SensorFM: фундаментальная модель для носимых устройств на основе триллиона минут данных

Исследователи Google Research представили SensorFM — фундаментальную модель для носимых устройств, предобученную на более чем одном триллионе минут мультимодальных сенсорных сигналов от пяти миллионов добровольцев. Данные собирались с сентября 2024 по сентябрь 2025 года, охватывая более 100 стран и различные модели устройств Fitbit и Pixel Watch. Модель использует самообучение на основе реконструкции с адаптивным маскированием (AIM), что позволяет эффективно работать с реальными пропусками и фрагментированными данными. В ходе экспериментов SensorFM-B, крупнейший вариант модели, снизил потери реконструкции на 31% и улучшил производительность на 9% по AUC для классификации и на 21% по коэффициенту Пирсона для регрессии по сравнению с наименьшей версией. Модель оценили на 35 задачах из трёх проспективных исследований, достигнув лучших результатов в 33 из них. Для автоматизации адаптации использовалась система агентов на основе LLM, которая создала более 30 000 решений для головок прогнозирования. Интеграция с агентом здоровья показала, что прогнозы SensorFM статистически не уступают реальным измерениям при генерации отчётов о здоровье. Работа указывает на сдвиг от множества специализированных моделей к единой обобщённой модели физиологии человека.