モーションセンシングの分野では、データセットごとにサンプリングレート、ウィンドウ長、センサーの種類、装着位置、信号フォーマットが異なり、タスクごとに個別のモデルが必要となるため、研究成果の転用が困難です。Inertia-1は、この断片化された状況を打開するために、データ、センシング、目的、スケールといったモーションモデルのライフサイクル全体を単一の制御された空間で研究し、統一的な表現を学習する基盤モデルを提案します。
研究チームは、手首に装着した加速度計のデータを用いて大規模な自己教師あり学習を実施しました。学習に使用したのは、世界複数のコホートから収集された1800万時間以上の加速度計データです。驚くべきことに、手首で訓練されたこのモデルは、頭部、胸部、背部、腕、脚など他の身体部位や、ジャイロスコープ、磁力計などの異なるセンサータイプに対しても、再訓練なしで直接一般化できます。さらに、複数のデータストリーム（例えば、加速度計、ジャイロスコープ、磁力計の同時使用や、複数の装着位置からのデータ）を融合することで、学習された表現はより正確になり、活動のクラスタリングもより明確になります。これは各ストリームが互いに補完的な情報を提供するためです。
Inertia-1は、センシング設計の重要性も浮き彫りにしました。活動認識においては、事前学習モデルは1 Hzという低いサンプリングレートでも強い性能を維持しますが、より詳細な健康シグナルを捉えるには高いサンプリングレートが有利です。ウィンドウ長は30〜60秒が多くのタスクで最適であり、コンテキストを捉えつつ鋭敏さを保ちます。信号表現においては、完全な三軸入力が常にベクトル振幅の要約よりも優れており、追加の軸が貴重な情報を提供します。時間領域でのモデリングは、周波数領域の再構成よりも歩行や健康の手がかりをよく保持します。
Inertia-1のワークフローは次の3ステップで構成されます。まず、大規模な加速度計データで自己教師あり事前学習を行います。次に、軽微なチューニングまたはチューニングなしで、同じ表現を新しい装着位置、デバイス、サンプリングレートに適応させます。最後に、フィットネストラッキングから臨床スクリーニングに至るまで、単一のバックボーンで活動、可動性、健康アプリケーションを実現します。このモデルは統一モーション基盤モデルへの第一歩であり、研究チームはモデルを公開し、モーションデータや新しいタスクに関心のある協力者を広く募っています。