人工智能正在成为现有和全新应用及产品中的常见元素。尤其是利用应用于当今消费类设备内高精度传感器所收集的数据，人工智能可以释放出巨大的能量与潜力。一个典型的例子便是健身腕带或智能腕表等可穿戴设备：人工智能可以判断佩戴者在任何特定时间点的活动，无论是行走、坐姿，还是睡眠度极高。

其中的核心在于利用机器学习进行活动分类，设备制造商借此可以大幅提高用户的参与度和对用户的价值。通过人工智能，可以系统地整合各种用户在不同使用和环境场景下所做活动的行为特征。由此，人工智能驱动系统可以提高终端设备的输出精度。本文以游泳追踪器为例，探讨人工智能如何将传感器输出转化为紧凑且节能的可操作数据。

定制可穿戴设备具有诱人的市场潜力

虽然目前标准健身和活动追踪器已成为十分常见的消费产品，但为游泳运动而量身定制的可穿戴设备一定程度上依然是一项缺口。由于不同人的身体特点与游泳风格各有不同，传统的非人工智能软件开发方法存在一些局限性。因此，这是一个充满盈利潜力的蓝海市场，估计全球有3亿游泳爱好者和专业运动员愿意购买此类设备，为其表现提供可靠的运动追踪。

动态游泳环境是一个理想的“试验场”，可以在现实环境中展示运动传感器与先进人工智能算法结合后所能释放的潜力。一款可自学习的智能游泳可穿戴设备，可以确定游泳速度和距离，并提供有关游泳者技术的宝贵信息，同时识别任何薄弱点，比如反转过慢或尚待完善的划手频率。这些关键信息可帮助游泳运动员、教练甚至家长确定在游泳技能或体能方面需要改进的地方。

2018年对游泳爱好者和专业游泳运动员进行的一项调查显示，不同人对此类可穿戴设备的不同期望。报告数据显示，游泳者更青睐私人系统，即不需要连接到互联网或云端，以确保数据隐私。其解决方案应当为单一且是现有配件的一部分，如腕带或腕表，因为用户不希望管理额外的电子设备。

它应该搭载独立且不受限制的自动追踪功能，并能够针对游泳表现提供报告，并显示具体的完善建议。最后，此类解决方案必须能让用户负担得起，这意味着人工智能系统应该在微控制器上运行，而不是传统的人工智能图形处理单元（GPU），以节省成本。

图1：用户对游泳可穿戴设备的要求

现有游泳追踪解决方案的局限性

目前大多数的游泳追踪器要么不能提供足够的有用信息，要么只提供基于云端的分析，成本高且缺乏隐私性。因此，专业竞技游泳运动员不希望使用“非专业的小玩具”，而是会花钱请专业教练，或者使用昂贵的摄像系统来分析和提高自己的成绩。

游泳追踪器需要能够准确可靠地对整个训练过程中的运动，进行“原地且实时”的分类。但是，设备内在的经济可行性因素却造成了局限。因此，设备制造商不得不做出妥协，或采取中庸的解决方案，即在不大幅影响分类速度、准确性和可靠性的前提下，优化组件、传输、存储和处理能力的成本和容量。 

安装在可穿戴设备中的高性能、无线或射频连接模块进一步增加了任何云解决方案的成本，更何况其所需的不间断网络连线或智能手机配对，在物理上无法时刻获得保证。不仅如此，要将所有收集到的传感器数据存储在设备上，又增加了一层成本，而为此所需的强大处理器又会为设备成本“雪上加霜”。如果综合考虑成本、存储和处理因素，这就会变成一个非常昂贵的命题，基本上无法实现大规模市场应用。

传感器数据融合扭转局面

解决这些障碍的最直接方法是传感器数据融合，这是一个将来自不同来源的传感器数据进行智能组合，以获得准确信息的过程。处理器通常集成在传感器内部，使传感器数据能够在传感器模块上获得预处理，从而大大减少了需要存储和传输到云端的数据量。这有可能完全消除对云端的需求。这种方法的一个巨大优势在于，可穿戴设备中主处理器的功率可以大大降低，从而进一步削减成本。

游泳追踪软件使用的是三轴加速度计和三轴陀螺仪的实时传感器数据，这两个传感器都集成在智能传感器BHI260AP内部。由于其还具有强大的浮点微控制器，因此既可以提供原始传感器数据，也可以运行人工智能功能，并生成相关结果，以供应用处理器直接使用，从而降低系统功耗和处理需求。

游泳追踪软件利用运动传感器数据来判断用户是否已经开始游泳，而不需要游泳者做任何动作。然后，它会从仰泳、自由泳、蝶泳和蛙泳四种可能的类型中对泳姿进行分类。随后，软件会记录划手数量、圈数和每圈之间的停顿时间。

可穿戴式游泳设备如何使用预处理数据来精准清晰地计算速度、距离和游泳效率等信息。所提供的数据还有助于生成SWOLF（游泳高尔夫）得分：这是一种广泛使用的游泳效率测量方法，由游泳时间和测得的划手数得出。（*SWOLF= 游泳高尔夫成绩；（秒数+划手数）/圈数；数字越低越好）

这些信息可以让游泳运动员追踪自己的表现，并监测改进情况，同时找出需要进行特殊训练的薄弱环节。他们还可以将自己的数据与本人的历史数据、朋友、培训伙伴或专家的数据进行比较。

实现准确性：权衡利弊

在与设备制造商交谈时，他们无一例外都会提到一个最重要的游泳追踪器参数：准确性。为了让自己的购买设备物有所值，终端用户需要的是高精度的产品。准确度使设备制造商能够提供值得用户信赖的系统。在实践中，要达到令人满意的精度是非常困难的。每位游泳运动员的身高、四肢长度以及手脚在水中移动的速度和力量都各有不同。此外，由于人们在游泳时的能量水平会存在变化，同一游泳者在不同时段中手臂运动的速度可能会有很大波动。

这就是人工智能大展拳脚的地方。根据“典型”或“普通”人的要求开发的追踪解决方案，无法提供足够的准确性。其中涉及的变量太多，范围太广。关键在于，即使用户的具体特征不同，人工智能也能让可穿戴设备准确地检测和分类游泳动作。由此能够使处理后的结果，如划手数、圈数和停顿时间等更加准确。

得益于此人工智能组件以及在这一领域的多年经验，企业研究部的专家合作，开发出了一套解决方案，在智能传感器内部实现了创新的信号处理、过滤以及分类和计数。例如，在对泳姿类型进行分类时，该方案的准确率达到了90%以上，可与目前市场上的追踪器比肩。通常，要实现以更高准确度为目标的人工智能，需要在GPU上进行深度学习，以处理和维护庞大的数据集。然而，人工智能游泳软件，却可以在任何较小型微控制器上运行。

为了推动用户的参与度，人工智能总会有更多的取舍空间。例如，制造商可以选择配置，根据标准化的风格进行追踪，或者根据地区、年龄等条件更有针对性地适应特定人群的风格。这也有助于为专业和业余用户单独提供标准或定制的解决方案。

在处理所有这些权衡和妥协时，经验必不可少。作为创新传感解决方案的技术领导者，进行了多年的研究，并获得了实际数据，在现实用户场景中对理论概念进行了实践验证。这一专业水准可以在有限的计算资源下实现高精度，并有效优化成本、精度、尺寸和功耗等方面的权衡。

人工智能提供准确、经济的追踪

凭借传感器和人工智能驱动软件，可以在不影响游泳追踪器准确性的前提下，为终端用户提供更具成本效益和个性化的解决方案。这款产品展示了，人工智能如何使可穿戴设备制造商在不需要昂贵的嵌入式处理器、深度学习，或神经网络硬件的情况下，通过降低存储和处理成本，打造出差异化、物超所值的产品。

通过提供即插即用的核心软件，厂商可以更快地开发出产品，缩短产品上市时间，降低设计和开发成本。此外，他们还能够拥有高度的灵活性，轻松实现后续软件开发，例如添加更多游泳风格或在地理上进行定制，并获得更多支持。

总体来说，上述例子展示了将人工智能与运动传感器以及智能传感器一起用于消费电子应用所能带来的优势。这些原则同样也可应用于其他可穿戴设备，如步数追踪器或健身设备。人工智能、运动传感器和传感器数据融合的结合，为新一代智能设备提供了灵活、准确、经济的解决方案。

未来发展

上述游泳追踪器解决方案只是一个例子，它展示了我们在打造人工智能驱动型消费和工业产品这一漫长但令人兴奋的旅程中已经迈出了早期步伐。

游泳追踪器解决方案展示了人工智能的内在优势——其学习能力和独立于人类干预的发展能力或者至少在不远的将来能够实现这些能力的潜力。凭借人工智能，游泳追踪器可能很快就会识别并适应游泳者的年龄、游泳风格和技术，以提供信息和分析，从而令用户能够持续提高泳技和成绩。无论是用于在学校教孩子们游泳，还是在国家体育学院推动世界上最优秀的运动员更上一层楼，人工智能都有望为所有人带来实实在在的好处。