RARR：基于振动的鲁棒现实世界活动识别，借助近表面音频数据
声音
2025-09-01 v1 机器学习
摘要
四分之一的人患有痴呆症且独居，导致家属需从远距离承担照护角色。许多研究人员开发了远程监控解决方案以减轻照护需求；然而仍存在局限性，包括隐私保护方案、活动识别以及对新用户和新环境的模型可迁移性。结构振动传感器系统是一种不 intrusive 的解决方案，已在受控环境中通过感知由活动产生的表面振动来准确监测人类信息，如身份识别和活动识别。然而，在用户家中部署时，当前解决方案需要大量标记数据才能实现准确的活动识别。我们的可扩展解决方案通过从近表面声学音频中采集合成数据进行预训练模型，然后允许使用极少数据进行微调，以创建用于日常routine跟踪的鲁棒框架。
引用
@article{arxiv.2508.21167,
title = {RARR : Robust Real-World Activity Recognition with Vibration by Scavenging Near-Surface Audio Online},
author = {Dong Yoon Lee and Alyssa Weakley and Hui Wei and Blake Brown and Keyana Carrion and Shijia Pan},
journal= {arXiv preprint arXiv:2508.21167},
year = {2025}
}