SensorFM是什么
SensorFM 是 Google Research 推出的面向可穿戴健康数据的大型传感器基础模型，基于 500 万参与者、超 1 万亿分钟无标签多模态传感器数据预训练，学习通用生理表征，可迁移至心血管、代谢、睡眠、心理健康等 35 个健康预测任务，支持数据填充、标签高效适应，作为个人健康代理的 grounding 工具。
SensorFM的主要功能
- 通用生理表征学习：从 PPG、加速度计、EDA、皮肤温度、高度计五种传感器模态中，提取 34 个一分钟级聚合特征，学习跨个体、跨设备的通用生理表示。
- 多域健康预测：覆盖心血管、代谢、睡眠、心理健康、生活方式、人口统计六大类共 35 个下游判别任务。
- 缺失数据填充：用生成式预训练能力，对传感器数据中的缺失片段进行时间插值与外推，如 60 分钟数据缺失时仍可保持 99.7% 的日步数预测精度。
- 标签高效适应：仅需少量标注样本即可快速适配新任务，在数据稀缺场景下超越全监督基线。
- Agentic 预测头设计：部署多 LLM Agent 协作竞争，自动搜索并生成最优下游预测头代码，探索超 3 万个候选方案。
- 个人健康代理集成：将下游预测器作为工具嵌入个人健康代理，提升 LLM 健康回答的上下文感知、个性化与安全性。
SensorFM的技术原理
- 自监督重建预训练：SensorFM 采用基于 LSM-2 的掩码自编码器框架，通过最小化掩码区域的重建均方误差，从万亿分钟无标签数据中学习生理信号的内在结构，无需依赖昂贵的健康标注。
- Adaptive and Inherited Masking（AIM）：将真实设备缺失与人工掩码视为等价，直接从不完整记录中学习，使模型天生具备缺失感知能力，避免传统插补带来的偏差或数据丢弃造成的浪费。
- 数据与模型联合扩展：系统验证从 100K 到 100M 参数、从 200 万到 20 亿传感器小时的扩展规律，发现两者同步扩展时，预训练损失与下游性能呈近线性提升且未出现饱和，最大模型 SensorFM-B 在 33/35 任务上取得最优。
- 线性探测评估：冻结 SensorFM 编码器，仅在其上训练轻量级线性头，直接探测嵌入质量。结果显示在 34/35 任务上超越人工特征工程的全监督基线，且随着模型规模增大，对人口统计特征的依赖逐渐降低，说明大模型已隐式学到生理相关特质。
- LLM Agent 自动优化：构建”课堂”式多智能体系统，让多个 LLM Agent 迭代生成、测试、优化预测头代码，最终方案在 16/20 个分类任务和 12/15 个回归任务上超越简单线性探测，且 Agent 能力越强，搜索到的方案越优。
如何使用SensorFM
SensorFM 目前处于技术预览阶段，可作为学术研究参考，尚无法直接体验或部署。
SensorFM的核心优势
-
规模领先：基于 500 万人、1 万亿分钟数据预训练，是目前最大最多样的可穿戴数据集。
-
通用性强：单一表征同时覆盖六大健康领域 35 个任务，无需为每个终点单独构建流水线。
-
缺失感知：AIM 机制将数据缺失转化为学习信号，非噪声或负担。
-
标签高效：少量标注即可超越全监督基线，解决医疗领域标注稀缺痛点。
-
自动化适配：LLM Agent 自动设计预测头，降低下游任务开发门槛。
-
临床验证：通过 1860 名临床医生的评分验证，集成到个人健康代理后的回答在相关性、安全性上显著提升。
SensorFM的项目地址
- 项目官网：https://research.google/blog/sensorfm-towards-a-general-intelligence-and-interface-for-wearable-health-data/
- arXiv技术论文：https://arxiv.org/pdf/2605.22759
SensorFM的应用场景
-
心血管健康监测：基于 PPG 和心率变异性特征，持续评估心律异常、血压趋势等心血管风险，实现早期预警。
-
代谢风险筛查：通过睡眠、活动量、皮肤温度等信号组合，推断糖尿病、肥胖等代谢相关风险指标。
-
睡眠障碍分析：利用多模态传感器融合，精准识别睡眠阶段、呼吸中断模式，辅助睡眠呼吸暂停等障碍筛查。
-
心理健康追踪：从心率变异性、皮肤电活动、活动模式中提取抑郁、焦虑等心理状态的微弱信号，支持长期情绪监测。
