウェアラブルタグ１０２のユーザは、部屋に入ることができ、照明は、装置制御モジュール１０２によって起動されることができる。ベクトル計算モジュール２０８がウェアラブルタグ１０２の位置を追跡し続けるので、予測モジュール２１８は、ユーザプロファイル２２４に従って、ユーザが部屋にいる間、照明を起動させたままにする。ウェアラブルタグ１０２のユーザは、部屋の中でテレビがオンになったときに、照明を暗くしたいと望むことがある。ベクトル分析モジュール２１０によって検出されたジェスチャーを使用して、インテリジェントコントローラ１０４に照明を暗くするように指示することができる。学習モジュール２１６は、インテリジェントコントローラ１０４との対話の状況を、照明を暗くするための命令の時またはその近傍でテレビジョンの装置のステータスが変化したことを含めて、ユーザプロファイル２２４に記憶する。次にウェアラブルタグ１０４のユーザが室内のテレビジョンをオンにするとき、予測モジュール２１８は、ユーザプロファイル２２４の更新された情報に基づいて、テレビジョンがオンにされ、ウェアラブルタグ１０４のユーザがその状況下で以前に照明を暗くしたことを検出することができる。予測モジュール２１８は、ウェアラブルタグ１０２の更新されたユーザの好みおよびパーソナル運動ベクトルを検出することに応答して、装置制御モジュール２１４を介して適切な命令を送信することによって、照明を暗くすることを決定することができる。

【0052】

動作の別の例示の実施形態として、学習モジュール２１６は、ウェアラブルタグ１０２が、典型的には、照明スイッチにおいてウェアラブルタグ１０２が存在し、その時点またはその近傍で更新された装置状態を得ることに基づいて、特定の時間に照明を暗くすることを検出することができる。次いで、学習モジュールは、ユーザプロファイル２２４を適宜更新することができる。予測モジュール２１８は、応答的に、時刻に基づいて照明を暗くし始めることができる。

【0053】

別の例として、２つ以上のウェアラブルタグ１０２の存在は、インテリジェントコントローラ１０４の動作に影響し得る。例えば、予測モジュール１０４は、ウェアラブルタグ１０２ａのユーザプロファイル２２４ａを利用して、ウェアラブルタグ１０２ａが部屋を出たときに直ちにライトを消灯することができる。しかしながら、ウェアラブルタグ１０２ｂが部屋に残っている場合、ウェアラブルタグ１０２ａが部屋を出るとき、予測モジュール１０４は照明をオフにしない。別の例として、インテリジェント制御モジュール１０４は、ウェアラブルタグ１０２ａが夜中に浴室に向かって移動していること、およびウェアラブルタグ１０２ｂがベッドに残っていることを検出することができる。このような状況では、インテリジェントコントローラ１０４は、室内のメイン照明ではなく、夜間照明または経路照明を起動することができる。別の例として、インテリジェントコントローラ１０４は、ウェアラブルタグ１０２ａ、１０２ｂなどの複数のウェアラブルタグ１０２のユーザ間の結合嗜好を記憶することができる。例えば、ウェアラブルタグ１０２ａが家で単独である場合、温度設定の嗜好は６８度であり得るが、ウェアラブルタグ１０２ｂが家で単独である場合、温度設定の嗜好は７２度であり得る。しかし、ウェアラブルタグ１０２ａとウェアラブルタグ１０２ｂが共に存在する場合、結合温度の嗜好は７０度であり得る。タグ１０２の装着者が家庭用ペットである別の例では、インテリジェントコントローラ１０４は、ペットがドギードアを通って移動していることを検出したことに応答して、屋外照明を起動することができる。

【0054】

本開示の改良されたホームオートメーション技術を使用して、これまで利用できなかった追加のユースケースを作成することもできる。例えば、ウェアラブルタグ１０２の着用者がガレージを離れて台所に入ると、ガレージのドアが自動的に下がる。インテリジェントコントローラ１０４は、居住者が家中を移動する際に、リアルタイムで省エネモードをトリガすることができる。インテリジェント制御ハブは、ウェアラブルタグ１０２の全てのユーザが家を離れたことを検出すると、家の警報システムを起動することができる。本開示は、これらの実施例に限定されるものではなく、本開示によって提供される改善されたフィードバックおよび制御メカニズムの使用事例を説明するために提供されるに過ぎないことを理解されたい。

【0055】

図３は、本開示の教示によるホームオートメーションのためのシステム１０における制御動作の実施例を示すブロック図である。上述したように、インテリジェントコントローラ１０４は、ウェアラブルタグ１０２のパーソナル運動ベクトルで有効にされると、ウェアラブルタグ１０２の位置だけでなく、ウェアラブルタグ１０２の方向および速度も考慮に入れることができる。インテリジェント制御ハブは、図１および図２に関して上述した方法でウェアラブルタグ１０２の位置データを取得し、それを用いてウェアラブルタグ１０２のパーソナル運動ベクトル

【数8】

を計算することができる。インテリジェントコントローラ１０４は、ユーザプロファイル２２４、パーソナル運動ベクトル

【数9】

および時刻の時間に基づいて、時刻が夜間であることと、ウェアラブルタグ１０２の過去のアクティビティに基づいて、ウェアラブルタグ１０２ａのユーザは、ルームＡを通過する間に照明３０２ａを起動することを望まないと決定することができる。インテリジェントコントローラ１０４は、ウェアラブルタグがルームＢ内で照明３０２ｂを起動することを望むと予測することができる。インテリジェントコントローラ１０４は、ウェアラブルタグ１０２ｂがパーソナル運動ベクトルに基づいてルームＢに到着する時、または到着する前に、照明３０２ｂを予測的に起動することができる。インテリジェントコントローラ１０４のこのアクティビティは、同様の状況においてウェアラブルタグ１０２ａの以前に検出されたジェスチャーに基づいて学習され得る。例えば、ウェアラブルタグ１０２が夜間に寝室から台所に行く場合、ウェアラブルタグは、寝室と台所との間で照明を「ウェーブオフ」するが、台所の照明を「ウェーブオン」する。図３は、インテリジェントコントローラ１０４の動作の１つの有利な実施形態を示すことを意図しているが、本開示の範囲をいかなる方法でも制限することを意図していないことは理解されるべきである。

【0056】

図４Ａおよび図４Ｂは、本開示の教示によるホームオートメーション制御のための例示のジェスチャーを示す斜視図である。図４Ａは、どのようにパーソナル運動ベクトルのセット

【数10】

からジェスチャーＧ_１を検出され得るかを示す。
特に、ウェアラブルタグ１０２の装着者がジェスチャーＧ_１に従って手を回転すると、アンカー１００はウェアラブルタグ１０２の３次元座標を含む位置データをインテリジェントコントローラ１０４に送信することができる。ベクトル計算モジュール２０８は、これらの座標を一連のパーソナル運動ベクトル

【数11】

に分解し、それらをさらなる分析のためにベクトル分析モジュール２１０に渡す。
次いで、ベクトル分析モジュール２１０は、システム１０の様々な態様を制御する際に使用するように設定された様々なジェスチャーを含むベクトルの既知のパターンに相関させるために受信されると、ベクトル

【数12】

を検査することができる。ベクトル

【数13】

をジェスチャーＧ_１に関連する既知のベクトルのセットに相関させることに対して、ベクトル分析モジュール２１０は、ウェアラブルタグ１０２のユーザがジェスチャーＧ_１を行っていることを決定することができる。ベクトル分析モジュール２１０は、ウェアラブルタグ１０２の動きに対応するベクトル計算モジュール２０８によって生成されるベクトルの全体的なシーケンスからのジェスチャーを含むパーソナル運動ベクトル

【数14】

を識別するために、パーソナル運動ベクトルをリアルタイムで検査するように構成され得ることに留意されたい。例えば、パーソナル運動ベクトルは、新しいパーソナル運動ベクトルがバッファに追加され、古いパーソナル運動ベクトルが除去されるたびに、ジェスチャーをマッチングするために分析されるＦＩＦＯバッファまたは他の適切なデータ構造に記憶することができる。

【0057】

図４Ｂは、どのようにジェスチャーＧ_２がパーソナル運動ベクトルのセット

【数15】

および

【数16】

から検出されるかを示す。特に、ウェアラブルタグ１０２の着用者がジェスチャーＧ_２に従って手を上下に動かすと、インテリジェントコントローラ１０４は、図４ＡのＧ_１に関して上述したのと同様の方法でジェスチャーＧ_２を検出することができる。ジェスチャーＧ_１、Ｇ_２などのジェスチャーのためのパーソナル運動ベクトルのセット

【数17】

を検査するためのＦＩＦＯバッファ４００の使用の例示の実施形態が図４Ｃに示されている。しかしながら、図４Ａ～４Ｃは、単なる例として意図されており、本開示の教示は、ウェアラブルタグ１０２を用いてなされ、インテリジェントコントローラ１０４によって検出され得る任意の数およびタイプのジェスチャーを包含することを意図していることに留意されたい。

【0058】

図５は、本開示の教示によるホームオートメーションのための方法５００の例示の実施形態を示すフローチャートである。ステップ５０２および５０４において、インテリジェントコントローラ１０４は、アンカー１００から第１および第２位置データを受信する。ステップ５０２および５０４は、ウェアラブルタグ１０２の位置データをリアルタイムで更新する位置データの連続的または半永続的ストリームの一部を含み得る。これは、ウェアラブルタグ１０２の位置データが１００ミリ秒（ｍｓ）ベースで更新されるアンカー１００によるウェアラブルタグ１０２の位置のサブ秒サンプリングを含み得る。いくつかの実施形態では、ウェアラブルタグ１０２の位置データは、１００～５００ｍｓごとに更新されてもよい。しかしながら、ウェアラブルタグ１０２が静止していることおよび／または一定の位置座標を有することの検出に基づいて、ウェアラブルタグ１０２がＤＲＸモードに入る程度まで、１０００ミリ秒から２０００ミリ秒毎に一度更新するように、アップデート期間を延ばすことができることに留意されたい。ステップ５０６において、インテリジェントコントローラ１０４は、ウェアラブルタグ１０２に関連するパーソナル運動ベクトルを計算する。この計算はまた、ステップ５０２および５０４において、位置データの受信の繰り返しの同じまたは異なるレートで、連続的または半永続的に実行されてもよい。ステップ５０２～５０６は、屋内空間内の任意の他のウェアラブルタグ１０２と並列に実行することができる。

【0059】

ステップ５０８において、インテリジェントコントローラ１０４は、屋内空間におけるウェアラブルタグ１０２の位置の更新を含む、システム１０の状態を更新する。ステップ５０８は、ネットワーク型装置１１２から任意のステータス更新（屋内または屋外の温度、任意のウィンドウまたはドアセンサのステータス、およびドアロックまたは照明の任意のステータス変化）を受信することを含み得る。ステップ５１０において、インテリジェントコントローラ１０４は、ウェアラブルタグ１０２のパーソナル運動ベクトルに基づいて、何らかの状態変化が必要かどうかを決定する。この決定は、ウェアラブルタグ１０２のパーソナル運動ベクトルおよびシステム１０の状態に関連する他の情報に基づいて、状態変化が望まれる任意の装置を選択することを含み得る。例えば、制御する装置１１２を選択する際に、インテリジェントコントローラ１０４は、時刻、時期、屋内または屋外の温度などの要因を、ウェアラブルタグ１０２のユーザの個人的な嗜好とともに考慮に入れることができる。選択は、ユーザプロファイルおよび／またはシステム１０内のウェアラブルタグ１０２の過去のアクティビティの観察に基づいて、ウェアラブルタグ１０２のユーザの個人的な好みを予測することに基づいてもよい。例えば、選択は、図２に関して上述したように、学習モジュール２１６によって取得された情報に基づいて予測モジュール２１８によってなされ得る。

【0060】

ステップ５１４において、インテリジェントコントローラ１０４は、ウェアラブルタグ１０２に関連するパーソナル運動ベクトルの最近のシーケンスが、ジェスチャーに対応する任意の既知のシーケンスを含むかどうかを検出するように構成され得る。その場合、この方法はステップ５１４において、ジェスチャーがシステム１０への状態変更要求に対応するかどうかを次に決定する。例えば、インテリジェントコントローラ１０４が、ステップ５１０に関して上述したようなウェアラブルタグ１０２のパーソナル運動ベクトルに基づいて、最近システム１０に変更を加えた場合、その直後に、ウェアラブルタグ１０２のユーザによってネットワーク型装置１１２の異なる動作が望まれるという命令を含むジェスチャーを検出することができる。例えば、ジェスチャーは、照明をオンに戻す命令、または室内の照明の調光設定を変更する命令を含み得る。追加的または代替的に、ジェスチャーは、インテリジェントコントローラ１０４の事前のアクティビティに関係なく、制御動作を実行するための命令であってもよい。例えば、温度設定を変更したり、警報システムを設定したり、ドアまたは窓をロックしたりするための命令として、特定のジェスチャーがインテリジェントコントローラ１０４によって使用され得る。

【0061】

ステップ５１６において、任意の選択されたネットワーク型装置１１２がそれらの適切な制御命令を受信した後に、インテリジェントコントローラ１０４は、それに応じてシステム１０の状態を更新する。このステップは、システム１０内のネットワーク型装置１１２のステータスを更新することを含み得、また、システム１０に関してウェアラブルタグ１０２の最近のアクティビティによって学習された追加の嗜好を反映するために、ウェアラブルタグ１０２のユーザプロファイルを更新することを含み得る。例えば、学習モジュール２１６は、図２に関して上述したように、システム１０への状態変化に関する状況を記録することができる。

【0062】

図５のフローチャートに示されている方法５００に修正、追加、または省略をなすことができる。例えば、方法５００は、図６に関して図１～４または以下に関して上述した機能のいずれかを含んでもよい。従って、図５のステップは、並列で、または任意の適切な順序で実行され得る。

【0063】

図６は、適応学習モジュール（学習モジュール２１６など）を用いてホームオートメーションシステム１０を構成するための方法の例示的な実施形態を示すフローチャートである。ステップ６０２では、１つ以上のネットワーク型装置１１２が、システム１０内で使用されるように構成されている。これは、インテリジェント制御ハブとネットワーク型装置１１２との間の接続をセットアップするために必要な任意の装置のセットアップ、インストール、および設定を実行することを含み得る。装置１１２の位置は、仮想マップ内のインテリジェントコントローラ１０４に手動で提供されてもよく、または、システム１０内の様々なウェアラブルタグ１０２のアクティビティおよびパーソナル運動ベクトルを観察することによって、インテリジェントコントローラ１０４によって学習されてもよい。ステップ６０４において、設定された１つ以上のネットワーク型装置１１２の位置がインテリジェントコントローラ１０４に知られている場合、方法６００はステップ６２２に進む。

【0064】

しかし、１つ以上のネットワーク接続された装置１１２の位置が分からない場合、方法６００はステップ６０６に進む。ステップ６０６において、インテリジェント制御モジュール１０４は、ネットワーク型装置１１２に関連する装置設定の状態変化を、それらの位置を知るために観察することを開始する。ステップ６０６において、インテリジェント制御ハブは、１つ以上のネットワーク型装置１１２の第１の状態変化を検出することができる。例えば、照明スイッチがアクティブであるかどうかを示す状態は、アクティブ状態から非アクティブ状態に変化し得る。このアクティビティは、インテリジェントコントローラ１０４内で装置状態情報が更新される原因となり得る。このような状態変化を検出すると、インテリジェント制御ハブは、ステップ６０８において、アンカー１００からの位置データおよび／またはシステム１０内の様々なウェアラブルタグ１０２のパーソナル運動ベクトルに基づいて、ウェアラブルタグ１０２のうちの１つが状態変化に責任があり、状態が変化したネットワーク型装置１１２のところか、または近傍に位置すると仮定して、ウェアラブルタグ１０２の位置を計算することができる。様々なウェアラブルタグ１０２の位置に基づいて、インテリジェントコントローラ１０４は、１つ以上のネットワーク型装置１１２の候補位置を識別する。１つの候補位置のみが識別される場合、システムはステップ６２０に進むことができ、さもなければ、方法６００はステップ６１０に進むことができる。

【0065】

１つ以上のネットワーク型装置１１２について複数の候補位置がある場合、インテリジェントコントローラ１０４は、１つ以上のネットワーク型装置の第２の状態変化を検出することができる。次に、ステップ６１２において、インテリジェントコントローラ１０４は、システム１０内のウェアラブルタグ１０２の位置を決定することができる。システム内の各ユーザｋ＝ｉ～ｎに対して、インテリジェントコントローラ１０４は、それらのウェアラブルタグ１０２がステップ６０８で決定された候補位置の１つまたはその近傍に位置するかどうかを決定する。ウェアラブルタグ１０２が、第２の状態変化後に候補位置の１つに位置していない場合、その候補位置は、ステップ６１４において除外される。ウェアラブルタグ１０２が候補位置の１つに位置する場合、その位置は、ステップ６１６においてネットワーク型装置１１２の可能な位置として維持される。ステップ６１８において、１つ以上のネットワーク接続された装置の候補位置の数が依然として１よりも多い場合、方法６００はステップ６１０に戻って、システムの別の状態変化を検出し、候補位置が１以下となるまでステップ６１２および６１４において候補位置を除外し続けることができる。候補位置の数が１に下がると、この方法はステップ６２０に進み、１つ以上のネットワーク型装置１１２の位置がシステム１０の仮想マップに追加される。

【0066】

次いで、この方法はステップ６２２に進み、インテリジェントコントローラ１０４は、ウェアラブルタグ１０２およびそれらに関連するパーソナル運動ベクトルのユーザによるシステム１０の動作の観察に適応学習アルゴリズムを適用することができる。例えば、インテリジェントコントローラ１０４は、図２に関して上述したように、学習モジュール２１６の機能性を適用することができる。インテリジェント制御モジュール１０４がシステム１０のユーザの挙動を学習すると、インテリジェント制御モジュール１０４は、ステップ６２６においてユーザ選好プロファイルを構築する。ステップ６２８において、インテリジェント制御モジュール１０４は、図２に関して上述したような予測モジュール２１８の機能性など、ウェアラブルタグ１０２のパーソナル運動ベクトルの検出に応答して予測アルゴリズムの適用を開始することができる。インテリジェントコントローラ１０４は、ユーザ嗜好プロファイルによって記憶された学習モジュール２１６によって学習された予測アルゴリズムおよび情報を適用して、ウェアラブルタグ１０２の特定のパーソナル運動ベクトルを検出することに応答して、ネットワーク型装置１１２およびそれらの装置の動作を選択することができる。例えば、インテリジェントコントローラ１０４が、ウェアラブルタグ１０２の特定のアクティビティを特定の時刻に繰り返し観測するか、またはウェアラブルタグ１０２が他のウェアラブルタグ１０２の存在下にあるときの異なるアクティビティを繰り返し観測する場合、インテリジェントコントローラ１０４は、以前に観測された挙動の状況にマッチしたパーソナル運動ベクトルおよびユーザプロファイルの嗜好を検出すると、これらのアクティビティに関与するネットワーク型装置１１２の動作の予測的な制御を開始することができる。

【0067】

インテリジェントコントローラ１０４は、適切なネットワーク型装置１１２および制御動作を選択した後、ステップ６３０において、適切な制御命令を選択されたネットワーク型装置１１２に送ることができる。ステップ６３２において、インテリジェントコントローラ１０４は、ウェアラブルタグ１０２のユーザによって何らかのジェスチャーベースのフィードバックが提供されたかどうかを検出することができる。そうであれば、インテリジェントコントローラ１０４は、ステップ６３０に戻って、ネットワーク型装置１１２に新しいまたは修正命令を送信することができる。ジェスチャーベースのフィードバックが検出されない場合、本方法はステップ６３４に続き、インテリジェントコントローラ１０４、装置１１２、およびウェアラブルタグ１０２の最近のアクティビティに基づいて、システム１０のステータスが更新される。

【0068】

修正、追加、または省略は、図６のフローチャートに示される方法６００に対してなされ得る。例えば、方法６００は、図１～図５に関して上述した機能のいずれかを含み得る。例えば、特定のパーソナル運動ベクトルは、インテリジェントコントローラ１０４に、ネットワーク型装置１１２の任意の数および組み合わせを制御させるか、または単一のネットワーク型装置１１２に複数の命令（もしくは上述のいくつかの組み合わせ）を送信させるようにさせることができる。従って、図６のステップは、並列で、または任意の適切な順序で実行され得る。

【0069】

本発明の特定の実施形態の技術的利点は、制御決定をなす際にウェアラブルタグのパーソナル運動ベクトルを検出し、考慮することができる改良された制御システムを含む。インテリジェントコントローラ１０４内の技術を改善することを含めて、ホームオートメーションシステム１０のフィードバックおよび制御機構を改善することによって、様々な他の利点を達成することができる。本発明をいくつかの実施形態で説明したが、当業者には、無数の変更、変形、変換、および修正を示唆することができ、本発明は、添付の特許請求の範囲の範囲内にあるような、そのような変更、変形、変換、および修正を包含することが意図されている。

【図1】

【図2】

【図3】

【図4A】

【図4B】

【図4C】

【図5】

【図6】