无需提示：通过传感器数据与活动的语言建模实现智能家居中的零样本人类活动识别

开发零样本人类活动识别（HAR）方法是智能家居研究的关键方向——考虑到其对使HAR系统在具有不同传感模式、布局和关注活动的智能家居中工作的重要性。该方向的现有先进解决方案基于生成传感器数据的自然语言描述，并通过精心设计的提示将其馈送到大型语言模型（LLM）以执行分类。尽管这些“提示LLM”方法具有性能保证，但它们携带多种风险，包括隐私侵犯、依赖外部服务以及因版本更改导致的不一致预测，这为不需要提示LLM的替代零样本HAR方法提供了理由。

本文提出了一种此类解决方案，该方法使用自然语言对传感器数据和活动进行建模，利用其嵌入执行零样本分类，从而绕过提示LLM进行活动预测的需求。工作的影响在于对六个数据集进行了详细案例研究，突出了语言建模如何增强零样本识别中的HAR系统。

主题: 人工智能（cs.AI）；机器学习（cs.LG）
引用为: arXiv:2507.21964 [cs.AI]
提交历史: 2025年7月29日提交
全文链接: 可访问论文PDF及HTML（实验性）版本