An approach for activity recognition in buildings based on temporal HTN planning

Abstract

Accurate automatic recognition of activities in various contexts is a topic of great interest in the research area of ubiquitous computing. Data-based and knowledge-driven approaches, or a mixture of both, have been developed in the recent years to achieve activity recognition in smart offices, homes of elderly and cognitively impaired and other kinds of buildings. A major problem in this field is the modelling effort, required to adapt a model to a new scenario with new activities, making the practical deployment of such systems often challenging. We discuss how we can apply a planning technique, that is able to represent the hierarchical and structural relationships between activities, namely Hierarchical Task Network (HTN) planning, to some of the state of the art activity recognition models and even improve the gaps in their expressive power. To prove the capability of HTN planning for activity recognition, we propose a generic and simple HTN planning domain model, achieving comparable results with some of the more complex data-driven approaches, which gives a solid reason for further research.

Die präzise automatische Erkennung von Aktivitäten in verschiedenen Kontexten ist ein Thema von großem Interesse im Forschungsbereich des 'ubiquitous computing'. Datenbasierte und wissensbasierte Ansätze, oder eine Mischung aus beiden wurden in den letzten Jahren entwickelt, um Aktivitäten in intelligenten Büros, Häusern für ältere und kognitiv eingeschränkte Menschen und anderen Gebäuden, zu erkennen. Ein großes Problem in diesem Bereich ist der Modellierungsaufwand, der erforderlich ist, um ein Modell an ein neues Szenario mit neuen Aktivitäten anzupassen. Das macht den praktischen Einsatz solcher Systeme oft zu einer Herausforderung. Wir erörtern, wie wir eine Planungstechnik anwenden können, die in der Lage ist, die hierarchischen und strukturellen Beziehungen zwischen Aktivitäten darzustellen, nämlich Hierarchical Task Network (HTN)-Planung. Wir vergleichen sie mit einiger der modernsten Aktivitätserkennungsmodelle und zeigen sogar wie sie die Lücken in ihrer Ausdruckskraft füllen kann. Zum Nachweis der Fähigkeit der HTN-Planung für die Aktivitätserkennung zu beweisen, schlagen wir ein generisches und einfaches HTN-Planungsdomänenmodell vor, das vergleichbare Ergebnisse wie einige der komplexeren datengesteuerten Ansätze erzielt, was ein guter Grund für weitere Forschungen ist.