본 논문은 주변 센서를 이용한 인간 활동 인식(HAR) 시스템의 실세계 적용에 있어 고비용의 라벨링 데이터, 사전 분할된 센서 스트림 필요성, 활동 세분성의 유연성 부족 등의 문제점을 해결하기 위해, DISCOVER라는 새로운 방법론을 제시합니다. DISCOVER는 비지도 학습 기반의 특징 추출과 클러스터링을 통해 비표지 데이터에서 미세한 하위 활동을 발견하고, 사용자 친화적인 시각화 도구를 활용하여 효율적인 라벨링 과정을 지원합니다. 대표 클러스터 중심점에 대한 최소한의 어노테이션만으로도 (데이터셋의 0.05%) 기존의 조잡한 라벨보다 더욱 세분화되고 정교한 어노테이션을 생성하는 것을 실험을 통해 증명합니다. 이를 통해 다양한 실제 환경에 적응 가능한 실용적이고 배포 가능한 HAR 시스템으로 나아가는 발걸음을 내딛습니다.
