Resumo Técnico: GenHAR – Generalização do Reconhecimento de Atividades Humanas entre Domínios para Entrega de Última Milha

1. Declaração do Problema

O Reconhecimento de Atividades Humanas (HAR) utilizando sensores de Unidade de Medição Inercial (IMU) é crítico para aplicações como saúde inteligente e logística de entrega de última milha. No entanto, uma barreira significativa para a implantação no mundo real é a mudança de distribuição entre domínios. Modelos treinados com dados de um domínio de origem específico (por exemplo, um usuário específico, posicionamento do dispositivo ou ambiente) frequentemente sofrem degradação marcante de desempenho quando testados em domínios-alvo não vistos, devido a variações no posicionamento do sensor, padrões comportamentais individuais e ruído ambiental.

As soluções existentes geralmente dependem de Adaptação de Domínio, que requer acesso a dados do domínio-alvo (muitas vezes não rotulados) durante o treinamento. No entanto, em cenários práticos como a entrega de última milha, coletar e rotular dados do domínio-alvo é frequentemente inviável, demorado e custoso. Consequentemente, o desafio é alcançar a Generalização de Domínio: treinar um modelo exclusivamente com dados do domínio de origem que possa generalizar efetivamente para domínios-alvo não vistos sem qualquer acesso a dados-alvo. Além disso, esses modelos devem ser computacionalmente eficientes o suficiente para operar em dispositivos móveis e de borda com recursos limitados em tempo real.

2. Metodologia: O Framework GenHAR

O GenHAR é um framework inovador projetado para aprender representações de sensores invariantes a domínios puramente a partir de dados do domínio de origem. Ele aborda os desafios da mudança de distribuição e da eficiência computacional através de três princípios de design principais:

A. Transformação no Espaço de Frequência

Diferentemente da maioria dos métodos existentes de HAR que operam no domínio do tempo, o GenHAR transforma dados de séries temporais de IMU brutos para o domínio da frequência usando a Transformada Rápida de Fourier (FFT).

• Racional: As características no domínio do tempo são altamente sensíveis a fatores aleatórios como ruído e preferências sutis de movimento, levando a mudanças de distribuição significativas entre domínios. Em contraste, as características de frequência (especificamente a amplitude) são mais robustas a deslocamentos temporais e exibem lacunas de distribuição menores entre os domínios de origem e de destino.
• Amplitude vs. Fase: O framework utiliza especificamente características de amplitude em vez de fase ou valores complexos. A análise empírica mostra que as características de fase são altamente sensíveis à orientação do dispositivo e ao ruído, enquanto as características de amplitude permanecem relativamente estáveis entre diferentes domínios. A Distância do Transportador de Terra (EMD) entre domínios é significativamente menor no espaço de amplitude em comparação com os espaços de fase ou tempo.

B. Mecanismo de Auto-atenção Específico por Sensor

O GenHAR emprega uma arquitetura baseada em Transformer, mas introduz um mecanismo inovador de Auto-atenção Específica por Sensor no espaço de frequência.

• Tokenização: Em vez de tratar passos de tempo individuais como tokens, toda a sequência de componentes de amplitude para um único canal de sensor é tratada como um único token.
• Aprendizado de Correlação: O mecanismo de atenção é calculado através da dimensão do canal do sensor (por exemplo, entre os eixos X, Y, Z de um acelerômetro e giroscópio) em vez de ao longo da sequência temporal. Isso captura as correlações físicas inerentes entre diferentes canais de sensores, que os autores argumentam serem mais invariantes a domínios do que os sinais de canais individuais.
• Mascaramento Seletivo: Para melhorar a eficiência e a relevância física, aplica-se uma estratégia de mascaramento seletivo. Ela mascara correlações entre medições fisicamente não relacionadas (por exemplo, o eixo X de um acelerômetro e o eixo Y de um giroscópio), preservando correlações dentro do mesmo tipo de sensor ou entre eixos correspondentes (por exemplo, $Acc_x$ e $Gyro_x$). Isso reduz o cálculo desnecessário e foca o modelo em relações intra e inter-sensor significativas.

C. Otimização de Eficiência

Para atender aos requisitos de tempo real de dispositivos móveis, o GenHAR reduz significativamente a complexidade computacional:

• Ao calcular a atenção ao longo da dimensão do canal do sensor (tipicamente 6 eixos) em vez do comprimento total da sequência temporal, a complexidade é drasticamente reduzida.
• O mecanismo de mascaramento seletivo reduz ainda mais as operações de multiplicação de matriz em aproximadamente 33,3%.
• O framework remove o "componente CC" e a segunda metade simétrica do espectro FFT para minimizar ainda mais o tamanho de entrada.

3. Contribuições Principais

O artigo afirma as seguintes contribuições:

1. Primeiro HAR entre Domínios no Espaço de Frequência: Até onde os autores sabem, este é o primeiro trabalho a abordar o HAR entre domínios aprendendo atenção de sensores especificamente dentro do espaço de frequência do sinal, sem exigir dados de treinamento do domínio-alvo.
2. Arquitetura Inovadora: O design do GenHAR, um Transformer no espaço de frequência que captura correlações de sensores através de um módulo de auto-atenção específico por canal, demonstrando que representações de IMU generalizáveis podem ser aprendidas puramente a partir do domínio da frequência.
3. Desempenho e Eficiência Superiores: Extensos experimentos mostram que o GenHAR supera as bases de comparação (SoA) mais avançadas, sendo significativamente mais eficiente.
4. Implantação no Mundo Real: O framework foi implantado com sucesso em um cenário industrial de grande escala para entrega de última milha.

4. Resultados Experimentais

Os autores avaliaram o GenHAR em quatro conjuntos de dados do mundo real (UCI, Shoaib, Motion, HHAR) envolvendo quatro atividades compartilhadas (caminhada, ficar em pé/sentado, subir escadas, descer escadas).

• Precisão: O GenHAR alcançou uma precisão média entre domínios de 81,42%, superando o segundo melhor modelo (UniHAR) em 9,97%. Ele consistentemente superou outras bases de comparação, incluindo métodos de pré-treinamento (LIMUBERT, ContraTSC) e métodos de adaptação/generalização de domínio (SDMix, UniHAR).
• Eficiência:
  • FLOPs: O GenHAR reduziu as Operações de Ponto Flutuante em 6,4 vezes em comparação com o melhor modelo de base de comparação.
  • Cálculo de Auto-atenção: O design de atenção específico por sensor resultou em uma redução de 43,2 vezes no cálculo de auto-atenção em comparação com a atenção de frequência padrão.
  • Tempo de Inferência: Em dispositivos móveis (PDAs), o tempo médio de inferência foi de 0,00647 segundos, e em smartwatches, foi de 0,02505 segundos.
• Estudos de Ablação:
  • A remoção de características de frequência (usando entradas no domínio do tempo) causou uma queda de 13,51% na precisão.
  • A substituição de amplitude por características de fase causou uma queda de 31,19% na precisão, confirmando a superioridade das características de amplitude para invariância de domínio.
  • A substituição da atenção específica por sensor pela atenção temporal padrão causou uma queda de 17,10% na precisão.

5. Implantação no Mundo Real e Significado

O artigo destaca a implantação do GenHAR na JD Logistics em 4 cidades envolvendo 9.985 entregadores.

• Escala: Em um mês, o sistema detectou 2,15 bilhões de atividades em tempo real (1,84 bilhão parados, 215 milhões caminhando, 54,8 milhões subindo escadas, 39,8 milhões descendo escadas).
• Aplicações:
  • Compreensão da Carga de Trabalho: O sistema identifica cenários de entrega de alto esforço (por exemplo, edifícios sem elevadores) para apoiar compensação equitativa e algoritmos de despacho justos.
  • Mineração de Localização de Endereços: Ao combinar reconhecimento de atividades com trajetórias de GPS, o sistema inferiu as localizações de mais de 6,8 milhões de endereços de envio com 93,3% de precisão (dentro de 100 metros), melhorando a navegação logística e a alocação de pacotes.

6. Significado Alegado

Os autores posicionam o GenHAR como um avanço significativo para a entrega de última milha e a IA baseada em sensores em geral. O significado reside em:

• Resolver o Problema da Escassez de Dados: Oferece uma solução viável para o HAR entre domínios onde os dados do domínio-alvo estão indisponíveis, uma restrição comum na logística do mundo real.
• Design Orientado pela Física: O sucesso da abordagem de espaço de frequência e atenção específica por sensor sugere que modelar os princípios de geração física dos sinais de IMU (em vez de apenas padrões estatísticos) leva a modelos mais robustos e generalizáveis.
• Viabilidade de Implantação na Borda: Ao reduzir drasticamente os custos computacionais enquanto mantém alta precisão, o GenHAR demonstra que modelos sofisticados de generalização de domínio podem ser implantados em dispositivos móveis de baixo recurso para aplicações industriais em tempo real e de grande escala.