Workshop是指工作室式的工作方法，它允许学生们在工作时互相参与，互相帮助。Workshop Education重点在于快速、高效的将独有的设计理解，造型思路和教学灵感进行组合，并生成设计。是设计师快速提升设计能力，掌握行业技术的重要手段。

本次课程中的核心知识要点包括人工智能应用技术、Design Thinking交互设计思维和城市研究方法论。UXD尤克斯目前是全网唯一具有实践性人工智能教学能力的独立学术研究和留学设计辅导机构。

1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（Artificial Intelligence，简称AI）”这一概念，标志着人工智能学科的诞生。

人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。

经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点。

而人工智能在交互领域的应用也是必要趋势，人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在交互前沿领域，人机混合智能都是重要的研发方向。

下面我们来简单看一下人工智能当下应用的场景有哪些：

人工智能课程部分将通过以下几个点，对人工智能技术展开教学，并辅导学生用于设计的产出和实践。

课程中我们将从如下多个方面对人工智能进行剖析，并且结合城市未来发展所面临的问题，进行问题的解决策略探索，

知识库：建立计算机能够充分’感知‘世界上已知信息的Ontology（一种能在语义和知识层次上描述信息系统的概念模型）。

自我学习：也就是机器学习machine learning，让机器自主探索，反馈和修正。大家都知道目前的机器学习分为无监督学习（unsupervised learning）和有监督学习（supervised learning）。

逻辑判断：这其实包括了上面机器学习中的部分内容，即通过自我学习进行对目标归类识别。

预测：在信息不充分的情况下，机器自我学习和逻辑判断不一定能带来符合以后客观发生的预测。

计划&目标：智能机器要从环境中习得自己的未来计划或一步步目标，拥有真正的自主‘意识’，是对‘智慧’最深层次的挑战。但是对于机器是否具有‘智慧’，业界一直存在争议，涉及到了伦理道德问题。

本次Studio课程将于2021年1月上旬开课，具体时间需等待组员确定后统一进行。课程包含线上和线下教学两部分，课程概况可以下面课程安排表。确定报名后UXD将提供详细的课程安排表和任务书。

课程对象：有意了解AI计划申请交互设计的同学

课程形式：线上+线下（上海）授课

课程周期：3周时间，其中一周线下集训，课程从2021年1月上旬开课

注：该课程不要求参与者有设计能力和编程能力者，UXD将针对0基础学员进行完整教学。

研究生期间多次获得校奖学金，毕业后凭优秀毕业作品获得ACCD Fellowship研究职位。作为一名多媒体设计师及研究员，其作品曾多次在洛杉矶、三藩市、哥伦布、纽约、德国、温哥华等地展出，包括全美最大思辨设计峰会PRIMER, 全球最受瞩目的AI、机器学习顶级学术会议——神经信息处理系统进展大会(NeurIPS), 全球规模最大的线上双年展The Wrong

黄老师以流行文化、新兴科技、时尚、社交媒体为兴趣出发，在多媒体交互、虚拟现实、人工智能与艺术、批判设计、思辨设计、实验艺术等方面都有深厚的实力和经验。

爱丁堡 Design Informatics专业，有跨专业申请经验与能力，专注于软硬件交互，致力于研究用户行为、挖掘用户痛点与提升用户体验，热爱分享设计与科技。希望通过设计、数据与新科技的手段，驱动创新，创造突破性产品。

Q:哪些人群适合参加这个课程？

A:设计背景或者非设计背景，对于产品、工业、交互、多媒体艺术、算法等有兴趣的同学都可以参加。尤其适合交互，产品，工业，平面，服务，多媒体专业的学生，想要提升自己的设计竞争力，亦或是在准备作品集，都可以通过该课获得能力上的极大提升。

Q:本次课程形式是什么？老师是如何上课的？

A:本次UXD集训营采取线下集训，全天封闭式教学。安排住宿和授课场地。在授课期间每个独立小班课将会为每位学员配备课程顾问，授课导师，助教导师3位老师，确保每位学员都可以学有所成。

Q:每天的授课时间有多久，自习时间有老师辅导吗

A:线下课程的饱和度很高，每天的授课时长为4h以上，不包含上课后答疑。课下配有1v1导师答疑和助教全天现场辅导，对学员产出质量严格把关，保障学习的有效性和质量。

Q:课程时间是如何安排的

A:我们会在招满学生后，统一进行排课，并且提供课程时间表，如果因为个人原因无法参加这个课程的同学，在课后我们可以限时提供录屏帮助学生进行课后自学。

Q:课程学不会怎么办？

A:UXD集训营的课程平滑度高，课程设置合理，每节课程后都会布置作业，课程老师会进行批改。同时我们也会给课程配备技术方面的助教，助教可以协助同学们完成课后的作业，并且帮助学生就个人情况进行答疑。为学员提供全方位辅导。为学员的学习质量提供绝对保证。

Q:我不是上海本地的学生，住宿怎么办

A:UXD训练营提供住宿场地，住宿环境为上海快捷酒店标准，保证场地干净舒适。住地距授课地点100米以内，按照100/天的标准收费。

更多知识干货以及其他海外留学的资讯可以关注UXD交互工业产品设计分享或者添加小助手，还可获取讲座直播哦~

|福利大放送 | WELFARE 对于设计初学者，完成从0开始创作几乎是不可能的，就像学习过程中书读百遍其义自见一样。有了大量的积累，才能在脑海里建立素材库，这些素材库能帮助同学们完成最初的设计想法积累，基于这样的基础再进行个性化的创作，最终才能做出高质量的作品集。全球院校最新作品集免费拿！添加小助手即可获取：

UXD交互工业产品设计学院是尤克斯国际旗下的一家专注于交互、服务、工业、产品设计专业的顶级设计学院。除了一对一设计课、基础技能课程、小组课题、设计评图、联合教学外，我们提供不定主题的公开课和内部小组课，教学计划课程由三大部分组成，包括基础软件技能教学、设计理论系统讲座、申请必备知识解析等。

本文版权归UXD尤克斯所有

用状态空间法规划一个最短旅行路程:此路程从城市A开始,访问其他城市不多于一次,并返回A.选择一个状态表示,表示出所求得地状态空间地节点及弧线,标出适当地代价,并指出图中从起始节点到目标节点地最佳路径.

编者按：对基于人工智能的定位技术的研究背景和研究现状进行了分析与总结，首先详细介绍了目前基于人工智能的三维传感网室内空间定位技术的技术原理与关键技术，然后提出了我们对于基于人工智能的室内定位的创造性解决方案，最后总结三维传感网室内空间定位技术的现状和发展前景。

作者 / 袁东明 张丽颖 北京邮电大学电子工程学院(100876)

　　袁东明，讲师，开放创新平台(chinaopen.ai)联合学者,主要研究方向为及实现技术;张丽颖，硕士生。

摘要：对基于的定位技术的研究背景和研究现状进行了分析与总结，首先详细介绍了目前基于的三维传感网室内空间定位技术的技术原理与关键技术，然后提出了我们对于基于人工智能的室内定位的创造性解决方案，最后总结三维传感网室内空间定位技术的现状和发展前景。

　　随着基于用户位置信息的相关技术的应用和发展，位置服务(LBS)已经成为人们日常工作、生活所必需的一项基本服务需求，尤其在大型复杂的室内环境中，如博物馆、机场、超市、医院、地下矿井等区域，人们对位置服务有迫切需求。传统的定位方法如全球定位系统(GPS)只能解决在室外空间中进行准确定位的问题，然而，在占人类日常生活时间80%的室内环境中，由于建筑物遮挡和多径效应的影响，室外定位系统则显得无能为力^[1]。

　　因此，在复杂信道条件下，如何能够准确、可靠地提供室内的位置服务显得尤为重要和迫切。面向需求越来越迫切的室内位置服务，基于人工智能的三维传感网室内空间定位技术发展迅速，是移动互联时代的研究热点^[2]，逐步在各行各业发挥作用，给人们的日常生活带来了一定的影响。本文对基于人工智能的定位技术的研究背景和研究现状进行了分析与总结，首先详细介绍了目前基于人工智能的三维传感网室内空间定位技术的技术原理与关键技术，然后提出了我们对于基于人工智能的室内定位的创造性解决方案，最后总结三维传感网室内空间定位技术的现状和发展前景。

1 定位技术定义与技术原理

　　在移动互联网迅速发展和位置服务应用需求的推动下，当前室内定位技术处于较快的发展阶段，研究者们提出了众多室内定位技术的理论与方法。定位技术可以分为室外定位技术和室内定位技术两种。在室外环境下，全球定位系统(GPS)、北斗定位系统(BDS)等全球导航卫星系统(GNSS)为用户提供米级的位置服务，基本解决了在室外空间中进行准确定位的问题，并在日常生活中得到了广泛的应用。利用室外无线定位系统，人们可以实现室外大范围的定位，比如船舶远洋、飞机引航以及汽车导航等。然而，在占人类日常生活时间80%的室内环境中，由于建筑物遮挡和多径效应的影响，室外定位系统则显得无能无力^[2]。因为信号穿透众多的建筑物衰减严重，加之室内环境复杂，信号在室内传播时受障碍物的影响，会引起多径效应、阴影遮挡及噪声干扰等，这些都将导致定位精度大大降低，甚至出现大片定位盲区。因此室内环境下的小范围、高精度定位需要借助于室内无线定位技术，图 1 给出了典型的室内无线定位场景图。与此同时，传统的定位技术多是基于二维空间的定位，只能给出经度和纬度信息，而对于精确的高度信息，则很难提供。

　　因此，三维传感网室内空间定位技术成为专家学者的研究重点。三维传感网室内空间定位技术指的是在三维空间内，通过蓝牙、红外线、RFID、WIFI、超宽带、超声波等室内定位技术及应用系统，基于到达时间(TOA)、基于到达时间差(TDOA)、基于信号到达角度(AOA)、基于信号相位差以及基于接收信号强度(RSSI)等信息，给出精确的位置信息或者判断是否位于某一房间、仓库等区域的定位技术。

2 基于人工智能的定位关键技术

　　2.1 基于信号传输损耗模型的定位方法

　　传统的室内定位方法是主要基于信号的传输损耗模型的方法，利用信号传输损耗理论模型的方法，首先知道发送节点的发射信号强度值，由接收端测得接收信号强度值计算出信号的路径损耗，再利用典型的理论模型公式得到距离估计值，最后计算出未知节点的位置信息。

　　传播模型的理论公式为：

　　其中，P_r为接受功率;P_t为发送功率;G_t为发射天线增益;G_r为接收天线增益;λ为发射信号的波长。这个公式只是在自由空间的理想化模型。在实际情况下并不能直接套用，不然会造成距离d的估计值有较大的偏差。在实际环境下普遍采用的经典理论模型Shadowing模型为：

　　公式中，d是接收端与发射端之间的距离(单位为m);d₀为参考距离(m); 一般设为1 m;PL(d₀)为参考距离d₀处的功率(dBm); PL(d)为接收端的接收信号功率(dBm);X为均值为0的高斯分布(单位: dBm)，指的是当距离为定值时，接收信号功率的波动性; n为衰减因子。通常采用的简化型为:

　　2.2 基于人工智能的室内定位方法^[4]

　　由于室内环境受到反射、折射、散射等多径效应的影响，基于信号传输损耗模型的室内定位往往定位性能很差。采用RSSI指纹库的定位方法会有更好的定位性能。基于指纹匹配的方法又称场景分析法，是基于匹配思想的一种定位方法，在特定场景下实时接收到的场景信息与指纹数据库中的信息进行匹配，得岀最优估算。室内定位主要影响因素有：室内多径影响、人体对接收信号强度的影响及同频干扰影响，而室内定位主要考虑的因素是室内多径现象。但如果室内环境格局基本保持不变，信源不作变化，在特定位置上形成的无线信号特征(信号数目、强度、相位等)就会呈现较高的特殊性。将这一特征同位置的坐标进行关联，信号特征就可以表征该点的位置，这也就是基于位置指纹技术成立的必要条件。文献[5]对基于指纹的定位在提高定位精度的优势做了全面分析。

　　具体实施分两步：离线训练阶段(Offline Stage)，在目标区域中的待测点采集训练序列，建立数学模型库即将位置信息与信号强度关联;在线定位匹配阶段(Online Stage)，将移动节点的不同参考节点的信号强度与之前的数学模型库进行数学相关计算，通过相关性确定移动节点的位置。理论上，建库时采集待测点的点数越多，定位的精度越高，但这也会造成前期工作量和计算复杂度的增大。

　　随着人工智能的发展，越来越多的技术被应用在在线定位匹配阶段，包括：KNN、贝叶斯方法、支持向量机(SVM)、聚类方法、神经网络在内的多个方法，均为三维传感空间的定位提供了大量的提升策略和想象空间。

　　K近邻算法是在最近邻算法基础上的改进，即须取得距离最小对应的不是一个数据库矢量，而是一个距离最小值开始选取k(k>=2)个最接近的数据库矢量集合，最后计算它们的平均坐标作为移动节点的位置信息输出。

　　2.4 K加权近邻算法

　　在上一算法的基础上，通过对数据库中向量乘以加权系数，使其作为位置信息输出。

　　2.5 贝叶斯网络算法

　　贝叶斯定位算法是一种概率的定位算法，是对指纹进行训练建立概率指纹数据库，定位阶段使用贝叶斯的相关技术进行位置估计的一种定位算法。

　　2.6 BP神经网络法

　　BP神经网络是目前应用最广泛的神经网络模型之一，神经网络算法主要是模拟人脑运算的基本特征。人脑的最基本组成部分是神经元，神经元之间信息的传递构成了我们对外界的感知。人工神经网络中最基本的单元也取名神经元。BP 神经网络由输入层、隐含层和输出层组成，输入层中的输入信号经过加权和偏置处理传递给隐含层，隐含层中通过一个转移函数将信号相下一个隐含层传递，或者直接进入到输出层进行输出。图2是一个典型的具有输入、输出和隐含层的 BP神经网络。整个神经网络由一系列感知单元组成的输入层、一个或多个隐含的计算单元以及一个输出层组成，每一个节点单元都可以成为一个神经元。

　　ACO-BPNN是BP神经网络在无线网络室内定位的一种应用策略(如图3)，其室内定位原理为: 首先采集室内定位的数据, 然后采用BP神经网络数据进行学习, 采用 ABC 算法对神经网络进行优化, 最后建立无线网络室内定位模型。

　　2.7 K-means位置指纹空间聚类技术

　　K-means算法是一种基于距离的聚类分析法(如图4)，该算法的主要思想是剔除聚类中的离群点。首先根据式(4)得到类{x1，x2，…，xn｝的质心，然后根据式(5)比较所有样本与质心的距离，并剔除距离大于指定阈值t的样本，接着重复式(4)计算新类的质心，直至聚类中所有样本点都能使式(4)条件满足，保留最新质心作为该点的RSSI值录入指纹数据库。

　　K-means指纹定位是在原指纹位算法的基础上，先对指纹库进行聚类分析，再通过匹配算法估计待测点位置的一种算法。即离线阶段，构建指纹库后，通过K-means聚类根据特征参数将指纹库划分为k个子库;匹配阶段，首先比较待测点与各聚类中心的相似程度，选取距离最短的聚类中心所在的子库，再将其与待测点匹配估计最终坐标。

　　尽管指纹定位方法的提出和多种人工智能方法的引入从一定程度上提升了室内定位精度，但是由于指纹定位的在线阶段实现的前提是室内环境格局基本保持不变，信源不作变化，而在现实生活中，由于测量精度不高、环境不稳定以及复杂空间中存在的干扰源信号过多等问题，现有的人工智能定位方法仍难满足定位要求。由此，我们在现有技术的基础上进行了改进和优化。

　　3.1 基于球形天线的信号强度采集

　　传统的基于人工智能的定位技术采用的信号接收设备多为定向天线或全向天线，对于存在墙壁反射的室内定位，难以有效利用其方向信息。我们通过引入球形天线的结构(如图5)，能有效收集和利用空间的折射反射等信息，通过综合球形多个正交平面的收集的信号接收强度信息(RSSI)，并通过机器学习中的KNN等方法，能够充分利用信号的方向和角度信息。仿真发现，在同等环境下，基于球形天线的指纹定位方法相交于传统的方法对能将定位精度提升30%以上。

　　以商场定位为例，如何精确地判断用户所在商铺是一个难题。同时，复杂的环境中存在大量的信号发射源，这在人工智能的处理过程中可能导致特征矩阵稀疏、难以有效地利用RSSI值进行定位。

　　由此，我们提出了lightGBM+CNN的双层精准定位设计。在设计的第一层，我们引入了lightGBM构造多分类候选集，即可能的定位点;在设计的第二层，我们通过将离线阶段采集样本结果作为正分类样本，将候选集中的其他候选结果通过下采样抽取部分作为负分类样本，对CNN网络的分类结果进行训练，并将训练好的模型用来进行在线阶段的定位。

　　具体来说，我们通过借鉴word2vec词向量的方法，对离线阶段采集的信号依据接收信号强度和Mac地址等标签信息构成的稀疏矩阵转化成低维度的词向量矩阵，并通过CNN的方法，将能典型代表其位置信息的指纹信息通过卷积神经网络抽象出来。

　　结果表明：我们提出的方法相较于基础的KNN方法，可以将定位精度提升5%。在商铺定位的场景中，我们通过采集100家商场2017年7-8月的详细数据作为离线数据，并通过2017年9月的商场内用户数据来做评测，检测算法是否能准确地识别出当时用户所在的店铺。结果显示，上述模型最终的定位准确性可达到90%以上，通过结合用户行为特征参数，进行特征工程及模型融合最优结果可达到93%以上。

　　随着室内定位技术的不断发展，广域普适化的室内定位新技术必然会出现，融合室内外空间实现无缝定位，解决未知环境中的定位问题，形成一系列的室内定位建设与开发标准与规范，满足各行业不同层次的应用需求。随着人工智能的发展，指纹定位、计算机视觉等方法被引入到定位过程中，有利于抵抗多径效应，提升定位准确度。同时，面向室内定位的空间数据管理、可视化表达与分析也将是室内定位技术发展的重要组成部分，对于推动室内定位技术的实际应用具有重要的价值。

　　[1]阮陵,等.室内定位:分类、方法与应用综述. 地理信息世界, -14+30

　　[2]周建.基于WLAN的室内无线定位技术研究.西安电子科技大学:81,2014

　　[3]刘攀.基于RSSI指纹库的室内定位系统的设计与实现.华中师范大学,59,2015

　　[4]指纹定位方法研究

　　[6]K-means指纹定位的优化算法

　　[7]基于智能手机的室内定位技术的发展现状和挑战

　　本文来源于《电子产品世界》2018年第11期第30页，欢迎您写论文时引用，并注明出处。