論文の概要: PoHAR: Understanding Hyperlocal Human Activities with Pollution Sensor Networks

• arxiv url: http://arxiv.org/abs/2605.09434v1
• Date: Sun, 10 May 2026 09:15:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.250376
• Title: PoHAR: Understanding Hyperlocal Human Activities with Pollution Sensor Networks
• Title（参考訳）: PoHAR:汚染センサーネットワークによるハイパーローカルヒューマン活動の理解
• Authors: Prasenjit Karmakar, Karthik Reddy, Sandip Chakraborty,
• Abstract要約: 大気汚染に対する一般の認識が高まる中、低コストの空気質センサーは私たちの日常生活に広く普及している。 環境パラメータのゆらぎは、屋内空間における人間の行動や活動を理解するために利用することができる。 本稿では,データ共有のための競合のない複製データプリミティブ,(ii)自己教師付き距離メトリックによる活動影響センサグループ検出のための階層クラスタリング,(iii)既製のML分類器を用いたリーダベースのグループ推論を提案する。
• 参考スコア（独自算出の注目度）: 4.574163943735425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Low-cost air quality sensors are becoming ubiquitous in our daily lives as public awareness of air pollution continues to grow, and people take measures to monitor and improve the air they breathe indoors. Besides the standard operation of these sensors, fluctuations in environmental parameters can be leveraged to understand human behavior and activities in indoor spaces. Unlike traditional audio-visual, Radio Frequency, and inertial sensors, air quality sensors are easily scalable to a household, are privacy-preserving, and more economical. Such distributed sensor networks must jointly make decisions to monitor indoor occupants for downstream smart home and healthcare applications. However, due to low processing power, memory, and energy, they often struggle to maintain distributed data consensus and identify activity-affected sensor groups for accurate on-device inference. In this paper, we propose PoHAR framework that implements: (i) a conflict-free replicated data primitive for data sharing, (ii) a hierarchical clustering for ESP32 to detect activity-affected sensor groups with a self-supervised distance metric, and (iii) a leader-based group inference with off-the-shelf ML classifiers, enabling the sensor network to collaboratively detect hyperlocal indoor activities. Our extensive experiments demonstrated on-device activity detection, achieving 97.41% accuracy for indoor activity and 99.68% for cooking activity, using off-the-shelf ML models with latency below 34 microseconds.
• Abstract（参考訳）: 大気汚染に対する公衆の認識が高まり、人々は屋内で呼吸する空気を監視し改善するための対策を講じている。 これらのセンサの標準的な操作に加えて、室内空間における人間の行動や活動を理解するために、環境パラメータの変動を利用することができる。 従来のオーディオ・ヴィジュアル、ラジオ周波数、慣性センサーとは異なり、空気質センサーは家庭に容易にスケーラブルで、プライバシーを保護し、より経済的だ。 このような分散センサーネットワークは、下流のスマートホームおよびヘルスケアアプリケーションのために、屋内の居住者を監視するために共同で決定する必要がある。 しかし、処理能力、メモリ、エネルギが低いため、分散データコンセンサスを維持し、デバイス上の正確な推測のために活動に影響を及ぼすセンサグループを特定するのに苦労することが多い。 本稿では,実装するPoHARフレームワークを提案する。 (i)データ共有のための競合のない複製データプリミティブ。 二 自己監督距離計で活動に影響を及ぼすセンサ群を検出するためのESP32の階層的クラスタリング 三 市販ML分類器を用いたリーダーベースグループ推論により、センサネットワークが高局所的屋内活動の協調検出を可能にする。 我々の広範な実験では、デバイス上でのアクティビティ検出、室内でのアクティビティの97.41%の精度、調理アクティビティの99.68%を、34マイクロ秒未満のレイテンシを持つ市販のMLモデルを用いて実証した。

関連論文リスト

• Efficient Unsupervised Domain Adaptation Regression for Spatial-Temporal Sensor Fusion [6.963971634605796]
  環境およびバイオメディカル領域における低コストで分散センサーネットワークは、継続的な大規模健康モニタリングを可能にしている。 これらのシステムは、センサーのドリフト、ノイズ、キャリブレーションの不十分に起因する劣化したデータ品質に関する課題に直面していることが多い。 センサフュージョンとキャリブレーションの伝統的な機械学習手法は、広範な機能工学に依存している。 回帰タスクに適した新しいunsupervised domain adapt(UDA)手法を提案する。
  論文  参考訳（メタデータ） (2024-11-11T12:20:57Z)
• EarDA: Towards Accurate and Data-Efficient Earable Activity Sensing [3.3690293278790415]
  測定可能なデバイスは振幅やパターンに大きな変化を示し、特に動的で予測不能な頭部運動の存在下では顕著である。 本稿では,異なるセンサ位置をまたいだドメインに依存しない特徴を抽出するドメイン適応システムであるEarDAを提案する。 ヒューマンアクティビティ認識タスクでは88.8%の精度を達成し、ドメイン適応のないメソッドよりも43%改善した。
  論文  参考訳（メタデータ） (2024-06-18T12:13:43Z)
• Wireless Crowd Detection for Smart Overtourism Mitigation [50.031356998422815]
  この章では、モバイルデバイスのワイヤレスアクティビティに基づいたオーバツーリズムを監視するための、低コストなアプローチについて説明する。 群集センサは、無線技術のトレース要素を検出することで、周囲のモバイルデバイスの数をカウントする。 いくつかの技術で検出プログラムを実行し、指紋解析の結果は匿名データベースにのみローカルに保存される。
  論文  参考訳（メタデータ） (2024-02-14T13:20:24Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
  化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。 本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。 本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
  論文  参考訳（メタデータ） (2023-06-19T11:00:54Z)
• Unsupervised Statistical Feature-Guided Diffusion Model for Sensor-based Human Activity Recognition [3.2319909486685354]
  ウェアラブルセンサーによる人間の活動認識の進歩を支えている重要な問題は、多様なラベル付きトレーニングデータの利用不可能である。 本研究では,ウェアラブルセンサを用いた人間行動認識に特化して最適化された,教師なしの統計的特徴誘導拡散モデルを提案する。 平均,標準偏差,Zスコア,歪などの統計情報に拡散モデルを適用し,多種多様な合成センサデータを生成する。
  論文  参考訳（メタデータ） (2023-05-30T15:12:59Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Self-Supervised Transformers for Activity Classification using Ambient Sensors [3.1829446824051195]
  本稿では,環境センサを用いた環境下での居住者の活動の分類手法を提案する。 また,自己教師付き方式でトランスフォーマーを事前訓練する手法を,ハイブリッドオートエンコーダ分類モデルとして提案する。
  論文  参考訳（メタデータ） (2020-11-22T20:46:25Z)

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。