EarStreAM：面向个性化压力自适应冥想的闭环耳戴系统
核心概要
本文提出 EarStreAM，一个基于 OpenEarable 2.0 与配套智能手机应用的闭环耳戴系统，通过耳内 PPG 持续监测心率与心率变异性来推断压力升高，触发由大语言模型生成、随用户生理状态实时调整的个性化引导冥想，并在压力回落至基线后自动结束，同时以两种演示模式（含可选压力诱导的生物信号自适应模式与仅冥想模式）展示该闭环流程。
Figure 1. EarStreAM helps users cope with stress in office settings by combining real-time sensing from OpenEarable 2.0 ( Röddiger et al., 2025 ) with a smartphone application. The system continuously tracks heart rate and heart rate variability as stress proxies and starts a personalized LLM-generated meditation when they exceed a predefined threshold, continuing until stress subsides. \systemname{} helps users cope with stress in office settings by combining real-time sensing from OpenEarable 2.0~\cite{roddiger_openearable_2025} with a smartphone application. The system continuously tracks heart rate and heart rate variability as stress proxies and starts a personalized LLM-generated meditation when they exceed a predefined threshold, continuing until stress subsides. The figure shows a relaxed person wearing OpenEarable 2.0. The earable is connected to a smartphone, which is also shown. On this smartphone, the \systemname{} application is running, showing how heart rate is going up, triggering a meditation, which then leads to heart rate going down again.
arXiv深度剖析
提出并实现了一个端到端的闭环耳戴压力干预系统，将耳内生理感知、压力检测、LLM 生成冥想与音频回放整合在单一耳戴设备加智能手机上。 作者指出，此前耳戴相关工作主要停留在压力检测或对闭环干预潜力的概念化，而既有闭环压力干预多依赖生物反馈或虚拟环境；据其所述，尚无耳戴系统在同一设备内同时实现持续生理压力检测与干预的自动触发和实时调整。 属于系统设计与演示类工作，证据来自系统架构描述（图 2）、所用硬件模块（图 3）与演示流程（图 4），未报告受试者规模或对照实验数据。
构建了从耳内 PPG 到压力判定的信号处理与情境感知检测流程，包括伪迹去除、信号质量门控、个体化基线估计与活动分类启发式。 系统以 200 Hz 耳内 PPG 与 100 Hz 加速度计为输入，采用绿/红/红外通道选择、环境光消除、加速度参考的运动伪迹抑制、带通滤波与自适应包络归一化，并以波形质量、运动、峰值产出与 RR 规律性构成复合信号质量分数；基线以人口学先验与实时数据按 30% 先验、70% 数据驱动融合，默认以心率升高且心率变异性下降超过 10% 判定压力。 方法细节在文中给出具体参数（如 0.45–5.5 Hz 带通、RR 250–2000 ms 校验、卡尔曼平滑 Q=0.02、R=5.0），但阈值与启发式多引用既有文献，本文未报告其检测性能指标。
实现了基于 LLM 的个性化冥想生成与语音合成，使冥想内容同时适配用户偏好与当前生理状态。 用户可配置声音特征、主题元素与冥想风格，并可提供自由文本偏好；这些输入与当前生理测量一并进入提示词，由 LLM 生成约 280 词的冥想段落，再经 TTS 转为音频。作者称这实现了会话内随生理状态与个人偏好变化的实时个性化。 实现层面明确（使用 DeepSeek V4 Pro 与 ElevenLabs Flash v2.5 或腾讯云 TTS），但未报告生成质量或用户偏好的评估结果。
通过交互式演示提供两种体验模式，并说明隐私处理方式。 第一种模式采用缩短的 30 秒基线、3% 超敏阈值与约 30 秒冥想段落，并可选用受 Maastricht 急性压力测试启发的压力诱导（冷水暴露加限时心算）；第二种模式仅体验个性化冥想。生理处理保留在手机本地，发送给 LLM 与 TTS 的提示词不含个人与生理信息。 证据为演示设置与流程说明，属于可行性展示，未包含对照或统计结果。
启示与展望
该系统面向办公室等以久坐为主的工作场景，依赖耳内 PPG 的稳定贴合与信号质量门控，并通过活动分类启发式在检测到持续运动时不启动冥想；它适用于希望在日常工作中获得即时、个性化压力支持的成年用户，其闭环逻辑以心率作为恢复指标、以心率与心率变异性相对基线的变化作为压力触发依据。
读者可能仍会关注：压力检测阈值与活动分类启发式在不同个体与不同办公场景下的稳健性；以心率作为唯一恢复指标、以心率变异性作为触发依据在真实长时段使用中的表现；LLM 生成冥想内容的质量与用户接受度；以及本地处理与提示词脱敏在隐私保护上的实际边界。本文为演示论文，未提供检测准确率、干预效果或用户体验的量化结果，这些属于后续研究可展开的开放问题。