1
0IEEE IoT | 东北大学团队智能运动腕带：融合MEMS与大语言模型的球类微动作分析系统
东北大学秦皇岛分校赵玉良教授团队研发出一款新型智能运动腕带系统，融合MEMS惯性感知与DeepSeek大语言模型，有效解决球类高速运动中肉眼与传统设备难以识别的微动作差异难题，填补了现有运动穿戴设备“只记录数据、不精准纠错指导”的行业空白。该设备硬件极简轻量化，核心模块尺寸仅12.5×12×2.5毫米，整机约15克，搭载9轴惯性传感器与蓝牙5.0，可无感佩戴于手腕、脚踝，适配篮球、羽毛球、乒乓球、足球多类球类运动。
系统采用“端侧感知+云端推理”双协同架构，端侧以50–200Hz高频采集运动数据，提取时域特征，依托KNN、SVM等机器学习算法实现毫秒级微动作分类识别；云端将结构化运动数据接入大模型，自动生成个性化动作纠错、训练强度与恢复指导方案。实测显示，设备区分各类球类动作成功与失误状态的平均准确率达98.4%，端侧识别耗时仅5.54毫秒，云端反馈延迟12.6秒，兼顾实时性与实用性。设备功耗优异，满负荷可连续工作4小时，穿戴温升极低，舒适性极佳。
相较于传统视觉捕捉、多节点传感设备，该腕带无遮挡、部署简单、成本更低，突破商用穿戴设备仅识别宏观动作的局限。目前技术仍存在模型泛化性不足、依赖云端传输、运动数据隐私待保障等问题，为体育AI轻量化落地提供了全新范式。
