运动智能化潮流持续蔓延 ,运动科技头部平台 Keep 近期在运动智能化领域动作引发行业讨论 。
Keep 从运动学角度出发 ,依据“身体疲劳状态管理模型”,构建出了“运动档案”,并以此作为相关 AI 产品的科学内容支撑与底层技术支持 ,拓展 AI 服务的全景布局。
据了解,Keep 依据大规模数据,多维度特征取证 ,通过“生物信息采集与元数据加工 ”获得用户基础的“数据档案”,再基于人工智能算法对数据进行分析解读,清晰直观呈现用户运动能力与运动表现,并根据数据指标与用户运动目标 ,为用户生成个性化的运动解决方案,形成完整的“运动档案”。
在该档案中,“生物信息采集与元数据加工 ”是基础 ,基于数据提供个性化运动解决方案是核心 。
生物信息采集主要通过算法收集、视觉图像检测与硬件传感器收集三种途径实现:对于没有佩戴硬件设备的用户,Keep App 依托海量的用户数据资源——其中既囊括了每位用户独有的运动行为偏好 、体能优势与短板等个性化特质,又收纳了不同用户群体在运动时段选择倾向、体能演变趋势等方面的共性要素——通过开展系统的特征挖掘与精确的模型推理 ,全面评估用户的运动数据与体能信息;或通过视觉图像检测,完成整体动作检测及行为意图检测,基于标准化规则与算法引擎 ,校准用户数据准确性。对于佩戴 Keep 手环等穿戴设备的用户,结合神经 *** 模型与扎实的运动生理学知识,为用户提供多元服务 ,如识别用户当下的运动场景、估算 EPOC(运动后过量耗氧) 、评估运动效果等。
元数据处理环节,独创的算法让 Keep 能够获得更加准确的处理信号数据,如对 PPG 信号(光电容积脉搏波描记法)滤除噪声、运动伪影等干扰,修正心率结果评估 ,由此可以保证在跑步等长段运动场景中降低信号干扰,在跳绳等心率信号杂乱的运动场景也能进行准确预测 。
值得注意的是,Keep 此前发布的自研运动引擎 Keep Motion Engine 能够通过 AI 摄像头、动作感知系统 、动作捕捉引擎对用户动作实现精准识别 ,保证用户视觉图像监测的精准度,为“运动档案”的准确性提供技术保障。而与硬件装备的打通,让 Keep 可以通过传感器获得更加直接、准确的基础数据 ,并监测到用户实时运动行为,有利于为用户提供更具针对性的运动服务。比如,“运动档案”可以基于硬件穿戴设备监测用户更大摄氧量 ,由此分析用户运动行为与当前运动状态,评估用户疲劳状态,并给出适当的提醒 。
完成数据采集与处理后 ,Keep 以“身体疲劳状态管理模型 ”为基础,通过更大摄氧量、乳酸阈心率 、运动负荷,长期体能,短期疲劳等指标 ,得出用户运动水平、健康水平、活动量等相关报告,并基于报告进一步生成具有针对性的运动解决方案。
以丰富庞大的用户数据为基石,Keep “运动档案”能充分反映出用户的个体差异性 ,如部分用户在爆发力训练方面展现出卓越能力,而另一些则在肌肉耐力上表现突出;该档案同时也能清晰揭示不同用户之间在运动强度适应、体能恢复速率等方面的共性特点。
与市面上已有的运动评估产品相比,Keep “运动档案”的独特性在于其缜密的特征挖掘流程与运用科学的模型推理策略 ,来综合评估用户的运动数据和体能状态,并为用户生成千人千面的运动解决方案,而非停留在报告解读层面 ,同时该档案提供的数据指标更加简单易理解,能广泛覆盖硬核运动爱好者与大众入门用户。
过去的一年里,Keep 以“运动档案”为底层支撑 ,推出了运动评估体系 、智能计划、身体评估体系等产品,完善了用户全场景指标覆盖,极大地提升了用户运动的效率 。根据官方数据显示,基于“运动档案 ”能力的支持 ,Keep 运动评估体系可以在无心率设备下,目前每天为超过 60% 的运动用户提供实时“运动状态”评估服务,预估运动负荷、更大摄氧量 、FTP 等数据;会员 AI 身体评估功能已服务了超 10% 的月均订阅会员;硬件端已具备运动类型自动识别能力。
Keep 此前发布的 2023 年度报告显示 ,探索 AI 技术在海外市场的机会,是当前 Keep 重要的布局之一。Keep 表示,将开发和应用新技术和智能功能 ,积极探索 AI 技术在海外市场的应用机会,以 AI 带动创新,以更高效的方式为用户提供卓越的运动体验 ,吸引新的用户群,发掘新的商业化机会 。
还木有评论哦,快来抢沙发吧~