6、主动式物联网多环境模型中的知识共享

主动式物联网多环境模型中的知识共享

1. 引言

如今，物联网设备数量已超 120 亿，它们具备传感器、计算和通信能力，分布于各处，让我们的生活更加便捷。目前，控制物联网设备相对简单，因为它们被设计用于执行特定的简单命令。然而，随着该领域的发展，未来这些设备将广泛存在于家庭、工作场所、车辆等各个场景，人们在不同环境中穿梭时，其环境、需求和行为会不断变化，这就要求物联网环境能够随时随地主动响应用户需求。

但管理大量设备并使其满足用户个性化需求变得极为复杂和耗时，特别是在用户更换环境或进入新环境时，需要手动与每个设备交互。而且在新环境中，用户缺乏既往经验和个性化设置，额外的操作会让用户觉得物联网带来的效益不足。

现有的一些语音助手虽能提供一定的设备控制功能，但不支持自动学习。部分学习系统虽可利用物联网设备产生的大量数据进行学习，实现自动化操作，但通常需要较长的训练时间或适应期，且大多仅适用于单一环境。因此，需要一种开箱即用的自动化和个性化方法，让设备从早期就能高效使用，避免手动操作和配置，同时使所学知识可复用，以应对不同环境和需求的变化。

2. 动机

用户期望物联网环境能实现自动化和主动响应，以满足其需求和偏好。而用户会在不同环境中移动，所到环境需根据用户过往偏好和行为做出响应。由于静态节点缺乏移动性，不适合完成此任务，因此提出将移动设备作为移动边缘节点，充当学习节点。移动设备能更好地了解用户，可协调不同环境的行为，其计算能力也能满足自动学习需求，减少对云的依赖。

不过，使用移动设备作为学习节点面临两个主要问题：
- 数据不足 ：新用户和新环境往往缺乏既往数据，导致模型无法训