GenHAR: Generalizing Cross-domain Human Activity Recognition for Last-mile Delivery
GenHAR ist ein neuartiges Framework, das verteilungsbedingte Verschiebungen zwischen Domänen in der menschlichen Aktivitätserkennung adressiert, indem es Sensordaten tokenisiert und selektives Maskieren mit effizienter Aufmerksamkeit einsetzt, um einen State-of-the-Art in Bezug auf Genauigkeit und Effizienz zu erreichen, was durch den großflächigen realen Einsatz im letzten Meilen-Lieferverkehr validiert wurde.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, einem Roboter beizubringen, zu erkennen, ob ein Lieferfahrer geht, Treppen steigt oder stillsteht. Sie trainieren den Roboter mit Daten einer spezifischen Gruppe von Fahrern in Peking. Doch wenn Sie denselben Roboter mit Fahrern in Shanghai oder sogar nur mit anderen Fahrern in derselben Stadt arbeiten lassen, beginnt er, Fehler zu machen. Er gerät in Verwirrung, weil die „Stimme" der Daten anders klingt – vielleicht werden die Telefone in verschiedenen Hosentaschen getragen, oder die Fahrer gehen mit unterschiedlichen Gangarten.
Dies ist das Problem, das die Arbeit GenHAR löst. Es ist ein neues System, das entwickelt wurde, um Computern zu helfen, menschliche Aktivitäten (wie Gehen oder Treppensteigen) zu erkennen, selbst wenn die Daten aus einer völlig anderen „Welt" stammen als die, in der es trainiert wurde.
So funktioniert es, aufgeschlüsselt in einfache Konzepte:
1. Das Problem: Das „Akzent"-Problem
Stellen Sie sich Sensordaten (von einem Telefon oder einer Uhr) wie eine sprechende Person vor. Wenn Sie einen Übersetzer trainieren, einen bestimmten Akzent einer Person zu verstehen, könnte dieser Schwierigkeiten haben, wenn diese Person mit einem Freund mit einem anderen Akzent spricht. In der Welt der Lieferdienste bewegt sich jeder Kurier leicht anders, trägt sein Telefon an einer anderen Stelle und verwendet ein anderes Gerät. Dies erzeugt eine „Verteilungsverschiebung" – die Daten sehen so unterschiedlich aus, dass die alte KI verwirrt wird und versagt.
Die meisten früheren KIs versuchten, dies zu beheben, indem sie dem System während des Trainings Beispiele aus der neuen Gruppe (dem „Ziel"-Bereich) zeigten. Doch in der realen Welt kann man diese Daten oft nicht im Voraus erhalten. Man benötigt ein System, das von einer Gruppe lernt und sofort für jede andere Gruppe funktioniert, ohne dass ein zusätzliches Training nötig ist.
2. Die Lösung: Auf die „Musik" statt auf die „Wörter" hören
Die Autoren erkannten, dass das Betrachten der Rohdaten (die „Wörter" oder der Zeitverlauf der Bewegung) zu verrauscht ist. Stattdessen beschlossen sie, die Bewegung in den Frequenzraum (die „Musik") zu übersetzen.
- Die Analogie: Stellen Sie sich vor, zwei Personen singen dasselbe Lied. Eine singt es schnell, die andere langsam. Wenn Sie auf die Wörter (Zeit) schauen, sehen sie sehr unterschiedlich aus. Aber wenn Sie auf die Noten (Frequenz) schauen, sind die Melodie und die Noten fast identisch.
- Die Innovation: GenHAR wandelt die rohen Bewegungsdaten in diese „Frequenz-Noten" um. Es stellte sich heraus, dass die „Melodie" einer Aktivität (wie Gehen) gleich bleibt, selbst wenn sich das „Tempo" oder das „Instrument" (das spezifische Telefon oder die Person) ändert. Dies macht die KI viel robuster.
3. Das Geheimnis: Das „Sensor-Orchester"
Sobald die Daten in diesem Frequenzformat vorliegen, verwendet GenHAR eine spezielle Art von Aufmerksamkeitsmechanismus.
- Die Analogie: Stellen Sie sich ein Orchester vor. Eine gewöhnliche KI könnte auf die Geigensektion hören und versuchen, das ganze Lied nur zu verstehen, indem sie betrachtet, wie sich die Geigennoten über die Zeit verändern.
- Der Ansatz von GenHAR: GenHAR agiert wie ein Dirigent, der hört, wie sich die Geigen, Celli und Trommeln untereinander unterhalten. Es erkennt, dass die Beziehung zwischen den verschiedenen Sensoren (Beschleunigungsmesser und Gyroskope) der Schlüssel zum Verständnis der Aktivität ist.
- Selektive Maskierung: Um Energie zu sparen, hört es nicht auf jedes mögliche Gespräch zwischen den Instrumenten. Es weiß, dass der „Links-Rechts"-Beschleunigungsmesser nicht wirklich mit dem „Oben-Unten"-Gyroskop sprechen muss. Es dämpft diese unnötigen Gespräche, was das System unglaublich schnell und effizient macht.
4. Die Ergebnisse: Schneller, intelligenter und in der realen Welt getestet
Die Arbeit behauptet drei große Erfolge:
- Genauigkeit: Sie ist erheblich genauer als aktuelle State-of-the-Art-Methoden (im Durchschnitt etwa 10 % besser). Sie hat nicht nur geraten; sie hat die wahre „Melodie" der Aktivität gelernt.
- Effizienz: Sie ist viel leichter. Sie benötigt 6,4-mal weniger Rechenleistung als die besten bestehenden Modelle. Dies ist entscheidend, da Lieferfahrer diese Modelle auf ihren Handys verwenden, die über begrenzte Batterie und Rechenleistung verfügen.
- Einsatz in der realen Welt: Das Team hat dies nicht nur im Labor getestet. Sie haben sich mit JD Logistics, einem großen Lieferunternehmen in China, zusammengeschlossen. Sie haben GenHAR auf den Handys von 9.985 Kurieren in 4 Städten installiert.
- In nur einem Monat hat das System erfolgreich 2,15 Milliarden Aktivitäten erkannt.
- Es hat genau identifiziert, wann Kurier gelaufen sind, Treppen gestiegen sind oder stillgestanden haben, obwohl es mit Daten von einer völlig anderen Gruppe von Menschen trainiert wurde.
5. Warum dies für Lieferdienste wichtig ist
Die Arbeit hebt zwei spezifische Wege hervor, wie dies dem Logistikunternehmen hilft:
- Faire Arbeitslasten: Indem genau bekannt ist, wie viel ein Kurier klettert oder läuft, kann das Unternehmen Aufträge fairer verteilen. Wenn ein Gebäude keinen Aufzug hat, weiß das System, dass dieser Kurier „Zusatzarbeit" geleistet hat, und kann seine Bezahlung oder Arbeitslast entsprechend anpassen.
- Bessere Karten: Das System hilft bei der Verifizierung von Lieferadressen. Wenn ein Kurier angibt, sich an einer bestimmten Adresse zu befinden, das Telefon jedoch anzeigt, dass er kontinuierlich fährt, weiß das System, dass die Adresse möglicherweise falsch ist. Dies half ihnen, über 6,8 Millionen Lieferadressen mit hoher Genauigkeit zu kartieren.
Zusammenfassend: GenHAR ist eine intelligente, leichte KI, die die „universelle Melodie" menschlicher Bewegung lernt. Sie ignoriert das Rauschen verschiedener Telefone und Personen, sodass sie Aktivitäten überall und jederzeit perfekt erkennen kann, ohne neu trainiert werden zu müssen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.