An efficient hybrid HAR architecture for robust elderly AAL monitoring
DOI:
https://doi.org/10.64117/simposioscea.v2i2.212Palabras clave:
Percepción y detección robótica, Aprendizaje automático y profundo para la identificación de sistemas, Fusión y minerı́a de datos en el control, Robótica social y ética, Seguridad y privacidad en sistemas ciber-fı́sico-humanos, Sistemas de IA y automatización centrados en el ser humano y agencia humana, Aprendizaje automático para el modelado y la predicción, Aprendizaje por refuerzo y aprendizaje profundo en el controlResumen
El reconocimiento de actividades humanas (HAR) es clave en sistemas de vida asistida por el entorno (AAL) con robots sociales
que ayudan a la mejora de la autonomı́a de las personas mayores. Mediante sensores ambientales no invasivos, el sistema garantiza
la privacidad sin necesidad de cámaras intrusivas. Los modelos HAR tradicionales suelen ser computacionalmente pesados y
dependen de un costoso etiquetado manual. Este trabajo presenta una arquitectura jerárquica eficiente diseñada para un despliegue rápido. Nuestra metodologı́a evita la anotación manual mediante una capa de abstracción por reglas y generación de datos sintéticos. Estos datos entrenan un modelo hı́brido TCNN-LSTM ligero de doble resolución. Al integrar contextos a corto plazo (2 minutos) y largo plazo (2 horas), el modelo captura acciones transitorias y estados persistentes. Los resultados validan una precisión del 95,5% y una puntuación macro F1 del 92,2%. Esta solución es escalable y robusta para la monitorización doméstica en tiempo real.
