大传感器模型时代的可穿戴人工智能
信号处理
2026-04-14 v1
摘要
作为理解以人为中心的物理世界的一种有效方法，利用多模态可穿戴传感器来理解人体生理和行为的可穿戴人工智能（AI）近年来吸引了越来越多的关注。然而，现有的传感器模型在很大程度上仍按模态和任务孤立，缺乏一个统一的范式来整合多样化的可穿戴模态、训练策略，并在现实世界应用中实现鲁棒的泛化。受多模态基础模型成功的启发，这些模型从海量多模态数据中学习可迁移的表示，我们认为大传感器模型（LSMs），即在大规模多模态可穿戴数据上训练的基础模型，为可穿戴AI提供了一个通向更通用、更可扩展框架的有前景的途径。在这篇立场论文中，我们形式化了LSMs的数据基础，分析了大规模可穿戴感知的独特挑战，并阐述了两个方向：（i）不具备语言能力的LSMs和（ii）具备语言能力的LSMs。我们进一步讨论了此类模型可以解锁的代表性应用领域。通过本文，我们鼓励社区探索LSMs作为下一代以人为中心AI系统的基础方法。
引用
@article{arxiv.2604.10172,
title = {Wearable AI in the Era of Large Sensor Models},
author = {Yize Cai and Baoshen Guo and Guobin Shen and Zhiqing Hong},
journal= {arXiv preprint arXiv:2604.10172},
year = {2026}
}
备注
18 pages