[2026年7月29日提出]

PDFを表示 HTML（実験的）

Abstract:ウェアラブルセンサからのヒューマンアクティビティ認識（HAR）は、ヘルスケア、リハビリテーション、フィットネストラッキング、スマート環境などのアプリケーションを支えます。しかし、既存の深層学習アプローチはデータセット固有の訓練、大規模なラベル付きコーパス、新しいセンサ設定やアクティビティ分類への繰り返しの適応を必要とします。Retrieval-Augmented Generation for Human Activity Recognition（RAG-HAR）は、HARを訓練不要の検索拡張タスクとして位置づけ、センサウィンドウの統計的記述を用いて類似のラベル付き例を検索し、LLMベースの分類を導くことでこの課題に対処します。RAG-HAR+は、検索優先かつコスト最適化された拡張版で、検索を強化しつつLLMベースの推論への依存を低減します。RAG-HAR+は、オフラインのRetrieval Designer Agentを使用して、多様なモーションディスクリプタプールからデータセット固有の特徴グループを設計し、データセット固有のアクティビティパターンにより適合した特徴を用いてセンサウィンドウを比較できるようにします。推論時には、RAG-HAR+は検索証拠が強いサンプルに対して取得近傍の多数決を使用し、不確実なケースのみをLLMベースのAmbiguity Resolver Agentに委ねます。6つのHARベンチマークにおいて、RAG-HAR+は競争力のあるまたは改善された性能を維持しながら、LLM使用量、トークン消費量、推論時間を削減します。さらに、RAG-HARモバイルプロトタイプを拡張し、モバイルセンシングシナリオにおける検索優先・LLM支援HARの実用性を示します。

Submission history

From: Hansi Karunarathna [view email]
[v1] Wed, 29 Jul 2026 08:57:03 UTC (1,275 KB)