PyTorchKR Papers

최신 논문

총 4편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.23508v1cs.HC

스마트 홈에서 인간-HVAC 상호작용의 난방: 학제간 개관

Heating in human-HVAC interaction for smart homes: An interdisciplinary overview

HVAC 시스템의 일부인 주거용 난방은 추운 날씨에 사람이 거주하기 위한 기본 인프라를 제공한다. 그러나 주민이 HVAC 시스템, 특히 난방 시스템과 상호작용하는 방식에 대한 연구는 건축, 공학, 정보학, 생리학, 심리학, 사회학, 디자인 분야에 걸쳐 여전히 파편화되어 있다. 이러한 분야의 541편 연구를 바탕으로 본 리뷰는 스마트 홈에서의 인간-HVAC 상호작용 속 난방(Heating in Human-HVAC Interaction)에 관한 학제간 연구를 통합한다. 그 종합은 사용자와 시스템 간 제어·피드백의 상황적 상호작용 역학(Situated Interaction Dynamics)을 통해 개념화된다. 사용자 주도 상호작용은 과거·현재 시스템 성능 모니터링과 향후 운전 계획을 포함하고, 시스템 주도 상호작용은 센서 네트워크를 통해 자동화를 트리거하거나 사용자 행동을 가능하게 하는 정보를 제공한다. 이러한 상호작용 역학은 주민의 경험과 실천(Residents' Experience and Practices)과 HVAC 시스템 역학에서의 난방(Heating in HVAC System Mechanics)을 연결한다. 주민의 경험과 실천에는 열쾌적(thermal comfort)과 에너지 관리가 포함되며, 열쾌적은 실내 기후에 대한 개인의 생리·심리적 경험과 동거인 간 규범, 공감, 협상으로 형성된 사회적 실천을 모두 아우른다. HVAC 시스템 역학에서의 난방에는 열 환경(thermal conditions)과 에너지 성능(energy performance)이 포함된다. 열 환경은 기온, 평균복사온도(mean radiant temperature), 기류 속도(air velocity), 상대습도의 조절과 관련되고, 에너지 성능은 효율과 환경 영향과 관련된다. 본 개관은 sensed versus lived conditions, personalization versus negotiation, efficiency versus health, automation versus agency 네 가지 학제간 긴장을 강조한다: 감지된 조건 대 체감된 조건, 개인화 대 협상, 효율 대 건강, 자동화 대 주체성. 이 프레임워크는 난방 상호작용을 해석하고, 실내 환경 품질(IEQ) 중심의 건강한 열 환경, 경제성, 지속가능성의 균형을 맞춘 인간-HVAC 상호작용 설계를 위한 개념적 렌즈를 제공한다.

arXiv:2606.00260v3cs.CV

LastAct: 실시간 스마트홈 행동 인식을 위한 궤적 기반 최신 활동 위치 추정

LastAct: Trajectory-Guided Latest-Activity Localization for Real-Time Smart-Home Activity Recognition

주변 센서를 이용한 인간 행동 인식(HAR)은 건강 모니터링 및 생활 보조와 같은 스마트홈 응용을 가능하게 한다. 그러나 실제 배포 환경에서는 센서 이벤트가 연속 스트림으로 도착하며 활동 경계가 알려지지 않는다. 따라서 슬라이딩 윈도우 추론은 전환 구간에 걸쳐 있거나 복합 활동을 포함하는 윈도우를 다수 생성하여, 대부분의 벤치마크와 모델이 사용하는 사전 분할 인스턴스 가정을 위반하는 경계 오염 문제를 야기한다. 또한 많은 파이프라인은 센서 ID를 독립적인 토큰으로 처리함으로써 공간적 문맥을 충분히 활용하지 못한다. 본 논문에서는 혼합 윈도우 환경에서 가장 최근 활동을 대상으로 하면서 공간 구조를 명시적으로 모델링하는 스트리밍 스마트홈 HAR을 위한 궤적 중심 프레임워크인 LastAct를 제안한다. LastAct는 센서 이벤트를 가정 평면도에 투영하여 공간적 연속성을 보존하는 레이아웃 정렬 궤적 이미지 시퀀스를 형성한다. 경량 게이트가 오염된 윈도우를 식별하고, 경계 위치 추정기가 마지막 전환 지점을 추정함으로써 경계 이후 증거를 강조하고 오래된 문맥을 억제하는 경계 기반 마스킹을 가능하게 한다. 효율성을 위해 사전 계산된 레이아웃 정렬 템플릿 캐시를 재사용하여 반복적인 렌더링을 방지한다. 네 개의 공개 스마트홈 데이터셋에서 근현실적 혼합 활동 프로토콜을 적용한 실험 결과, LastAct는 순수 윈도우에서 경쟁력 있거나 우수한 성능을 달성하고 교차/혼합 윈도우에서 Macro-F1의 상당한 향상을 보임으로써, 근현실적 슬라이딩 윈도우 환경에서 개선된 강건성을 입증한다.

arXiv:2606.22296v1cs.LG

SCENIC: 구조화된 IoT 명령 생성을 위한 의미 조건 기반 에지 인식 신경망 프레임워크

SCENIC: Semantic-Conditioned Edge-Aware Neural Framework for Structured IoT Command Generation

에지 사물인터넷(IoT) 에이전트는 종종 메모리 용량, 프라이버시 요구사항, 통신 지연, 반복적인 추론 비용에 의해 제약된다. 현재 스마트홈 어시스턴트는 일반적으로 API 수준의 명령 인터페이스나 클라우드 기반 언어 모델에 의존하며, 이는 에지 디바이스에 배포하기 어렵다. 본 논문은 여러 자연어 지시가 결정론적 스마트홈 파싱을 위해 동일한 정규(canonical) 명령 문자열에 매핑되는 다대일(many-to-one) 구조화 출력 작업으로 에지 IoT 명령 생성을 다룬다. 이를 지원하기 위해, 본 연구는 모델 아키텍처 선택, Smart Home Instruct 데이터 생성, triplet-loss 대조 지도 미세조정, 가지치기와 양자화, 배포 지향 익스포트를 포괯하는 end-to-end 프레임워크인 SCENIC(Semantic-Conditioned Edge-Aware Neural Framework for Structured IoT Command Generation)를 제안한다. 우리는, 우리가 아는 한 에지 IoT 구조화 명령 생성을 위해 연구된 최소 규모의 언어 모델 백본 중 하나인 0.2B 미만 규모 트랜스포머 백본을 평가한다. Smart Home Instruct-Bench에서, 가장 강력한 dense decoder-only 구성은 99.0% EM@1에 도달하며, encoder-decoder 모델은 더 강한 고희소성 동작을 유지한다. 대표적인 가지치기된 INT8 encoder-decoder 익스포트는 익스포트된 모델 크기를 25.38% 줄이면서 91.0% EM@1과 99.0% EM@5를 유지한다. NVIDIA 2:4 희소 encoder 익스포트에 대한 TensorRT 프로파일링은 추가로 최대 1.8배 encoder 컴포넌트 속도 향상을 보여주며, 이는 선택된 encoder-decoder 배포 경로가 에지 지향 압축 하에서도 구조화 명령 정확도를 유지할 수 있음을 시사하지만, 하드웨어 가속 증거는 컴포넌트 수준에 머무른다는 점을 나타낸다. SCENIC 코드와 실험 산출물은 재현성을 위해 오픈소스로 공개되었다.

arXiv:2606.18636v1cs.CL

PEC-Home: 스마트 홈에서의 점진적 생략 명령어 해석

PEC-Home: Interpretation of Progressively Elliptical Commands in Smart Homes

스마트 홈에서 대화가 길어질수록 나타나는 점진적 생략 명령어는 참조·의도 모호성 때문에 기존 LLM 기반 홈 어시스턴트가 정확히 해석하기 어렵다. 이를 평가하기 위해 PEC-Home 시뮬레이션 데이터셋을 제안했으며, GPT-4o를 포함한 여러 LLM 실험에서 생략 명령만으로는 완전한 명령 대비 실행 정확도가 낮고 대화 기록 검색 도구를 써도 한계가 남는다는 결과를 보였다.