MWave Radar LLM · Aircraft Lavatory Design Review

从毫米波雷达到机载厕所状态智能：一次可验证的 LLM 微调实验

这份汇报面向设计专家评审，重点不是展示训练日志，而是讲清楚：为什么需要模型、模型学到了什么、哪些结果能支持设计决策、哪些风险需要在机载部署前继续验证。

25,130

训练结构样本

4,030

验证结构样本

25,130

QA 训练样本

Qwen3.5-9B

4-bit QLoRA 微调

评审 Story Line

飞机厕所内不能依赖摄像头，毫米波雷达提供隐私友好的时空轨迹，但原始序列难以直接变成可用的客舱状态。

LLM 不替代雷达信号处理，而是读取结构化窗口和中间表征，输出严格 JSON：当前行为、下一行为、阶段、剩余时间、序列，以及 QA 状态。

同一验证集上比较 base Qwen3.5-9B 与微调后模型，指标覆盖 schema 合规、行为识别、流程理解、时间估计和 QA 推理。

微调显著提升结构化输出和 QA 可用性，但时间误差、少数类行为和异常提示仍应进入下一轮系统设计验证。

输入雷达时序窗口和中间层表征，输出 current_behavior、next_possible_behavior、stage_index、remaining time、sequence_so_far 等字段。

作为独立维度评估 occupied、time_to_free_minutes、used_areas、is_abnormal，避免只看结构化任务而忽略最终用户问题。

分类用 accuracy/F1，schema 用 JSON parse 和 required field complete，时间用 MAE，序列用 exact/prefix/last-label match。

67.0%

当前行为准确率

Base 为 48.1%。

95.1%

结构化字段完整率

Base 为 0.0%，说明微调主要解决 schema 对齐。

89.5%

QA 异常 F1

Base 为 45.4%。

65.3s

完整流程剩余时间 MAE

该误差直接影响预计空出时间体验。

评估项	Base	Fine-tuned	变化	设计含义
结构化 schema 完整率	0.0%	95.1%	95.1%	决定输出能否进入机载系统状态总线。
当前行为准确率	48.1%	67.0%	18.9%	核心状态识别能力，从 radar 表征映射到行为标签。
当前行为 Macro-F1	11.1%	49.1%	38.0%	衡量少数类是否被覆盖，适合设计评审关注长尾行为。
下一行为准确率	39.2%	65.0%	25.8%	影响短期流程预测和预计空出时间。
阶段 index 准确率	0.0%	65.5%	65.5%	反映模型是否理解完整厕所使用流程位置。
QA 异常 F1	45.4%	89.5%	44.1%	用于乘务关注提示，需单独评估。
QA 区域 F1	70.5%	100.0%	29.5%	用于理解马桶、洗手池、门、垃圾桶等区域使用状态。

评审判断：当前实验已经证明 9B LoRA 可以把通用 LLM 拉到可用的结构化状态输出轨道上；但机载上线前仍应增加跨乘客、跨机型、跨雷达安装角度的数据验证，并对异常提示设定保守阈值。

下表展示 F1 改善最大的行为类别。设计评审时应同时看 support，避免把少量样本上的提升误判为稳定能力。

行为	验证样本数	Base F1	Fine-tuned F1	提升
离开	129	0.0%	77.6%	77.6%
进入	147	4.0%	77.5%	73.5%
坐下	114	0.0%	65.5%	65.5%
马桶垫纸	156	10.9%	70.3%	59.3%
洗手	204	5.7%	60.2%	54.5%
卷筒厕纸	129	2.9%	52.7%	49.8%
垃圾桶	93	0.0%	45.5%	45.5%
起身	108	7.8%	49.8%	42.1%