본 논문은 웨어러블 센서 기반의 인간 활동 인식(HAR)에서 자기 지도 학습(SSL)을 개선하기 위해 물리 정보 기반 다중 작업 사전 학습(PIM) 프레임워크를 제안합니다. 기존의 SSL 방법들이 컴퓨터 비전 접근 방식에 기반하여 물리적 메커니즘을 고려하지 않는 한계를 극복하고자, 움직임 속도, 각도, 센서 배치 간의 대칭성 등 인체 움직임의 기본적인 물리적 특성을 기반으로 사전 학습 과제를 생성합니다. 물리 기반 방정식을 이용하여 센서 신호로부터 특징을 계산하고 이를 SSL의 사전 학습 과제로 사용함으로써 모델이 인간 활동의 기본적인 물리적 특성을 포착할 수 있도록 합니다. 특히 다중 센서 시스템에 효과적이며, 네 개의 HAR 벤치마크 데이터셋에서 기존 최첨단 방법보다 정확도 및 F1 점수 측면에서 우수한 성능을 보였습니다. 클래스당 2~8개의 라벨링된 예제만으로 거의 10%의 매크로 F1 점수 및 정확도 향상을 달성했으며, 훈련 데이터 양을 줄이지 않은 경우에도 최대 3%의 향상을 보였습니다.
