手表说“恢复很好”，智能鞋却发现落地变了：江南体育AI如何融合穿戴设备的数据
手表的晨间报告写着“恢复良好”，鞋垫里的压力传感器却显示左脚触地时间变长。本文用一个示意场景，拆解多设备数据之间的分歧该怎么处理：先看每个传感器擅长回答什么，再评估数据质量，最后把冲突转成可以验证的假设，而不是取平均值了事。
Sensor FusionWearable AIIMUHRV
阅读全文 →
作者团队
江南体育运动交互研究组
江南体育运动交互研究组负责数字人教练、动作识别、反馈时机、智能穿戴与传感器融合方向的文章，关注动作和身体数据怎样变成可执行的建议。
团队简介
江南体育运动交互研究组负责教练和穿戴两个栏目。它们看似不同，实际共享同一个问题：如何把摄像头、IMU、心率、GPS、智能鞋压力这些原始信号，变成用户听得懂、也做得到的建议。前者从动作出发，后者从身体和设备出发，最终都要回到“接下来该做什么”。一条好的建议必须同时满足三点：判断有数据依据，表达让人听得懂，时机不打断训练，本组的文章大多围绕这三点展开。
想了解教练方向，可以先读 数字人教练只会说“膝盖再弯一点”还不够，再读 虚拟教练到底什么时候应该开口。想了解穿戴方向，可以从 手表说“恢复很好”，智能鞋却发现落地变了 开始，再看传感器冲突和数据质量的工程清单。两个方向的文章之间也有联系，比如疲劳后动作变形的讨论，就会用到穿戴设备提供的心率与负荷信息。
本组的文章也会写到疲劳、负荷和恢复，这些内容都属于运动表现层面的讨论，不是医疗诊断。文中的角度、心率和步态数字均为示意举例，用来说明方法，不代表真实用户，也不是任何设备的精度指标。
关注领域
- 数字人教练：从姿态识别、动作错误判断到反馈语言的转换
- 3D动作模型：二维关键点的局限与动作演示的对比方式
- 反馈策略：优先级、时机以及视觉、语音与训练后总结的选择
- 疲劳与自适应：动作变形时降级、减量、休息或结束的判断
- 智能穿戴：手表、手环、智能鞋与IMU各自擅长什么
- 数据质量与融合：时间对齐、缺失、校准与传感器冲突的仲裁
编辑原则
本组每篇文章至少有一个具体场景，例如深蹲后半段速度下降时教练该不该继续加难度，或者手表与智能鞋给出不同结论时先看哪一层数据。场景中的数字一律标注为示意，不代表任何真实用户或真实设备。
我们不写没有来源的准确率、设备精度和用户规模，也不虚构专业运动员、教练、教授、博士或医疗专家的资历。涉及身体不适时，文章的原则是停止训练，必要时咨询专业医生；训练提示只是运动表现参考，不替代医生或专业人士的意见。设想中的功能与已经具备的能力会分开叙述，具体以产品公布为准。
在设备方面，我们不列举具体品牌型号的支持情况，也不给出设备精度的百分比，只讨论传感器的原理、常见的误差来源和数据质量的判断方法。若引用外部研究，只写其定性结论并限定适用的人群与范围，不做推广。
团队文章（11篇）
智能穿戴进入多传感器时代：江南体育观察AI为什么开始统一解释心率、HRV和IMU
只看一个指标判断疲劳，常常会漏掉关键信息。本文从一项针对大学足球运动员的研究出发，观察穿戴数据如何从单点读数走向统一的运动员模型，并说明这对个体基线、可解释性以及产品设计意味着什么，还有哪些问题没有解决。
Wearable AIMultimodal MonitoringIndividual Baseline
阅读全文 →
数字人教练正在从“说话头像”变成动作反馈系统：江南体育观察3D Avatar + LLM训练
数字人教练最早给人的印象是一个会说话的头像，如今研究的重心正在转向另一件事：看清动作，再把差异讲明白。这篇梳理三个大致方向，包括三维动作重建配合语言模型生成反馈、由疲劳信号触发的形象反馈原型，以及增强现实中的动作教学探索，只做定性描述，并讨论它们对产品设计的启发，以及至今没有解决的几个难点。
Avatar Coach3D MotionLLM FeedbackAR Training
阅读全文 →
数字人教练只会说“膝盖再弯一点”还不够：江南体育AI如何把动作数据变成真正可执行的反馈
“膝盖再弯一点”听起来像教练，其实只是一句没有对象的口令。这篇文章拆开数字人教练的反馈链路：先看清动作，再判断错在哪一步，最后决定用什么话、什么时机、什么演示让人下一次做对。重点不在头像多像真人，而在数据如何变成教学语言。
Digital Human CoachPose EstimationActionable FeedbackLLM Coaching
阅读全文 →
虚拟教练到底什么时候应该开口？江南体育AI为什么开始研究反馈时机
每个动作都开口，会打断节奏；等到训练结束再说，又可能错过纠正的窗口。这篇文章讨论虚拟教练如何根据错误的严重程度、动作所处阶段、疲劳变化和错误是否连续出现，在视觉提示、语音提示和训练后总结之间选择，让反馈出现在用户真正用得上的那一刻。
Real-time CoachingFeedback TimingFatigue DetectionDigital Avatar
阅读全文 →
设备越多数据就越好吗？江南体育AI为什么首先需要解决传感器冲突
手表、胸带、智能鞋和手机同时记录同一次训练，数据量翻了几倍，结论却未必更可靠。本文按工程清单逐项检查：时钟是否对齐、采样率是否可比、缺口如何处理、校准是否有效、冲突如何仲裁，以及个体基线怎样兜底，最后给出一条简化的执行顺序。
Sensor FusionData QualityMissing DataCalibration
阅读全文 →
用户开始疲劳以后动作变形，数字教练应该继续加难度还是主动降级？
用户做到最后几次，动作开始变形：速度慢了，幅度小了，左右也不一样了。这时数字教练是继续加难度，还是主动降级？这篇文章列出疲劳信号、区分几种可选策略，并说明为什么在动作质量和安全面前，继续加码往往不是最好的答案。
Fatigue DetectionMovement QualityAdaptive Training
阅读全文 →
智能鞋到底能比手表多看到什么？压力、触地和步态为什么值得单独测
手表知道你跑了多远、心跳多快，却不知道每一步脚是怎么落下的。本文从鞋垫里的压力传感器和IMU讲起，解释触地时间、压力分布和左右差异各自说明什么，并列出校准、尺码、磨损与温度带来的读数偏差，以及如何与手表数据配合解读。
Smart ShoesGaitGround ContactPressure Sensor
阅读全文 →
AI教练指出10个错误真的有用吗？江南体育为什么每次只优先纠正最重要的问题
系统检测出十个动作问题，就把十个问题都告诉用户，听上去很负责，实际上很难起作用。这篇文章从认知负荷出发，讨论数字教练如何在安全风险、对结果的影响、是否容易纠正和是否反复出现之间排序，让每一次反馈只解决当下最值得解决的那一件事。
Feedback PrioritizationCognitive LoadCoaching Strategy
阅读全文 →
手腕心率越来越准以后，胸带还有没有必要？江南体育AI如何理解设备精度
手腕光学心率在稳定慢跑时通常表现不错，一到间歇冲刺就容易跟着步频走。本文对比两种测量方式的原理与失效场景，说明胸带的价值与不便，并介绍江南体育AI如何用运动一致性、生理合理性等多项旁证给每段心率标注可信度，而不是在两种设备之间简单选边站队。
PPGECG Chest StrapMotion Artifact心率可信度
阅读全文 →
看懂动作和教会动作是两件事：江南体育AI数字教练为什么需要3D动作模型
能识别出一个人在深蹲，并不等于能教会他深蹲。2D关键点有遮挡和深度的天然缺口，3D动作重建才能让系统看清前后方向的偏差，并用数字人演示“你和可行动作差在哪里”。这篇文章从看懂到教会，讲清3D模型在数字教练里到底做什么。
3D Motion ReconstructionPose ComparisonAvatar Demonstration
阅读全文 →