52 lines
1.8 KiB
Markdown
52 lines
1.8 KiB
Markdown
# Verhaltenslernen und Vorhersage
|
|
|
|
Seit `v0.5.0` ist der produktive Lernpfad aktor-zentriert. Nutzer wählen nur
|
|
einen Aktor; Sensoren, Kontext und Modelle werden automatisch verwaltet.
|
|
|
|
## Datengrundlage
|
|
|
|
Für jeden Aktor lädt SillyHome Next:
|
|
|
|
- dessen Zustandswechsel aus der Home-Assistant-Historie
|
|
- Logbook-Einträge zur Herkunft der Handlung
|
|
- automatisch zugeordnete Mess- und Kontext-Entities
|
|
- deren Zustand zum Zeitpunkt der Handlung
|
|
|
|
Eindeutig einem Home-Assistant-Benutzer zugeordnete Handlungen erhalten das
|
|
höchste Gewicht. Erkannte Automations- und Script-Aktionen werden verworfen.
|
|
Physische oder nicht eindeutig zuordenbare Bedienungen dürfen das
|
|
Shadow-Modell ergänzen, reichen allein aber nicht zur Aktivierung.
|
|
|
|
## Modell
|
|
|
|
Das lokale Modell speichert pro beobachteter Handlung:
|
|
|
|
- Zielzustand
|
|
- lokale Tageszeit
|
|
- Wochentag
|
|
- Kontextzustände
|
|
- Herkunft und Gewicht
|
|
|
|
Eine Vorhersage bewertet zeitliche Nähe, Wochentagsmuster und aktuellen
|
|
Kontext. Mehrere passende historische Handlungen erhöhen die Confidence.
|
|
|
|
## Betriebsstufen
|
|
|
|
1. `collecting`: Noch nicht genügend Handlungen vorhanden.
|
|
2. `shadow`: Modell ist trainiert; Vorhersagen werden angezeigt, aber nicht ausgeführt.
|
|
3. `active`: Nutzer hat den Aktor ausdrücklich freigegeben.
|
|
|
|
Die Aktivierung verlangt genügend eindeutig einem Benutzer zugeordnete
|
|
Handlungen. Ausgeführt werden nur erlaubte Zustände reversibler Domains:
|
|
`light`, `switch`, `fan`, `humidifier` und `cover`.
|
|
|
|
## Schutzmechanismen
|
|
|
|
- explizite Freigabe pro Aktor
|
|
- konfigurierbare Mindestkonfidenz
|
|
- Cooldown zwischen Schaltungen
|
|
- keine Ausführung bei bereits erreichtem Zielzustand
|
|
- keine Ausführung unbekannter Zustände oder riskanter Domains
|
|
- eigene Schaltungen werden beim nächsten Training herausgefiltert
|
|
- bekannte Automation-/Script-Aktionen werden nicht als Nutzerverhalten gelernt
|