SuperSenseDoctor：多模态非接触式居家健康监测新架构
近日发表于arXiv的论文提出一种名为SuperSenseDoctor的多模态非接触式家庭健康监测智能体架构。该系统将WiFi、毫米波雷达与表面温度等多源信号融合为持续的人体健康状态，兼顾日常连续监测与异常事件下的可追溯推理。论文报告的心率与呼吸率估计误差较低，跌倒识别准确率达96.5%。
面对人口老龄化带来的居家长期健康监测需求，传统摄像头、可穿戴设备与人工巡查在隐私、依从性与持续注意力方面存在明显短板。arXiv近日发表的论文提出名为SuperSenseDoctor的多模态非接触式智能体架构，尝试以无感方式构建覆盖感知—状态—推理—行动的闭环。
该系统将WiFi、毫米波雷达与表面温度三类信号融合，形成"持续的人体健康状态"。在日常运行中，系统依靠预设决策规则执行连续监测；一旦出现异常信号，则切换到事件驱动模式，仅基于标准化证据进行推理，并输出可追溯的照护建议，从而兼顾常规覆盖与重点响应。
论文报告的标定结果显示，该多模态流水线在心率估计上达到1.994 bpm的平均绝对误差（MAE）与3.142 bpm的均方根偏差（RMSD），呼吸率估计误差为0.197 bpm MAE与0.263 bpm RMSD，跌倒识别准确率为96.5%。评估还覆盖了9个时间段内共2686个一秒级状态样本，智能体层面的检查清单通过率达到96.7%。作者认为，这一结果初步验证了具备状态管理的非接触式"感知到行动"架构在长期家庭健康监测中的可行性。
【空音视角】 从行业视角看，这项工作体现了两点趋势：一是多模态融合正成为非接触生命体征监测的标准配置，单一信号在精度与鲁棒性上的天花板需要靠互补来打破；二是"感知—状态—推理—行动"闭环架构逐步取代单纯的信号估计，使监测系统开始具备长期可审计的行为能力。这与空音所关注的非接触睡眠呼吸与跌倒监测方向相互印证，多源信号与状态化建模的结合，是从"能测"走向"能用"的关键路径。
—— 本文基于公开报道由空音编辑部 AI 辅助改写 来源：arXiv 人机交互 原文链接：https://arxiv.org/abs/2609.16257
来源：arXiv 人机交互（查看原文）