SensingAgents: Framework Multi-Agente LLM per il Riconoscimento di Attività tramite IMU

Un nuovo sistema multi-agente chiamato SensingAgents è stato sviluppato dai ricercatori per migliorare il riconoscimento dell'attività umana (HAR) utilizzando sensori di unità di misura inerziale (IMU), sfruttando i modelli linguistici di grandi dimensioni (LLM). I modelli di deep learning HAR esistenti affrontano problemi come la dipendenza da dati etichettati, l'ambiguità basata sulla posizione e l'insufficiente trasparenza nel ragionamento. SensingAgents assegna ruoli distinti agli agenti basati su LLM: Agenti Analisti per analizzare i dati dei sensori specifici per posizione (braccio, polso, cintura, tasca), Agenti Avvocati che affrontano le discrepanze dei sensori attraverso dibattiti sia dinamici che statici, e un Agente Decisionale che mantiene l'affidabilità in caso di deriva o guasto del sensore. Valutato sul dataset Shoaib, questo framework ha dimostrato miglioramenti notevoli e affronta sfide cruciali nell'HAR basato su IMU, con potenziali applicazioni nella salute mobile, negli ambienti intelligenti e nell'interazione uomo-computer.