웨어러블 기기는 방대한 양의 개인 건강 데이터를 수집하지만, 이 데이터 뒤에 숨겨진 맥락을 이해하는 것은 어려움으로 남아있습니다. 이러한 격차는 개인 맞춤형 건강 인사이트의 잠재력을 완전히 발휘하는 데 방해가 됩니다. 센서 데이터에 설명 텍스트를 수동으로 주석 처리하는 것은 비용과 시간 때문에 비현실적입니다. 이를 해결하기 위해 센서-언어 기반 모델인 SensorLM이 개발되었습니다. SensorLM은 103,000명 이상의 개인으로부터 5,970만 시간에 달하는 전례 없는 규모의 멀티모달 센서 데이터를 기반으로 사전 학습되었습니다. 이를 통해 웨어러블 센서 데이터를 해석하고 사람이 읽을 수 있는 설명을 생성할 수 있습니다. 새로운 계층적 파이프라인은 설명적인 캡션을 자동으로 생성하여 현재까지 가장 큰 센서-언어 데이터셋을 만듭니다. SensorLM은 제로샷 센서 이해, 센서-텍스트 정렬, 센서 캡션 생성과 같은 기능을 제공합니다. 활동 인식과 같은 작업에서 최첨단 성능을 보여주며, 일관성 있고 사실적으로 정확한 캡션을 생성하는 데 탁월합니다. 모델의 성능은 더 많은 데이터, 더 큰 모델 크기, 증가된 컴퓨팅 파워와 함께 꾸준히 향상됩니다. SensorLM은 개인 건강 데이터를 이해하고 실행 가능하게 만드는 데 있어 중요한 발전을 나타내며, 미래의 디지털 건강 코치 및 웰니스 애플리케이션을 위한 길을 열어줍니다.