一个观察：头像不再是重点
设想一个下蹲训练的场景。用户对着手机做了一组动作，屏幕里的数字人微笑着说：“做得不错，继续保持。”但这个动作里，髋部其实没有充分后移，膝盖也向内收了一点。头像很亲切，反馈却没有价值。
这个场景说明了当前研究关注点的变化：外观和语气已经不再是难点，难点在“看懂”和“说对”。因此近期的一些研究方向，不再把数字人当作单纯的表现层，而是把它放进一个更完整的动作反馈系统里，从输入、判断到输出各自承担明确的职责。
本文只做定性梳理，不引用具体的研究者、期刊或数字，也不把这些方向当作已经成熟的结论。
研究方向一：从二维关键点走向三维动作重建
早期的动作分析常常基于二维关键点：从一张图像里找出关节的位置。它的局限是缺少深度信息，身体某个部位被遮挡、拍摄角度偏斜时，关节位置就不可靠，例如从侧面看下蹲和从正面看下蹲，得到的判断可能完全不同。
三维动作重建试图还原人体在空间中的姿态，把关节角度、身体朝向、重心位置作为更稳定的表示。它的价值在于：
- 动作的比较可以在同一个空间里进行，而不受机位影响。
- 左右差异、幅度、节奏这类指标更容易稳定地计算。
- 可以把用户的动作与目标动作对齐，只提取“差在哪里”。
这一方向对产品的启发是，动作理解应当输出结构化的中间结果，而不是直接输出一句评语。关于为什么看懂动作和教会动作是两件事，我们在3D动作模型的文章里有更详细的讨论。
研究方向二：让语言模型生成教练反馈
有了动作数据，下一步是把数据变成人话。近期的一些探索，是把三维动作重建得到的信息交给语言模型，由它生成面向普通用户的反馈。
它的吸引力在于表达灵活：同样一个错误，可以对新手说得更通俗，对有经验的人说得更精确。但这里有几个必须处理的风险：
- 模型可能把不确定的判断说得很肯定。动作分析本身有误差，语言模型却会给出流畅而自信的句子。
- 模型可能编造原因。它可能给出听起来合理、其实没有数据支持的解释。
- 反馈过多会增加负担。一次说太多问题，用户反而无从下手。
所以更合理的设计是，把语言模型放在“表达”的位置，而不是“判断”的位置：动作分析模块给出经过筛选的问题清单与优先级，语言模型只负责把它们转成清晰的建议，并受到事实约束。这与我们在多模型协作方面的思路一致，可以参考大模型负责说，姿态模型负责看。
研究方向三：疲劳信号触发虚拟形象反馈
另一个值得注意的方向，是把疲劳检测与虚拟形象反馈联系起来。有研究原型尝试在检测到疲劳迹象时，让虚拟形象给出不同形式的提示，而不是无论何时都用同样的方式说话。
这背后的逻辑很朴素：疲劳时动作容易变形，继续要求高强度可能增加受伤风险，此时的合适反馈可能是放慢节奏、降低难度或建议休息，而不是再叠加一条动作纠正。
对产品设计的启发有两点：
- 反馈时机与内容应当依据状态调整。不是每个错误都要立刻开口，反馈应当参考动作阶段、错误的严重程度和疲劳变化。
- 虚拟形象是反馈的载体之一，而不是全部。同样的信息可以用视觉标注、简短语音或训练后总结来传达。
更完整的讨论见虚拟教练到底什么时候应该开口。
研究方向四：增强现实与动作技能教学
第四个方向是把数字人放进增强现实里，让用户在真实空间中跟着虚拟形象学习动作。它的想法是，让示范和用户处于同一个空间，而不是隔着屏幕看一个平面视频。
这里的核心问题不是渲染效果，而是对齐：虚拟形象的位置、大小、朝向，是否与用户所处的空间和自身体型匹配，示范的是“标准动作”还是“这个用户此刻可以做到的动作”。不匹配的示范可能会让用户模仿出错误的姿势。
这一方向目前更多处于探索阶段，我们把它视为需要谨慎评估的方向，而不是可以直接落地的方案。
对产品设计的几点启发
把上面几个方向合起来看，可以归纳出一条设计主线：数字人教练应当是一条完整的反馈链路，形象只是最后一步。
| 环节 | 职责 | 应当输出什么 |
|---|---|---|
| 动作理解 | 还原三维动作，找出与目标的差异 | 结构化的差异与置信度 |
| 反馈决策 | 判断先纠正什么、何时说 | 优先级与时机 |
| 语言生成 | 把决策转成易懂的建议 | 简短、可执行的话 |
| 形象演示 | 只演示差异，而不是重演整套动作 | 视觉提示或局部示范 |
表中并没有涉及任何具体数值。如果要用示意数字说明，可以假设某次训练里检出三个动作问题，系统只选择其中最影响安全的一个先反馈，其余的留到训练结束后总结。这样的取舍，比“每个问题都提醒”更接近好教练的做法。
还没解决的问题
- 遮挡与复杂环境。家里的空间狭小、光线不佳、衣物宽松，都会让三维重建不稳定。
- 个体差异。每个人的身体条件、伤病史和训练目标不同，“标准动作”并不总是适用。
- 语言的可靠性。语言模型生成的反馈如何验证是否忠实于动作数据，仍是一个需要持续评估的问题。
- 信任与安全。用户容易过度相信一个形象逼真的教练。训练中出现疼痛或不适时，应当停止训练，必要时咨询专业医生，数字人教练不能替代专业指导。
- 评估方法。怎样判断一次反馈是不是“有效”，需要长期的用户观察，而不是一次演示的观感。
我们会继续关注这些方向，并保持谨慎：先把动作看清楚，再谈说得好听。
