WatchGuardian：智能手表上基于用户定义的个性化即时干预
人机交互
2025-02-11 v1 人工智能
机器学习
摘要
尽管即时干预（JITI）在针对常见健康行为方面取得了有效成果，但个体往往有独特的需求来干预个人不可接受的行为，这些行为可能对身体、心理和社会福祉产生负面影响。我们提出了 WatchGuardian，一个基于智能手表的 JITI 系统，使用户能够通过少量样本定义自定义干预，以检测基于有限新数据样本的新动作。为了使模型能够基于有限的新数据样本检测新动作，我们开发了一个few-shot学习管道，对公开手势数据集上的预训练的惯性测量单位（IMU）模型进行微调。随后，我们设计了数据增强和合成过程，以训练针对定制化的额外分类层。我们的离线评估包含 26 名参与者，结果显示在三个、五个和十个示例的情况下，我们的方法分别实现了平均准确率为 76.8%、84.7% 和 87.7%，F1 分数为 74.8%、84.2% 和 87.2%。随后我们进行了为期四小时的干预研究，将 WatchGuardian 与基于规则的干预进行比较。我们的结果显示，我们的系统在不可接受行为上的显著减少为 64.0 ± 22.6%，显著优于基线的 29.0%。我们的发现凸显了可定制、基于 AI 的 JITI 系统对需要行为干预的个体的有效性。我们设想我们的工作可以激发更广泛的应用，以利用先进的 AI 解决方案实现用户定义的个性化干预。
关键词
引用
@article{arxiv.2502.05783,
title = {WatchGuardian: Enabling User-Defined Personalized Just-in-Time Intervention on Smartwatch},
author = {Ying Lei and Yancheng Cao and Will Wang and Yuanzhe Dong and Changchang Yin and Weidan Cao and Ping Zhang and Jingzhen Yang and Bingsheng Yao and Yifan Peng and Chunhua Weng and Randy Auerbach and Lena Mamykina and Dakuo Wang and Yuntao Wang and Xuhai Xu},
journal= {arXiv preprint arXiv:2502.05783},
year = {2025}
}
备注
Under submission