IE2025で発表
ドイツ・ダルムシュタットで開催された国際会議IE2025において研究発表
研究発表
国際会議 · 2025
Collaborative Lightweight LLM Agents for Daily Activity Summarization on Edge Devices
Abstract
This paper presents a privacy-preserving monitoring system for elderly individuals living alone, utilizing collaborative lightweight Large Language Model (LLM) agents deployed on edge devices. The system integrates non-invasive sensors with a novel three-agent architecture: an activity recognition agent processes sensor data, an hourly summarization agent generates intermediate reports in 3-hour segments, and a daily summarization agent produces comprehensive summaries. Our evaluation on real-world data from two elderly households demonstrates that the system achieves 95.8% accuracy in activity recognition and generates natural language summaries comparable to GPT-4o, while maintaining privacy through local processing on affordable Raspberry Pi hardware. The results indicate that our approach effectively balances monitoring accuracy, summary quality, and practical deployment constraints, making it suitable for widespread adoption in elderly care applications.
解説
近年、独居高齢者の増加に伴い、見守りシステムの需要が高まっています。見守りシステムに求められる主要な要件は、第一にプライバシーの保護、第二に低コストで実装が容易であることの2点です。本研究では、エッジデバイス上に配置された協調型大規模言語モデル(LLM)エージェントを利用した、独居高齢者のプライバシーが保護された見守りのための生活活動要約システムを提案します。このシステムは、非侵襲的センサーと新しい3つのエージェントを統合したものとなっています。行動認識エージェントは機械学習アプローチによってセンサーデータを処理し、時間毎要約LLMエージェントは3時間ごとの中間要約を生成、最後に日次要約LLMエージェントが1日の包括的な要約を生成します。要約生成のために提案されたこのアプローチは、負荷分散を達成するだけでなく、アウトプットの質を高めるために設計されています。タスクを時間間隔とコンテキスト固有の活動に基づいて3つのエージェントに分配することで、システムは短期と長期の活動パターンを効果的に捉え、重要な時間的依存関係を保持します。この分割により、各エージェントが管理可能なデータセグメントに集中できるようになり、正確でコンテキストを考慮した処理を保証することで、ばらつきや不整合が減少します。
関連する研究室活動
関連プロジェクト
