エッジ効率の高い二ストリーム型マルチモーダルアーキテクチャによる非侵襲的浴室転倒検知

要約: 湿った浴室環境での転倒は、一人暮らしの高齢者にとって重大な安全リスクです。最近の研究では、mmWave のみ、振動のみ、そして振動トリガー付きレーダ活性化、早期特徴連結、決定レベルスコアフュージョンといった既存のマルチモーダル方式が、プライバシー保護された非侵襲的な転倒検知をサポートできることが示されています。しかし、これらの設計は運動と衝撃を依然として緩く結合されたストリームとして扱い、大まかな時系列整合と振幅閾値に依存し、レーダー観測による崩落と床衝撃の因果関係を明示的にエンコードせず、タイミングドリフト、オブジェクト落下の混乱要因、低消費電力エッジデバイス上の待機時間とエネルギー制約にも対処していません。これを踏まえ、長距離モーションパターンを捉える Motion--Mamba ブランチでレーダ信号をエンコードし、床の振動を衝撃過渡とクロス軸結合を強調する Impact--Griffin ブランチで処理する、二重ストリームアーキテクチャを提案します。クロス条件付きフュージョンは、低ランクのバイリニア相互作用と Switch--MoE ヘッドを用いて、モーションと衝撃のトークンを整列させ、オブジェクト落下の混乱要因を抑制します。モデルは Raspberry Pi 4B ゲートウェイ上でのリアルタイム実行に適した推論コストを維持します。フレームレベルのアノテーションを伴う浴室転倒検知のベンチマークデータセットを構築し、流水下の8つのシナリオにわたる3時間以上の同期 mmWave レーダーと三軸振動記録を含み、被験者に依存しない訓練・検証・テスト分割とともに提供します。テスト分割では、我々のモデルは 96.1% の正確度、94.8% の適合率、88.0% の再現率、91.1% のマクロ F1 スコア、AUC は 0.968 を達成します。最も強力なベースラインと比較して、正確度を 2.0 ポイント、転倒再現率を 1.3 ポイント改善し、 Raspberry Pi 4B ゲートウェイ上の推論遅延を 35.9 ms から 15.8 ms に短縮し、2.56 s ウィンドウあたりのエネルギーを 14200 mJ から 10750 mJ に低減します。