スマートホームでは、「人が部屋に入ったら照明をつける」「誰もいなくなったら空調を弱める」といった自動化がすでに身近なものになっています。
ただし、実際にこれを高い精度で実現しようとすると、意外に難しい問題があります。センサーが「人がいる」ことを検出できても、その人が本当にその部屋の中にいるのか、それとも壁の向こう側にいるのかまで正しく判断できるとは限らないからです。
Appleが公開した特許公報では、この問題に対してUWB（Ultra Wideband：超広帯域無線）などの電磁波センサーと、超音波など性質の異なるセンサーを組み合わせます。そしてさらに興味深いのは、超音波などのセンサーから得た「正解」を使って機械学習モデルを育てていく点です。公報では、モデルの精度が十分になれば、超音波センサーの利用を減らしたり停止したりする構成まで想定されています。
これは、単なる「センサーを2種類載せる」という話ではありません。家や部屋ごとの電波の見え方をデバイス自身が学習し、次第にその部屋に適応していく人物検出と考えると、この特許の面白さが見えてきます。
この記事では、Appleの特許 US2026/0251790A1 から、AIが部屋を学習する、新しい室内人物検出技術の仕組みを図面を基に詳しく解説します。
（詳細な図面は、US2026/0251790A1 からご参照ください。）
特許の概要
特許番号：US 2026/0251790 A1
タイトル：System and techniques for improving in-room person detection
発明者：Barak Baum, Yoav Feinmesser, Naftali Sommer
出願人：Apple Inc.
出願日：2026/4/17
登録日：2026/8/27
特許の詳細については、US2026/0251790A1 を参照してください。
この特許は、電波による人物検出を別のセンサーで確認し、その結果を教師データとして機械学習させることで、室内人物検出の精度を高める技術です。
この特許が解決する課題は、UWBなどの電磁波の便利さと弱点です。電磁波なら、人がセンサーカメラの前に立っていなくても検出できます。一方、電磁波は壁を通過するため、隣室や廊下にいる人物まで検出してしまう場合があります。これでは「リビングに人がいるか」を知りたいのに、「リビングの壁の向こうを歩いている人」を拾う可能性があります。
そこでAppleが示しているのが、超音波などの第2センサーです。超音波は壁を通過しにくいため、「電磁波では人らしき反射が見えるが、超音波では見えない」という場合、その人物は部屋の外にいる可能性が高くなります。一方、超音波には到達距離、家具による遮蔽、ペットへの影響、消費電力、スピーカーで音楽を再生する際の干渉など別の弱点があります。
そのため、この特許では「常に両方を使う」のではなく、電磁波を主役とし、必要な場面で超音波などを教師役として使います。そして確認結果を「この電波反射は室内の人物だった」という学習データとして保存します。
つまり、この特許ではセンサーが単に人を見つける装置ではなく、別のセンサーから正解を教わりながらその部屋特有の環境を学習する仕組みとして使われています。
電波だけでは「壁の向こうの人」まで見えてしまう
FIG.1 は、この発明が解決しようとしている問題を表した図です。
図には部屋（100）があり、その中に電子デバイス（102）と人物P1（104）がいます。電子デバイス（102）からは信号（106）が放射されています。一方、壁（108）の反対側には別の人物P2（110）がいます。
電子デバイス（102）は、HomePodのようなスマートスピーカーだけでなく、MacBook、iPhone、iPadなどでもよいとされています。レーダーやソナーを備え、送った信号の反射から、人がいるかどうかを判断します。
問題は信号（106）がUWBなどの電磁波だった場合です。電磁波は壁（108）によって減衰しますが、必ずしも完全に遮断されません。そのため、室内の人物P1（104）と、壁の外にいる人物P2（110）から得られる反射が似る場合があります。
例えばHomePodがリビングの人の存在を検出して照明や空調を制御するとしましょう。隣の廊下を家族が通っただけなのに「リビングに人が入った」と判断すれば、スマートホームの自動化としては扱いにくくなります。
つまり、FIG.1が示しているのは、「人を検出できること」と「その人が目的の部屋にいると分かること」は別問題だということです。
（正確な図面は、US2026/0251790A1 をご参照ください。）
電波で見つけ、超音波で「本当に室内か」を確認する
FIG.2 は、この特許の基本アイデアを視覚的に表す図です。
図には部屋（200）、電子デバイス（202）、室内の人物（204）、室外の人物（210）があります。電子デバイス（202）は電磁信号（206）と超音波信号（208）を利用でき、さらに第2センサー（212）を組み合わせる構成も示されています。
ここで重要なのが、電磁波と超音波の性質の違いです。
まず電子デバイス（202）が、UWBなどの電磁信号（206）を使って人物候補を検出します。UWBのほか、Bluetooth、BLE、Wi-Fiなどを利用する実施形態も公報には記載されています。
しかし、それだけでは人物（204）が部屋の内側なのか、人物（210）のように壁の向こうなのか曖昧になる場合があります。そこで超音波信号（208）を使います。
超音波は壁を通過しにくいため、電磁信号（206）では反応があるのに超音波信号（208）では人物を確認できなければ、電波が拾った対象は部屋の外にいる可能性があります。逆に両方で検出できれば、室内にいる可能性を強くできます。公報は、このように超音波の利用を電磁波による検出後に限定する方式も説明しています。
第2センサー（212）を使う場合は、超音波だけに限定されません。実施形態ではカメラ、赤外線センサーなどが使われます。第2センサーは、常時人を監視する主役ではなく、電波センサーに答え合わせをさせる教師として使うことができます。
（正確な図面は、US2026/0251790A1 をご参照ください。）
部屋ごとの「電波の見え方」をAIに覚えさせる
FIG.7 は学習プロセス（700）のフローチャートです。
最初に第1センサーが電磁信号を送信（705）し、その反射信号を受信します（710）。続いて反射から人物候補を検出し（715）、第2センサーを使って、本当に対象が室内にいるかを確認します（720）。
「本当に室内に人がいた」と確認できたとき、そのときの電磁反射信号を学習用シグネチャとして保存します（725）。これを繰り返して学習データを集め（730）、最終的に機械学習モデルを訓練します（735）。
学習するのは「人がいた場合」だけではありません。人がいない状態や、対象が部屋の外にいる状態のシグネチャを利用する実施形態もあります。さらに、無人時の反射をベースラインとして記録し、そのベースラインと現在の反射との差分を機械学習に使う方法も示されています。
例えば、同じ HomePod を置いても、部屋によって壁の材質、家具の配置、広さは異なります。その結果、電波の反射パターンも変わります。そこで全家庭共通の固定ルールだけを使うのではなく、実際に設置された環境で得たデータからモデルを調整していくわけです。
つまり FIG.7 は、スマートホーム機器が「この家のこの部屋なら、この反射は室内の人だ」と学習していく仕組みを表していると見ることができます。
（正確な図面は、US2026/0251790A1 をご参照ください。）
学習したあとは、電波だけでも判断できる
FIG.8 は FIG.7 の「学習後」に相当する処理です。
まず第1センサーから電磁信号を送信し（805）、その反射を受信します（810）。反射から人物候補を検出し（815）、学習済み機械学習モデルへアクセスします（820）。そしてモデルを利用して人物候補の位置を判断します（825）。
FIG.7 の学習プロセスと比較すると、FIG.7では、第2センサー（720）が「本当に室内か」を確認しているのに対して、FIG.8 では、第2センサーによる確認を行わず、これまでに集めたラベル付き電磁反射データから学習したモデルを利用しています。
公報には、学習済みの電磁モデルだけで人物の存在を検出できるようにすることが明確に記載されています。さらに十分な予測精度に達した場合、超音波を停止する実施形態も示されています。
これは、センサーを増やして精度を上げるということではなく、精度の高いセンサーを先生として一時的に使い、普段は負担の少ないセンサーを中心に動かすという構成です。
製品として実現すれば、超音波を常時使用せず、その部屋に合わせた人物検出を維持できる可能性があります。ただし、どの程度の学習期間が必要か、実製品でどこまで第2センサーを停止できるかは、この公報だけからは判断できません
（正確な図面は、US2026/0251790A1 をご参照ください。）
その他の図面
FIG.3：UWBなどによる距離測定の基本シーケンス
第1電子デバイス（310）から第2電子デバイス（320）へ測距要求（301）を送り、測距応答（302）を受信して距離情報（330）を求める流れです。送受信時刻からタイム・オブ・フライト（飛行時間）を求めることで、対象までの距離を算出します。
FIG.4：複数アンテナを使った方向の推定
モバイルデバイス（420）に3つのアンテナ（421, 422, 423）を設け、それぞれへの信号到達時間の違いなどから、プロセッサ（424）が信号の到来方向を計算する構成です。距離だけでなく、どちら側に対象がいるかまで把握するための技術です。
FIG.5：位相差から到来角を求める仕組み
電子デバイス（510）のアンテナ（548-1, 548-2）がノード（578）からの信号（558）を受信し、その位相差などから信号が来た方向を推定します。部屋の境界と対象の方向を組み合わせれば、「距離は近いがドアの外にいる」といった判定にも利用できます。
FIG.6：電磁波の検出をきっかけに超音波を使う処理
電磁信号の送受信（605, 610）から人物候補を検出（615）し、その後で超音波を送信（620）、受信（625）、室内にいることを確認（630）する流れです。常時ソナーを動作させず、「必要になったときだけ確認する」という考え方が分かります。
FIG.9：UWBとBluetooth／Wi-Fiを組み合わせるモバイルデバイス
モバイルデバイス（900）にはUWBアンテナ（910）とUWB回路（915）、Bluetooth／Wi-Fiアンテナ（920）と回路（925）、常時プロセッサ・オン（930）、アプリケーション・プロセッサ（940）が示されています。Bluetooth／Wi-FiとUWBを役割分担させながら、低消費電力で測距処理を行う構成です。
FIG.10：人物検出を実行できる電子デバイス全体の構成
処理系、メモリ、無線回路、I/O、カメラや各種センサー、音声回路などを含む汎用的なデバイス構成です。つまり、この技術は特定の専用センサー装置だけを前提としているわけではなく、スマートスピーカーやスマートフォンなど幅広い電子機器での実装を想定しています。
考察
UWBで人を検出することは特に目新しい技術ではありませんが、この特許では、精度の異なる複数のセンサーを固定的に使うのではなく、第2センサーを教師として使って、主センサーを賢くしていき、最終的には主センサーだけで検出を行うという設計思想に特徴があります。
部屋に人が存在するかの判定だけでなく、「誰が」「どこに」「人数は」まで判定できるようになれば、スマートホームの自動化はさらに細やかに設定することが可能になります。
例えば、人物の反射パターンをクラスタリングし、成人と子ども、あるいは特定の人物を区別することができれば、ある人物がリビングへ入るとその人の照明・空調設定を呼び出す、複数人なら別の設定に変える、誰もいなくなれば機器を省電力状態にするといった使い方が可能になります。
この特許のような機能を、カメラの映像から判定して行うことも可能です。しかし、映像からの判定はプライバシー問題への解決が必要になります。UWBや超音波などを使って、学習後の主な検出を電磁波の反射パターンで行えるのであれば、映像を使わないので、プライバシーの問題をある程度回避できる可能性があります。
もちろん、この特許ならプライバシーの問題はありえないということはないと思います。電磁波の反射であってもパターンとして個人を特定することは可能だと思われるからです。
今回の発明は HomePod だけに留まらず、様々な Apple製品に展開され、複数のApple製品が「誰がどの部屋にいるのか」を補完し合うスマートホームへ発展する可能性もあると思います。
（上記は筆者の個人的な意見です。）
まとめ
- 従来の室内人物検出では、UWBなどの電磁波が壁を通過し、隣室や廊下にいる人物まで検出してしまう可能性があります。
- Appleの特許では、電磁波で人物候補を検出し、超音波、赤外線、カメラなど別のセンサーで「本当に室内にいるか」を確認する構成を示しています。
- 特に重要なのは、第2センサーの確認結果を教師データとして電磁反射パターンを学習し、最終的には機械学習モデルを使って主に電磁信号から人物を判断しようとしている点です。
- この方式が実用化されれば、機器が部屋ごとの環境を学びながら人物検出を最適化し、より自然なスマートホーム自動化へ発展する可能性があります。
最後までお読みいただきありがとうございました。
※企業の特許は、製品になるものも、ならないものも、どちらも出願されます。今回紹介した特許が製品になるかどうか現時点では不明です。ご注意ください。
