关键要点
- 每种传感器类型单独使用时都有其失效模式——传感器融合通过要求一致来抵消这些问题
- 用标准的Home Assistant自动化条件(多条件触发器或模板传感器)构建,不需要特殊硬件
- 常见模式:在室检测用雷达+PIR运动,安全事件用接触+摄像头
- 当存在多个不完美的信号时,Home Assistant的贝叶斯二元传感器会按可靠性为每个信号加权,而不是使用固定的AND/OR规则
- 代价是自动化复杂度略有增加、设置时间稍长,但换来的是误触发的显著减少
- 关于最常与运动检测组合使用的具体传感器类型,请参阅雷达在室检测指南
为什么单一传感器不够
每种传感器类型都有特定的盲区:PIR运动传感器会漏检静止不动的人,雷达偶尔会因家电振动而误报,接触传感器无法识别是谁触发的,而摄像头会带来无摄像头传感器所没有的隐私顾虑。
- 仅使用PIR的在室自动化会在有人静坐不动时关灯,这是仅用PIR的智能家居自动化中一个众所周知的烦恼。
- 仅使用雷达的自动化偶尔会因风扇、HVAC振动或宠物而误报,具体取决于灵敏度设置。
- 依赖单一传感器意味着,基于它构建的每一个自动化都会继承该传感器特有的失效模式。
构建融合自动化
在Home Assistant中,传感器融合通常构建为一个模板二元传感器,用AND/OR逻辑组合两个或更多源传感器的状态,下游自动化则将其视为一个更可靠的单一触发条件。
- 一个基础的在室融合模板传感器可以设置为:只有当雷达传感器处于激活状态,或PIR传感器在最近几分钟内触发过时,才报告"有人"——这样既能覆盖即时检测,也能覆盖静止不动的情况。
- 在安全自动化中,将接触传感器(门被打开)与基于摄像头的人物检测事件(参见本地AI安全摄像头指南)组合后再触发通知,可以减少例如门开了但没人出现这类误报。
- 将融合逻辑保留在一个模板传感器中,而不是在多个独立自动化中重复多条件逻辑,这样后续调整会更方便。
常见融合模式
最常见的融合模式是在室检测(雷达+运动)、安全(接触+摄像头检测)以及环境(对多个温湿度传感器取平均值,以平滑单个传感器安装位置带来的偏差)。
- 在室检测:雷达传感器用于静止状态检测,PIR用于即时运动响应,二者组合可使照明自动化快速反应,且不会因有人静坐不动而超时关闭。
- 安全:门窗接触传感器与基于摄像头的人物检测组合,只有当物理开启事件和视觉确认同时一致时才发送通知。
- 环境:对房间内多个温度传感器取平均值,可以减少某个传感器因安装在通风口或热源附近而带来的偏差,为空调自动化提供更具代表性的读数。
加权融合与稳健性
当简单的AND/OR规则不够用时,Home Assistant的贝叶斯二元传感器会以概率方式为传感器加权:每个观测会使概率上升或下降,一旦超过阈值,传感器就会变为开启。
- 贝叶斯二元传感器:先设定先验概率(prior,即基准概率),再为每个观测(状态、数值范围或模板)给出prob_given_true和prob_given_false。当得出的概率超过probability_threshold(默认0.5)时传感器开启。可在界面(百分比)或YAML(0到1的数值)中配置。
- 规则能用一句话说清时(雷达 OR 最近一次PIR触发),选用固定的模板逻辑。当雷达、PIR、灯光开关、手机在家状态等多个不完美信号各自提供部分证据时,选用贝叶斯传感器。概率需要你自己估计,因此先从简单做起再逐步调整。
- 为融合后的模板二元传感器添加关闭延迟(delay off),避免传感器上报之间的短暂间隔让房间被误判为无人。模板二元传感器在YAML中支持delay_on和delay_off,在界面辅助元素的“其他选项”中也可设置。
- 有意识地处理离线输入:除非配置可用性(availability)模板,模板实体始终可用,因此离线的源传感器只是无法通过“开启”的判断。如果缺失的输入不能被当作“无活动”,请在模板中检查源传感器的可用性。
- 对于环境数据融合,Min/Max辅助元素可把两个或更多单位相同的传感器合并为平均值、中位数、最小值或最大值(界面辅助元素或YAML)。
常见问题
传感器融合需要特殊硬件吗?
不需要——这是一种自动化逻辑模式,用标准的Home Assistant模板传感器和多条件触发器构建,组合你已经拥有的任何传感器即可。
最简单的传感器融合示例是什么?
将雷达在室传感器与PIR运动传感器组合用于在室检测,是常见的入门方式——它直接解决了PIR"会停止检测静止不动的人"这一局限。
传感器融合会明显增加自动化的复杂度吗?
会有一些——你需要编写一个带有组合逻辑的模板传感器,而不是让自动化直接指向单一传感器。对于像安全通知这类重要的自动化来说,这是一个换来显著减少误触发的可控代价。
可以将本地LLM的推理与传感器数据融合吗?
可以——一旦融合后的传感器数据以标准的Home Assistant实体形式暴露出来,LLM自动化(参见AI自动化指南)就可以像处理其他任何传感器一样对其进行推理,并有可能在此基础上添加更多具备上下文感知能力的逻辑。
这和家庭数字孪生是一回事吗?
相关但范围更窄——传感器融合是为某一个具体的自动化判断组合少数几个传感器。数字孪生(参见该指南)则是对整个家庭状态更广泛、持续更新的模型,许多自动化都可以从中取用数据。
什么时候该用贝叶斯传感器而不是模板传感器?
简单的AND/OR规则就能表达逻辑时,用模板传感器。当多个不完美信号各自提供部分证据、并希望按可靠性加权时,用贝叶斯二元传感器——它需要先验概率和每个观测的概率,这些都要你自己估计。
某个输入传感器离线时,融合传感器会怎样?
默认情况下模板传感器保持可用,离线的输入只是不满足其条件,因此融合结果可能在没有任何提示的情况下出错。如果输入缺失时不应信任结果,请添加可用性模板或检查输入状态。