Riepilogo Tecnico: GenHAR – Generalizzazione del Riconoscimento delle Attività Umane Cross-Dominio per la Consegna dell'Ultimo Miglio

1. Enunciato del Problema

Il Riconoscimento delle Attività Umane (HAR) basato su sensori Inertial Measurement Unit (IMU) è fondamentale per applicazioni come l'assistenza sanitaria intelligente e la logistica della consegna dell'ultimo miglio. Tuttavia, una barriera significativa al dispiegamento nel mondo reale è lo spostamento distributivo cross-dominio. I modelli addestrati su dati provenienti da un dominio sorgente specifico (ad esempio, un utente specifico, un posizionamento del dispositivo o un ambiente) spesso subiscono un marcato degrado delle prestazioni quando testati su domini target non visti, a causa di variazioni nel posizionamento del sensore, nei modelli comportamentali individuali e nel rumore ambientale.

Le soluzioni esistenti si basano tipicamente sull'Adattamento di Dominio, che richiede l'accesso ai dati del dominio target (spesso non etichettati) durante l'addestramento. Tuttavia, in scenari pratici come la consegna dell'ultimo miglio, la raccolta e l'etichettatura dei dati del dominio target sono spesso non fattibili, dispendiose in termini di tempo e costose. Di conseguenza, la sfida consiste nel raggiungere la Generalizzazione di Dominio: addestrare un modello esclusivamente su dati del dominio sorgente che possa generalizzare efficacemente a domini target non visti senza alcun accesso ai dati target. Inoltre, questi modelli devono essere sufficientemente efficienti dal punto di vista computazionale da poter essere eseguiti in tempo reale su dispositivi mobili e periferici con risorse limitate.

2. Metodologia: Il Framework GenHAR

GenHAR è un framework innovativo progettato per apprendere rappresentazioni dei sensori invarianti al dominio puramente dai dati del dominio sorgente. Affronta le sfide dello spostamento distributivo e dell'efficienza computazionale attraverso tre principi fondamentali di progettazione:

A. Trasformazione nello Spazio delle Frequenze

A differenza della maggior parte dei metodi HAR esistenti che operano nel dominio del tempo, GenHAR trasforma i dati grezzi delle serie temporali IMU nel dominio delle frequenze utilizzando la Trasformata di Fourier Veloce (FFT).

• Razionale: Le caratteristiche nel dominio del tempo sono altamente sensibili a fattori casuali come il rumore e le preferenze di movimento sottili, portando a significativi spostamenti distributivi tra i domini. Al contrario, le caratteristiche di frequenza (in particolare l'ampiezza) sono più robuste agli spostamenti temporali e presentano lacune distributive più ridotte tra i domini sorgente e target.
• Ampiezza vs Fase: Il framework utilizza specificamente le caratteristiche di ampiezza piuttosto che la fase o i valori complessi. L'analisi empirica mostra che le caratteristiche di fase sono altamente sensibili all'orientamento del dispositivo e al rumore, mentre le caratteristiche di ampiezza rimangono relativamente stabili tra domini diversi. La Distanza del Trasportatore di Terra (EMD) tra i domini è significativamente inferiore nello spazio delle ampiezze rispetto agli spazi di fase o tempo.

B. Meccanismo di Auto-attenzione per Sensore

GenHAR impiega un'architettura basata su Transformer ma introduce un nuovo meccanismo di Auto-attenzione per Sensore nello spazio delle frequenze.

• Tokenizzazione: Invece di trattare i singoli passaggi temporali come token, l'intera sequenza di componenti di ampiezza per un singolo canale del sensore viene trattata come un unico token.
• Apprendimento delle Correlazioni: Il meccanismo di attenzione è calcolato attraverso la dimensione del canale del sensore (ad esempio, tra gli assi X, Y, Z di un accelerometro e di un giroscopio) piuttosto che lungo la sequenza temporale. Questo cattura le correlazioni fisiche intrinseche tra diversi canali del sensore, che gli autori sostengono essere più invarianti al dominio rispetto ai segnali dei singoli canali.
• Mascheramento Selettivo: Per migliorare l'efficienza e la rilevanza fisica, viene applicata una strategia di mascheramento selettivo. Essa maschera le correlazioni tra misurazioni fisicamente non correlate (ad esempio, l'asse X di un accelerometro e l'asse Y di un giroscopio) preservando al contempo le correlazioni all'interno dello stesso tipo di sensore o tra assi corrispondenti (ad esempio, $Acc_x$ e $Gyro_x$). Questo riduce i calcoli non necessari e focalizza il modello su relazioni intra- e inter-sensore significative.

C. Ottimizzazione dell'Efficienza

Per soddisfare i requisiti in tempo reale dei dispositivi mobili, GenHAR riduce significativamente la complessità computazionale:

• Calcolando l'attenzione lungo la dimensione del canale del sensore (tipicamente 6 assi) invece che sulla lunghezza completa della sequenza temporale, la complessità è drasticamente ridotta.
• Il meccanismo di mascheramento selettivo riduce ulteriormente le operazioni di moltiplicazione di matrice di circa il 33,3%.
• Il framework rimuove la "componente CC" (corrente continua) e la seconda metà simmetrica dello spettro FFT per minimizzare ulteriormente la dimensione dell'input.

3. Contributi Chiave

Il documento rivendica i seguenti contributi:

1. Primo HAR Cross-Dominio nello Spazio delle Frequenze: A conoscenza degli autori, questo è il primo lavoro ad affrontare l'HAR cross-dominio apprendendo l'attenzione del sensore specificamente all'interno dello spazio delle frequenze del segnale, senza richiedere dati di addestramento del dominio target.
2. Architettura Innovativa: La progettazione di GenHAR, un Transformer nello spazio delle frequenze che cattura le correlazioni dei sensori tramite un modulo di auto-attenzione per canale, dimostra che rappresentazioni IMU generalizzabili possono essere apprese puramente dal dominio delle frequenze.
3. Prestazioni e Efficienza Superiori: Esperimenti estesi mostrano che GenHAR supera i baseline dello stato dell'arte (SoA) essendo significativamente più efficiente.
4. Dispiegamento nel Mondo Reale: Il framework è stato dispiegato con successo in un contesto industriale su larga scala per la consegna dell'ultimo miglio.

4. Risultati Sperimentali

Gli autori hanno valutato GenHAR su quattro dataset reali (UCI, Shoaib, Motion, HHAR) che coinvolgono quattro attività condivise (camminare, stare in piedi/seduti, salire le scale, scendere le scale).

• Accuratezza: GenHAR ha raggiunto un'accuratezza media cross-dominio dell'81,42%, superando il secondo miglior modello (UniHAR) del 9,97%. Ha costantemente superato altri baseline, inclusi metodi di pre-addestramento (LIMUBERT, ContraTSC) e metodi di adattamento/generalizzazione di dominio (SDMix, UniHAR).
• Efficienza:
  • FLOPs: GenHAR ha ridotto le operazioni in virgola mobile di 6,4 volte rispetto al miglior modello baseline.
  • Calcolo dell'Auto-attenzione: La progettazione dell'attenzione per sensore ha portato a una riduzione di 43,2 volte nel calcolo dell'auto-attenzione rispetto all'attenzione in frequenza standard.
  • Tempo di Inferenza: Sui dispositivi mobili (PDA), il tempo medio di inferenza è stato di 0,00647 secondi, mentre sugli smartwatch è stato di 0,02505 secondi.
• Studi di Ablazione:
  • La rimozione delle caratteristiche di frequenza (utilizzando input nel dominio del tempo) ha causato un calo dell'accuratezza del 13,51%.
  • La sostituzione dell'ampiezza con caratteristiche di fase ha causato un calo dell'accuratezza del 31,19%, confermando la superiorità delle caratteristiche di ampiezza per l'invarianza al dominio.
  • La sostituzione dell'attenzione per sensore con l'attenzione temporale standard ha causato un calo dell'accuratezza del 17,10%.

5. Dispiegamento nel Mondo Reale e Significato

Il documento evidenzia il dispiegamento di GenHAR presso JD Logistics in 4 città, coinvolgendo 9.985 corrieri di consegna.

• Scala: In un mese, il sistema ha rilevato 2,15 miliardi di attività in tempo reale (1,84 miliardi di attività statiche, 215 milioni di camminata, 54,8 milioni di salita scale, 39,8 milioni di discesa scale).
• Applicazioni:
  • Comprensione del Carico di Lavoro: Il sistema identifica scenari di consegna ad alto sforzo (ad esempio, edifici senza ascensori) per supportare compensazioni eque e algoritmi di assegnazione equi.
  • Estrazione della Posizione degli Indirizzi: Combinando il riconoscimento delle attività con le traiettorie GPS, il sistema ha inferito le posizioni di oltre 6,8 milioni di indirizzi di spedizione con un'accuratezza del 93,3% (entro 100 metri), migliorando la navigazione logistica e l'allocazione dei pacchi.

6. Significato Rivendicato

Gli autori posizionano GenHAR come un avanzamento significativo per la consegna dell'ultimo miglio e l'IA basata su sensori in generale. Il significato risiede in:

• Risoluzione del Problema della Scarsità di Dati: Fornisce una soluzione praticabile per l'HAR cross-dominio dove i dati del dominio target non sono disponibili, un vincolo comune nella logistica reale.
• Progettazione Guidata dalla Fisica: Il successo dell'approccio basato sullo spazio delle frequenze e sull'attenzione per sensore suggerisce che la modellazione dei principi fisici di generazione dei segnali IMU (piuttosto che solo dei modelli statistici) porta a modelli più robusti e generalizzabili.
• Fattibilità del Dispiegamento Edge: Riducendo drasticamente i costi computazionali mantenendo un'alta accuratezza, GenHAR dimostra che modelli sofisticati di generalizzazione di dominio possono essere dispiegati su dispositivi mobili a risorse limitate per applicazioni industriali su larga scala in tempo reale.