채널 상태 정보를 활용한 대규모 언어 모델 통합형 인간 행동 인식 시스템 연구
Large Language Model-Integrated Human Activity Recognition System Using Channel State Information
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 사물인터넷(Internet of Things, IoT) 환경에서 채널 상태 정보(Channel State Information, CSI) 를 활용한 대규모 언어 모델(Large Language Model, LLM) 통합형 인간 행동 인식(Human Activity Recognition, HAR) 시스템을 제안한다. 제안 시스템은 IoT 디바이스로부터 수집된 CSI를 활용한 HAR 분석을 통해 사용자의 행동을추론하고, 그 결과를 LLM으로 해석하여 맞춤형 피드백을 제공하는 것을 주된 목표로 한다. 제안 시스템은 CSI 기반행동 인식 결과와 해당 행동의 지속 시간을 통합하여 프롬프트를 구성하며, 이 과정에서 현재 행동 상태 정보, 행동별요구사항, 피드백 길이를 반영하여 LLM 출력의 정확성과 일관성을 확보한다. 생성된 프롬프트는 LLM 기반 피드백 엔진에서 처리되어 사용자 상태에 적합한 자연어 피드백으로 변환되고, 웹 기반 인터페이스를 통해 실시간으로 제공된다. 제안 시스템의 실현 가능성을 평가하기 위해, 실제 운용 환경을 모사한 실험적 구현을 수행했다. 그 결과, CSI 기반행동 인식부터 LLM 기반 피드백 생성에 이르는 전 과정이 안정적으로 동작함을 확인하였다.
Abstract
This paper presents a Human Activity Recognition(HAR) system integrated with a Large Language Model(LLM) using Channel State Information(CSI) in Internet of Things(IoT) environments. The main goal of the proposed system is to infer user activity through HAR analysis using CSI collected from IoT devices and generate personalized feedback using LLM. The proposed system constructs prompts based on the HAR results and the duration of the corresponding activities. During this process, the current activity state, task-specific requirements, and desired feedback length are considered to ensure the accuracy and consistency of the LLM outputs. The generated prompt is processed by the LLM-based feedback engine and converted into natural-language feedback appropriate to the user's activity. This feedback is then provided in real time through a web interface. To evaluate the feasibility of the proposed system, we conducted an experimental implementation. The results demonstrated the reliable operation of the entire process, from CSI-based activity recognition to LLM-based feedback generation.