Generative Latent Alignment for Interpretable Radar Based Occupancy Detection in Ambient Assisted Living

Technische Samenvatting: Generative Latent Alignment voor Interpreteerbare Radar-gebaseerde Occupancy Detectie

Probleemstelling
In omgevingen voor Ambient Assisted Living (AAL) is continue monitoring van menselijke aanwezigheid cruciaal voor veiligheid en autonomie. Hoewel camera's effectief zijn voor activiteitsherkenning, roepen ze aanzienlijke privacyproblemen op. Millimetergolf (mmWave) radar biedt een privacy-bewerkend alternatief dat robuust is tegen verlichting en occlusie. Echter, deep learning-modellen die worden ingezet voor radar-gebaseerde aanwezigheidsdetectie missen vaak interpreteerbaarheid. In veiligheidskritische zorgcontexten belemmert deze "black box"-aard het vertrouwen van clinici en de validatie van modellen. Bestaande XAI-methoden (Explainable AI) voor sensoren werken vaak post-hoc op discriminatieve modellen of falen om sensordata te koppelen aan menselijk begrijpelijke concepten, waardoor er een kloof ontstaat tussen abstracte radarsignalen en semantische redenering.

Methodologie
De auteurs stellen het Generative Latent Alignment (GLA) framework voor, een semantische radar Variational Autoencoder (VAE) die is ontworpen om een laagdimensionale latente representatie van radar Range–Angle (RA) heatmaps te leren die zowel generatief als semantisch uitgelijnd is met menselijke concepten. De architectuur bestaat uit drie kerncomponenten:

1. Semantische Radar VAE Backbone:

   • Input: 2D RA-intensiteitsfeaturemaps (224×224, 3 kanalen) afgeleid van ruwe mmWave ADC-samples via standaard FMCW-verwerking (Range/Doppler FFT en Capon/MVDR beamforming).
   • Encoder: Een lichtgewicht convolutioneel netwerk met vier strided convolutionele blokken reduceert de ruimtelijke resolutie van 224 naar 14, gevolgd door lineaire koppen om de gemiddelde waarde ($\mu$) en de log-variantie ($\log \sigma^2$) van een diagonale Gaussische distributie te produceren.
   • Decoder: Een stapel van transposed convolutions upsampled de latente vector $z$ om de input RA-heatmap te reconstrueren.
   • Trainingsdoelstelling: Het model maximaliseert de Evidence Lower Bound (ELBO), bestaande uit een binaire cross-entropy reconstructieverlies ($L_{recon}$) om de fijnmazige RA-structuur te behouden en een KL-divergentieterm ($L_{KLD}$) om een gladde latente manifold af te dwingen.

2. Text-Anchor Latent Alignment:

   • Om de kloof tussen sensordata en menselijke concepten te overbruggen, wordt de latente gemiddelde $\mu$ geprojecteerd via een leerbare lineaire laag $W$ en uitgelijnd met embeddings van een bevroren CLIP-tekstencoder.
   • Twee specifieke tekstprompts dienen als semantische ankers: "radar heatmap of an empty room without any person" (radar heatmap van een lege kamer zonder enige persoon) en "radar heatmap of a person present in the room" (radar heatmap van een aanwezige persoon in de kamer).
   • Een alignment loss ($L_{align}$), berekend als de cross-entropy tussen temperatuur-geschaalde cosine similarities van de geprojecteerde latente waarde en de tekstankers, moedigt de latente ruimte aan om samples te clusteren nabij hun overeenkomstige semantische concepten.

3. Latent-Ruimte Interpreteerbaarheid (Latent Grad-CAM):

   • In plaats van Grad-CAM toe te passen op de uiteindelijke classificatielaag, past de methode de techniek aan op het derde convolutionele blok van de encoder.
   • Gradiënten van de class score ten opzichte van de feature maps worden via global average pooling gebruikt om kanaalgewichten af te leiden. Deze gewichten worden toegepast op de feature maps om een heatmap ($L_{CAM}$) te genereren.
   • Deze kaart wordt geupsampled naar de inputresolutie en gemiddeld over Gaussische perturbaties om een stabiele visualisatie te produceren van de ruimtelijke regio's die de aanwezigheidsbeslissing ondersteunen.

Belangrijkste Resultaten
Het framework werd geëvalueerd op een binaire mmWave radar dataset die onderscheid maakt tussen "lege kamer" en "persoon aanwezig" scenario's.

• Kwalitatieve Interpreteerbaarheid: Voor "persoon aanwezig" samples produceert de latente Grad-CAM compacte, scherp gelokaliseerde vlekken die samenvallen met sterke RA-returns (de reflectie van de persoon). Omgekeerd leveren "lege kamer" samples diffuse of afwezige bewijslast, wat consistent is met achtergrondclutter en statische multipath-structuren.
• Ablatieonderzoek: De auteurs voerden een ablatie uit met niet-gerelateerde tekstprompts (bijv. "clouds in the sky"). Onder deze omstandigheden kon de VAE nog steeds grove RA-patronen reconstrueren, maar de Grad-CAM verklaringen verslechterden aanzienlijk: de "persoon aanwezig" klasse produceerde uniforme, niet-saliente kaarten, en de "lege kamer" klasse slaagde er niet in om duidelijke RA-structuren te matchen. Dit bevestigt dat radar-specifieke semantische ankers essentieel zijn voor het genereren van betekenisvolle, gelokaliseerde bewijskaarten.

Betekenis en Claims
Het artikel claimt dat het GLA-framework er succesvol in slaagt de representatiekloof tussen abstracte radarsignalen en menselijk begrijpelijke concepten te overbruggen zonder complexe decoderkoppen of grote taalmodel-generatiepipelines te vereisen. Door een lichtgewicht VAE te koppelen aan bevroren CLIP-ankers, produceert de methode klasse-conditionele bewijskaarten die:

1. Geworteld zijn in de RA-structuur: De visualisaties stemmen overeen met de fysieke geometrie van de radar-returns.
2. Semantisch verbonden zijn: De verklaringen zijn direct gekoppeld aan domeinspecifieke concepten ("leeg" vs. "persoon").
3. Interpreteerbaar zijn: Het gebruik van latent-ruimte Grad-CAM stelt gebruikers in staat te visualiseren waarom een beslissing is genomen, wat de transparantiekloof in veiligheidskritische AAL-systemen aanpakt.

De auteurs positioneren dit werk als een stap naar betrouwbare AI in de gezondheidszorg, waarbij zij demonstreren dat semantische uitlijning de verklaarbaarheid van generatieve radar-modellen kan verbeteren terwijl een lichtgewicht architectuur behouden blijft.