墨比乌斯公司随着EDA(皮肤电活动)传感器广泛集成于智能手环、健康追踪器和心理压力监测设备中,其灵敏性虽提升了个体应激识别的可能性,但在实际应用中也频繁出现因佩戴环境、电气干扰、用户静态行为等因素造成的误触发问题。如何准确识别和解释这些“非生理原因导致的生理报警”成为智能穿戴设备AI可信推理与用户体验优化的重要方向。本数据集围绕“手环传感器误差诊断”场景,构建多步推理链式数据,模拟设备工程师或智能算法在误判分析过程中的逻辑路径,帮助智能系统识别传感器误报根因,提升算法鲁棒性。
{
"id": "wearable_sensor_001",
"industry": "智能设备",
"domain": "可穿戴设备",
"task_type": "手环传感器误差诊断",
"label": "心率异常高值误差诊断",
"input": "用户手环显示静息状态心率190 bpm,实际处于坐姿静止状态。请分析该误差来源。",
"cot_steps": [
"190 bpm 对于静息状态明显过高,排除真实生理原因可能。",
"查看佩戴情况,发现手环松动导致光电传感器与皮肤接触不稳。",
"手腕毛发干扰光学信号,造成反射错误。",
"同时存在环境强光直射手环顶部。",
"综合判断为佩戴方式+环境光干扰导致 PPG 读数异常。"
],
"answer": "心率异常值主要由佩戴松动与外部强光干扰引起。",
"key_variables": [
"PPG传感器",
"佩戴接触",
"环境光干扰",
"静息状态"
],
"difficulty": "中等",
"source": "手环厂商用户反馈异常分析"
}| 字段 | 类型 | 描述 |
|---|---|---|
| File Name | string | File name |
| id | string | 数据唯一编号 |
| industry | string | 所属行业 |
| task_type | string | 任务类型 |
| label | string | 问题标签 |
| input | string | 问题描述 |
| cot_steps | string | 多步逻辑推理过程(Chain-of-Thought),依次排查误报原因 |
| answer | string | 诊断结论,指出误触发的核心原因 |
| key_variables | string | 推理所涉及的关键变量 |
| difficulty | string | 难度等级 |
| source | string | 数据来源 |
| domain | string | 专业子领域 |
| 项目 | 内容 |
|---|---|
| 授权类型 | CC-BY-NC-SA 4.0(非商业署名共享) |
| 商业使用 | 需申请专属订阅或授权合同(支持按月/按调用次数收费) |
| 隐私与脱敏 | 无PII,无真实公司名,模拟场景均符合行业标准 |
| 合规体系 | 中国《数据安全法》 / 欧盟GDPR / 企业数据可访问日志支持 |
让数据提供商通过发布请求来找到你