ADLGen은 개인정보보호 문제, 고비용 배포 및 라벨링, 그리고 인간 행동의 고유한 희소성과 불균형으로 인해 어려움을 겪는 일상생활 활동(ADL) 데이터 수집 문제를 해결하기 위해 고안된 생성적 프레임워크입니다. ADLGen은 디코더 전용 Transformer와 기호 기반의 시간적 인코딩, 그리고 문맥 및 레이아웃을 고려한 샘플링 메커니즘을 통합하여 의미적으로 풍부하고 물리적으로 타당한 센서 이벤트 시퀀스 생성을 유도합니다. 추가적으로, 논리적, 행동적, 시간적 일관성을 검증하고 수동 개입이나 환경 특정 조정 없이 수정 규칙을 생성하는 자동 생성-평가-개선 루프에 대규모 언어 모델을 통합하여 의미적 충실도를 높이고 구조적 불일관성을 수정합니다. 새로운 평가 지표를 사용한 포괄적인 실험을 통해 ADLGen은 기준 생성기보다 통계적 충실도, 의미적 풍부함 및 하류 활동 인식에서 우수한 성능을 보여주며, ADL 데이터 합성을 위한 확장 가능하고 개인정보를 보호하는 솔루션을 제공합니다.
