MARAuder's Map: Echtzeit‑Aktivitätserkennung mit Layout‑basierten Trajektorien

In smarten Häusern ist die Erkennung menschlicher Aktivitäten über Ambient‑Sensoren noch immer eine Herausforderung. Die meisten Ansätze arbeiten mit vorab segmentierten Daten und berücksichtigen die physische Raumaufteilung kaum, was die Zuverlässigkeit in kontinuierlichen, realen Einsatzszenarien einschränkt.

Das neue MARAuder's Map‑Framework löst dieses Problem, indem es rohe, unsegmentierte Sensordaten direkt in Trajektorien überträgt, die auf dem eigentlichen Grundriss des Hauses abgebildet werden. Diese bildähnlichen Sequenzen fangen die räumliche Bewegung ein und ermöglichen es, sowohl die räumliche Struktur als auch die zeitlichen Abhängigkeiten gleichzeitig zu analysieren.

Ein lernbares Zeit‑Embedding‑Modul ergänzt die Darstellung, indem es kontextuelle Informationen wie Tageszeit und Wochentag einbettet. Zusätzlich nutzt ein auf Aufmerksamkeitsmechanismen basierender Encoder gezielt informative Segmente innerhalb jedes Beobachtungsfensters, wodurch die Erkennung auch bei Übergängen zwischen Aktivitäten und bei zeitlicher Mehrdeutigkeit präzise bleibt.

Umfangreiche Tests an mehreren realen Smart‑Home‑Datensätzen zeigen, dass MARAuder's Map die Leistung starker Baselines deutlich übertrifft. Damit bietet es eine praktikable Lösung für die Echtzeit‑Erkennung von Aktivitäten in Umgebungen mit Ambient‑Sensoren.