ウェアラブルデバイスは膨大な量の個人健康データを収集しますが、このデータの背景にある文脈を理解することは課題でした。このギャップは、パーソナライズされた健康インサイトの可能性を十分に引き出すことを妨げています。センサーデータに説明的なテキストを付与する手動アノテーションは、コストと時間の面で非現実的です。この課題に対応するため、センサー言語基盤モデルのファミリーであるSensorLMが開発されました。SensorLMは、103,000人以上の個人から収集された前例のない5970万時間ものマルチモーダルセンサーデータで事前学習されています。これにより、ウェアラブルセンサーデータを解釈し、人間が読める説明を生成することが可能になります。新しい階層的なパイプラインは、説明的なキャプションを自動生成し、これまでで最大のセンサー言語データセットを作成します。SensorLMは、ゼロショットセンサー理解、センサーとテキストの整合性、センサーキャプション生成などの機能を提供します。アクティビティ認識のようなタスクで最先端のパフォーマンスを示し、首尾一貫した事実に基づいた正確なキャプションを生成することに優れています。モデルのパフォーマンスは、より多くのデータ、より大きなモデルサイズ、および計算量の増加とともに一貫して向上します。SensorLMは、個人健康データを理解可能で実用的なものにする上で重要な進歩であり、将来のデジタルヘルスコーチやウェルネスアプリケーションへの道を開きます。