Inertia-1 to pierwszy kompleksowy, otwarty projekt badający principles budowania foundation models na bazie danych z czujników ruchu w urządzeniach noszonych. Zespół badawczy przygotował kontrolowany framework testujący cały cykl życia takich modeli, od decyzji dotyczących danych - modalność czujnika, umiejscowienie urządzenia, częstotliwość próbkowania, długość okna czasowego - aż po wybory architekturalne i scale modelu.
Dotychczasowe prace badały pojedyncze elementy tego systemu w izolacji, zwykle w wąskich scenariuszach downstream, które nie odzwierciedlały rzeczywistej różnorodności warunków pomiarowych. Inertia-1 zmienia to podejście, wykorzystując masywny zbiór przyspieszeniomierzy obejmujący ponad 18,2 miliona godzin nagrań z różnych miejsc świata. Ta skalę pozwala naukowcom systemie testować, jak różne wybory projektowe wpływają na ostateczną wydajność modelu w praktycznych zastosowaniach.
Wyniki ewaluacji na 15 zbiorach danych obejmujących rozpoznawanie aktywności fizycznej, detekcję zamarznięcia chodu u pacjentów z Parkinsonem czy predykcję chorób ujawniają ciekawe wzory w budowaniu modeli zdolnych do generalizacji. Framework stanowi zarówno receptę na budowanie state-of-the-art systemów dla konkretnych zadań, jak i praktyczną instrukcję dla całej społeczności badawczej pracującej nad representation learning dla danych sensorycznych z urządzeń noszonych.