不提示即可：基于语言建模的智能家居零样人类活动识别
人工智能
2025-07-30 v1 机器学习
摘要
开发零样人类活动识别（Human Activity Recognition, HAR）方法是智能家居研究中的关键方向——这对使 HAR 系统在具有不同感知模态、布局和感兴趣活动的智能家居之间实现跨系统通用性具有重要影响。沿着这一方向的最新方法基于生成传感器数据自然语言描述，并通过精心设计的提示（prompt）输入大型语言模型（LLM）以执行分类。尽管这些“提示-LLM”方法在性能上有所保障，但仍带来若干风险，包括隐私泄露、依赖外部服务以及因版本变化导致不一致预测，这促使我们寻求不需调用 LLM 提示即可进行零样 HARS 的替代方法。本文提出一种此类解决方案，通过自然语言建模传感器数据与活动，利用其嵌入向量进行零样分类，从而绕过对 LLM 进行活动预测的提示需求。我们的工作价值在于基于六个数据集的详细案例研究，展示了语言建模如何在零样识别中增强 HAR 系统的能力。
引用
@article{arxiv.2507.21964,
title = {Thou Shalt Not Prompt: Zero-Shot Human Activity Recognition in Smart Homes via Language Modeling of Sensor Data & Activities},
author = {Sourish Gunesh Dhekane and Thomas Ploetz},
journal= {arXiv preprint arXiv:2507.21964},
year = {2025}
}