arXiv cs.AI· Xi Chen (M-PSI), Julien Cumin (LIG, M-PSI), Fano Ramparany (LIG, M-PSI), Dominique Vaufreydaz (LIG, M-PSI)·· 10 小时前AI 评分18
基于 MDP 建模与行为克隆的智能家居多居民数据关联
Multi-Resident Data Association in Smart Homes via MDP Modeling and Behavior Cloning
AI 导读
研究将智能家居多居民数据关联重构为马尔可夫决策过程（MDP）任务，并用行为克隆（BC）从专家演示中直接学习策略，避免复杂奖励工程。策略实例化为两种架构：轻量 Transformer 将关联视为线性化事件历史的多标签分类，微调 LLM 则将问题转为条件文本生成。
正文 · AI 翻译
摘要：环境传感器为智能家居中的活动识别提供了一种保护隐私的解决方案，但它们在多居民环境中面临一个被称为数据关联的关键挑战，该挑战旨在识别触发特定匿名传感器事件的居民。现有方法往往对沉默居民产生相互冲突的关联，从根本上无法保持全局一致性。此外，这些方法常常因将连续物理运动模型应用于离散逻辑行为所导致的本体不匹配而遭受严重的轨迹碎片化问题。为解决这些局限，我们提出了一种新颖的框架，将数据关联重新表述为马尔可夫决策过程（MDP）中的顺序决策任务。我们通过行为克隆（BC）求解所定义的 MDP，从而直接向专家示范学习，避免复杂的奖励工程。我们使用两种互补架构实例化该策略，包括一个轻量级 Transformer，将关联视为对线性化事件历史的多标签分类任务，以及一个微调的大语言模型（LLM），将问题重新表述为条件文本生成，以利用预训练的语义知识。在三个多样化数据集上的大量评估表明，我们的方法显著优于最先进的基线，尤其是在解决并发多居民事件方面。此外，基于 LLM 的策略在基准设置下显示出初步的跨环境迁移潜力，但其在实际部署中的鲁棒性仍需进一步验证。
| 主题： | 人工智能（cs.AI）；神经与进化计算（cs.NE） |
| 引用为： | arXiv:2611.06296 [cs.AI] |
| （或 arXiv:2611.06296v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06296 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies 2026, 10 (3), pp.1-37 |
提交历史
来自：Dominique Vaufreydaz [查看电子邮件] [通过 CCSD 代理]
[v1]
2026年11月4日星期三 10:31:06 UTC（2,877 KB）
来源：arXiv cs.AI · arxiv.org