MuRAL：一个多居户环境传感器数据集，配有自然语言注释用于日常活动
人工智能
2026-03-05 v2
摘要
近期大型语言模型（LLMs）的进展使得能够通过环境传感器数据进行高级推理和零样本识别来理解人类活动。然而，广泛使用的多居户数据集（如 CASAS、ARAS 和 MARBLE）缺乏自然语言上下文和细粒度注释，限制了 LLM 在现实智能环境中充分发挥潜力。为此，我们提出 MuRAL（Multi-Resident Ambient sensor dataset with natural Language），包含来自智能家居中 21 个会话的 21 小时的多用户传感器数据。MuRAL 独特之处在于其详细的自然语言描述、显式的居户身份以及丰富的活动标签，均位于复杂、动态的多居户情境中。我们在 MuRAL 上对当今最先进的 LLMs 进行基准测试，针对三个核心任务：主题分配、动作描述和活动分类。结果表明，当前 LLMs 在 MuRAL 上仍面临主要挑战，尤其是在维持长序列期间保持准确的居户分配、生成精确的动作描述以及有效整合上下文进行活动预测方面。该数据集可在 https://mural.imag.fr/ 上公开获取。
引用
@article{arxiv.2504.20505,
title = {MuRAL: A Multi-Resident Ambient Sensor Dataset Annotated with Natural Language for Activities of Daily Living},
author = {Xi Chen and Julien Cumin and Fano Ramparany and Dominique Vaufreydaz},
journal= {arXiv preprint arXiv:2504.20505},
year = {2026}
}