Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Библиотека: transformers
Опубликована: 14 июл 2026

Ссылки

SmartHome-AI-IoT-Generator

Классификация текстаТекст → label

Модель на базе DistilBERT преобразует текстовые команды и контекст умного дома в действия для одного или нескольких IoT-устройств.

9скачиваний за 30 дней0лайковвеса обновлены14 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SmartHome-AI-IoT Generator — модель классификации команд для управления умным домом, разработанная Белнадино Мгимбой и Анишем Джиндалом из факультета компьютерных наук Даремского университета. Она преобразует текстовые команды пользователя и контекст — например, комнату, время и температуру — в одну или несколько меток действий для IoT-устройств. Модель построена на DistilBERT и выполняет многометочную классификацию; базовая архитектура использует библиотеку Transformers, а контекст ограничен 512 токенами.

Модель предназначена для автоматизации умного дома, координации нескольких устройств по одной команде и развёртывания на периферийных устройствах. Она обучена на синтетическом наборе SmartHomeIoTNLU с командами, контекстом, 19 типами устройств, пятью комнатами и 23 сценариями. В карточке сообщаются высокие метрики на этом наборе, однако они не гарантируют аналогичного качества на реальных командах.

Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Для новых устройств может потребоваться дополнительная адаптация.

Сценарии применения

управление несколькими устройствами умного дома одной командой
включение и выключение устройств по текстовой команде
управление шторами, освещением и климатом с учётом комнаты и времени
классификация команд для периферийной системы умного дома

Ограничения

Обучающие данные синтетические, поэтому качество на командах из реальных домов может отличаться. Для поддержки новых устройств может понадобиться дополнительная адаптация.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SmartHome-AI-IoT Generator Model

Overview

The SmartHome-AI-IoT Generator Model generates executable smart-home device actions from natural language commands and contextual information.

The model performs multi-label classification, allowing a single user command to control multiple IoT devices simultaneously.

Example:

Input: Prepare the bedroom for sleeping Location: Bedroom Time: Night Temperature: 18°C

Output: AC_OFF Curtains_CLOSE BedLamp_OFF TV_OFF Radio_OFF AirPurifier_ON

Authors

Belnadino Mgimba
Department of Computer Science, Durham University, Durham, United Kingdom

Anish Jindal
Department of Computer Science, Durham University, Durham, United Kingdom

Project

This model is part of the:

SmartHome-AI-IoT Framework
"A Natural Language Understanding, Low-Latency, Context-Aware, Multi-Device Control and Self-Learning SmartHome IoT Framework"

Developed for research on:

Natural language understanding for IoT
Context-aware smart-home automation
Edge AI deployment
Human-in-the-loop adaptive systems

Intended Use

Applications include:

Smart-home automation
Natural language IoT control
Multi-device orchestration
Edge AI systems

Model Architecture

Base model: DistilBERT
Task: Multi-label classification
Framework: PyTorch + Transformers

The model predicts device-action labels:

Examples: Light_ON Light_OFF AC_ADJUST Curtains_OPEN Curtains_CLOSE

Dataset

Trained using:

SmartHomeIoTNLU Dataset

Dataset includes:

200,320 smart-home events
19 IoT devices
5 rooms
23 scenarios
Natural language commands
Environmental context

Training Configuration

Base model: distilbert-base-uncased
Maximum sequence length: 64
Batch size: 16
Learning rate: 2e-5
Optimizer: AdamW
Epochs: 3
Loss: Binary Cross Entropy

Performance

Metric	Value
Accuracy	0.9839
F1 samples	0.9946
F1 micro	0.9978
Jaccard Score	0.9920
Hamming Loss	0.0004

Deployment

The model is designed for deployment in edge-based smart-home systems.

Deployment components:

Raspberry Pi gateway
Smartphone controller
ESP32 IoT devices

Limitations

Dataset is synthetically generated.
Performance may vary with real household commands.
Additional adaptation may be required for new devices.

Citation

SmartHome-AI-IoT Framework

License

apache-2.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: DistilBertForSequenceClassification
Ревизия весов: 0f9bf09