論文の概要: Explainable Human Activity Recognition: A Unified Review of Concepts and Mechanisms

• arxiv url: http://arxiv.org/abs/2604.09799v1
• Date: Fri, 10 Apr 2026 18:20:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:15.682042
• Title: Explainable Human Activity Recognition: A Unified Review of Concepts and Mechanisms
• Title（参考訳）: 説明可能な人間の活動認識:概念とメカニズムの統一的なレビュー
• Authors: Mainak Kundu, Catherine Chen, Rifatul Islam, Ismail Uysal, Ria Kanjilal,
• Abstract要約: HAR(Human Activity Recognition)は、医療監視、補助的生活、スマート環境、人間とコンピュータのインタラクションのためのインテリジェントシステムの重要コンポーネントとなっている。 説明可能な人工知能(XAI)は、HARシステムをより透明で人間中心にするための重要な方向として登場した。 本稿では, ウェアラブル, 環境, 生理, マルチモーダルセンシング設定における説明可能なHAR手法について概説する。
• 参考スコア（独自算出の注目度）: 2.9396318146965332
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human activity recognition (HAR) has become a key component of intelligent systems for healthcare monitoring, assistive living, smart environments, and human-computer interaction. Although deep learning has substantially improved HAR performance on multivariate sensor data, the resulting models often remain opaque, limiting trust, reliability, and real-world deployment. Explainable artificial intelligence (XAI) has therefore emerged as a critical direction for making HAR systems more transparent and human-centered. This paper presents a comprehensive review of explainable HAR methods across wearable, ambient, physiological, and multimodal sensing settings. We introduce a unified perspective that separates conceptual dimensions of explainability from algorithmic explanation mechanisms, reducing ambiguities in prior surveys. Building on this distinction, we present a mechanism-centric taxonomy of XAI-HAR methods covering major explanation paradigms. The review examines how these methods address the temporal, multimodal, and semantic complexities of HAR, and summarize their interpretability objectives, explanation targets, and limitations. In addition, we discuss current evaluation practices, highlight key challenges in achieving reliable and deployable XAI-HAR, and outline directions toward trustworthy activity recognition systems that better support human understanding and decision-making.
• Abstract（参考訳）: HAR(Human Activity Recognition)は、医療監視、補助的生活、スマート環境、人間とコンピュータのインタラクションのためのインテリジェントシステムの重要コンポーネントとなっている。 ディープラーニングは、多変量センサーデータのHAR性能を大幅に向上させたが、結果として得られるモデルは不透明であり、信頼性、信頼性、実世界のデプロイを制限している。 したがって、説明可能な人工知能(XAI)は、HARシステムをより透明で人間中心にするための重要な方向として現れている。 本稿では, ウェアラブル, 環境, 生理, マルチモーダルセンシング設定における説明可能なHAR手法について概説する。 本稿では,アルゴリズム的な説明機構から説明可能性の概念的次元を分離し,先行調査における曖昧さを軽減する統一的な視点を導入する。 この区別に基づいて,主要な説明パラダイムをカバーするXAI-HAR手法のメカニズム中心の分類法を提案する。 本稿では,これらの手法がHARの時間的・多モーダル的・意味的複雑さにどのように対処するかを考察し,その解釈可能性の目的,説明対象,限界について概説する。 また、現在行われている評価の実践について議論し、信頼性とデプロイ性を備えたXAI-HARの実現における重要な課題を強調し、人間の理解と意思決定をより良く支援する信頼できる活動認識システムに向けた方向性を概説する。

関連論文リスト

• A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
  私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。 応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。 我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
  論文  参考訳（メタデータ） (2026-03-11T07:40:53Z)
• How Far are VLMs from Visual Spatial Intelligence? A Benchmark-Driven Perspective [103.44502230776352]
  視覚言語モデル(VLM)における視覚空間推論(VSR)の系統的研究について述べる。 空間インテリジェンスを3つのレベル,すなわち基本的な知覚,空間理解,空間計画,および空間インテリジェンスベンチマークSIBenchに分類した。
  論文  参考訳（メタデータ） (2025-09-23T12:00:14Z)
• Interpretable Concept-based Deep Learning Framework for Multimodal Human Behavior Modeling [5.954573238057435]
  EUの一般データ保護規則は、リスクの高いAIシステムが十分に解釈可能であることを要求している。 既存の説明可能なメソッドは、しばしば解釈可能性とパフォーマンスを妥協する。 我々は、新しく一般化可能なフレームワーク、すなわち注意誘導概念モデル(AGCM)を提案する。 AGCMは、予測につながる概念とそれらがどこに観察されるかを特定することによって、学習可能な概念的な説明を提供する。
  論文  参考訳（メタデータ） (2025-02-14T13:15:21Z)
• Explainable Interface for Human-Autonomy Teaming: A Survey [12.26178592621411]
  本稿では,HATシステムにおける説明可能なインタフェース(EI)の未探索領域について考察する。 我々は,XAI強化HATシステムにおけるEIの設計,開発,評価について検討する。 私たちは、HATのユニークな課題に対処する、EIのための新しいフレームワークにコントリビュートします。
  論文  参考訳（メタデータ） (2024-05-04T06:35:38Z)
• Mechanistic Interpretability for AI Safety -- A Review [28.427951836334188]
  本稿では,機械的解釈可能性について概説する。 機械的解釈性は、AIシステムがより強力で精査されるにつれて、破滅的な結果を防ぐのに役立つ。
  論文  参考訳（メタデータ） (2024-04-22T11:01:51Z)
• Towards Human Cognition Level-based Experiment Design for Counterfactual Explanations (XAI) [68.8204255655161]
  XAI研究の重点は、より理解を深めるために、より実践的な説明アプローチに変わったようだ。 認知科学研究がXAIの進歩に大きく影響を与える可能性のある領域は、ユーザの知識とフィードバックを評価することである。 本研究では,異なる認知レベルの理解に基づく説明の生成と評価を実験する枠組みを提案する。
  論文  参考訳（メタデータ） (2022-10-31T19:20:22Z)
• Interpreting Neural Policies with Disentangled Tree Representations [58.769048492254555]
  本稿では,コンパクトなニューラルポリシーの解釈可能性について,不整合表現レンズを用いて検討する。 決定木を利用して,ロボット学習における絡み合いの要因を抽出する。 学習したニューラルダイナミクスの絡み合いを計測する解釈可能性指標を導入する。
  論文  参考訳（メタデータ） (2022-10-13T01:10:41Z)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)
• A general framework for scientifically inspired explanations in AI [76.48625630211943]
  我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。 このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
  論文  参考訳（メタデータ） (2020-03-02T10:32:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。