前幾天介紹 VoCare 的跌倒偵測、疲勞偵測、活動量與多模態決策時，其實一直出現同一個問題：

每個人的「正常狀態」都不一樣。

如果所有人都使用同一套固定標準，系統很容易出現誤判。

因此 VoCare 希望加入 個人化模型，讓系統慢慢建立屬於每個使用者自己的基準。

為什麼需要個人化？

例如兩位使用者每天的活動量可能完全不同。

A 使用者平常每天活動很多，如果突然整天幾乎沒有移動，就值得注意。

但 B 使用者本來活動量就比較低，如果使用相同的標準判斷，系統可能每天都認為他「活動不足」。

所以比起：

和所有人比較

VoCare 更希望做到：

和使用者過去的自己比較。

可以建立哪些個人基準？

VoCare 可以慢慢累積一些日常資訊，例如：

• 平常活動量
• 常見作息時間
• 久坐時間
• 走路速度
• 起身時間
• 提醒習慣
• 語言與互動偏好

這些資訊不一定直接代表異常，而是用來建立一個「平常狀態」。

從固定門檻變成個人門檻

原本可能使用固定規則：

久坐超過 60 分鐘
↓
提醒休息

加入個人化之後，可以變成：

使用者平常習慣
+
今天目前狀態
+
之前對提醒的回應
↓
決定是否需要提醒

這樣系統就不會只按照一個死板的數字運作。

使用者回饋也很重要

個人化不只是默默收集資料，也可以從使用者的回應中調整。

例如 VoCare 提醒：

你已經坐很久了，要不要休息一下？

使用者可能回答：

我現在還不累。

如果類似情況經常發生，就代表目前的提醒條件可能太敏感。

相反地，如果使用者常常接受提醒，也可以代表這個提醒時間對他來說比較合適。

個人化和安全規則要分開

不過有些安全功能不能因為個人化就完全放寬。

例如跌倒後長時間沒有回應，這種情況仍然需要固定的安全規則。

因此 VoCare 的方向會是：

一般功能
→ 可以高度個人化

安全功能
→ 個人化 + 固定安全底線

個人化可以讓系統更懂使用者，但不能犧牲基本的安全性。

Day 16 小結

VoCare 的個人化模型，希望讓系統從「所有人使用同一套規則」，逐漸變成：

先了解你的平常狀態，再判斷今天是不是不一樣。

這樣不論是疲勞、活動量、行程還是提醒，都能更符合每個人的實際使用情況。