深度设备嵌入技术：让智能家居更懂你

原创

用户11764306

发布于 2026-03-14 23:21:52

710

深度设备嵌入技术：让智能家居更懂你

使用Alexa，客户只需通过语音即可控制数千种不同的智能家居设备，如灯、插头、开关、门锁、摄像头和恒温器。但Alexa智能家居界面不仅仅是基于语音的遥控器。

2018年，我们推出了Hunches（直觉提醒），这是一项Alexa设置，当Alexa认为您忘记关灯或锁门时，它会提供提醒。此后，我们将Hunches扩展为一项名为“自动操作”(Automatic Actions)的主动体验：当客户睡着或离家时，系统会自动关闭灯并调节恒温器。如今，得益于Hunches和Routines（ routines）等预测性和主动性功能，四分之一的智能家居交互是由Alexa主动发起的，无需客户说任何话。

在家中采取主动行动是我们认真对待的责任，我们的机器学习模型需要达到高标准才能满足客户的期望。在发起操作之前，多个模型会进行决策，包括估计光照水平、预测客户是否已入睡或离家，以及预测应控制哪些设备。

这些组件中的每一个都是研究和创新的活跃领域，但在本文中，我们将重点讨论如何决定控制哪个设备。我们通过将客户的智能家居使用模式映射到一组原型来实现这一点。

智能家居使用模式

我们通过设备的命名方式、分组方式以及使用方式来获取关于设备的洞察。观察示例设备状态数据时间线图中的“开启”状态时间段。我们可以看到典型的浴室灯模式：白天短时间开启，晚上开启时间较长。另一个在客厅的设备主要在晚上使用。第三个设备仅被称为“插头1”，但其使用行为与客厅高度相关。Alexa可以推断出这个插头位于客厅。例如，它可能连接在圣诞树上。如果模型能确定这一点，就可以为客户提供一个Routine，将圣诞树灯与节日音乐同步。

主动式Routines面临两个挑战：

稀疏性：虽然有些智能家居设备齐全，但其他客户可能只拥有一个Echo Dot和一个智能灯泡。我们也希望为他们提供Hunches。
多样性：Echo设备、智能家居设备及其用途有成千上万种可能的配置。即使两个家庭的配置完全相同，客户使用设备的方式也可能大相径庭。例如，标记为“卧室灯”的设备可能位于主卧室、客房，或者只是壁橱灯。

深度设备嵌入模型

许多服务的核心问题归结为客户希望设备处于何种状态：这正是驱动自动操作和Hunches的原因。为了回答这个问题，我们训练了一个编码器模型，该模型生成一个设备表示（一个嵌入向量），该向量编码了设备的历史状态和家庭配置，包括设备名称、设备类型和设备分组。从该嵌入向量中，解码器模型可以预测设备的未来状态。

但预测的家庭状态并不能直接回答诸如是否应该关灯或发送Hunch之类的问题。为此，我们使用了一个模型来预测给定的Hunch是否会被接受。Hunch接受模型使用了家庭状态预测模型的编码器，该编码器可以计算每个家庭或每个设备的嵌入向量。我们将每个设备的嵌入向量称为深度设备嵌入。

在此模型中，嵌入编码器的权重代表了跨客户收集的信息；使用模式相似的设备在嵌入空间中的表示彼此接近。例如，一些浴室灯可能带有“浴室灯”的标签，但其他浴室灯可能通过设备分组或使用模式来识别。使用嵌入空间使我们能够抽象掉这些个体特征。

从嵌入到语义

虽然深度设备嵌入对于预测Hunches很有用，但我们也发现嵌入空间在可视化时具有一些有趣的属性。

在这个空间中有趣的一点是存在可以附加使用语义的聚类。在示例可视化中，我们使用k-means定义了60个聚类，并对其中一些进行了着色。每个聚类的标题是其中在完整数据集中归一化频率最高的名称。我们发现聚类携带着语义信息；例如，由“外部”和“门廊”（蓝色和棕色）聚类组成的孤立岛屿很可能是每次长时间开启的户外设备。

虽然赋予聚类的标签是主要名称，但它们并不是与聚类相关联的唯一名称。例如，我们还在户外聚类中发现了标记为“First Light”的设备。嵌入不仅能够根据设备的命名和分组方式，还能基于其使用方式来标记设备。

因此，设备嵌入空间提供了一种自动化方法，将不同家庭中的设备使用模式映射到一个公共空间中，该空间可用于驱动诸如自动操作或Hunches等服务。