TRI-HAR: Un framework invariante alla rotazione per il riconoscimento dell'attività umana multi-IMU

Uno studio recente pubblicato su arXiv (2608.15621) presenta TRI-HAR (Truly Rotation-Invariant HAR), un framework volto a migliorare la robustezza del riconoscimento dell'attività umana (HAR) contro i cambiamenti indipendenti di orientamento delle unità di misura inerziali (IMU) posizionate su diverse parti del corpo. Questa sfida è particolarmente evidente nei dispositivi auto-applicati, come quelli utilizzati per la riabilitazione domestica e il monitoraggio degli esercizi, dove gli utenti riposizionano frequentemente le IMU, portando a discrepanze di orientamento che i modelli HAR scalari tradizionali faticano a gestire. I metodi attuali spesso dipendono da processi di aumento della rotazione o di calibrazione, che richiedono specifici sistemi di riferimento. Al contrario, TRI-HAR integra l'invarianza alla rotazione nella struttura del modello trasformando i dati di accelerometro e giroscopio in vettori triassiali, impiegando un backbone condiviso equivariante SO(3) e applicando proiezioni invarianti in ciascun sito IMU. Questa innovazione elimina la necessità di calibrazione o aumento, fornendo una soluzione più affidabile per applicazioni nel mondo reale. Le implicazioni di questa ricerca sono significative per i settori in espansione della tecnologia indossabile e della salute digitale, dove il riconoscimento preciso dell'attività è vitale per monitorare i progressi del paziente e garantire la corretta esecuzione degli esercizi. Inoltre, il framework può essere applicabile ad altre sfide di riconoscimento basate su sensori oltre all'HAR.