Pixel Watch: Robust Heart Rate Sensing from Multipath PPG and On-Device Deep Learning Trained on 10,000 hours of Free-Living and Fitness Data
Pixel Watch 2 通过利用一个 10 通道多路径 PPG 传感器和一个基于 10,000 小时多样化数据训练的设备端深度学习模型，在运动密集型活动期间显著提高了心率准确度，从而使其误差幅度与之前的设备相比大幅缩小。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你的智能手表就像一个微型的高科技侦探，正试图通过你的手腕聆听你的心跳。通常，这是一项充满噪音的工作。当你静坐时，侦探能听到清晰的“砰砰”声。但当你开始跑步、举重，甚至只是挥动手臂时，运动产生的各种杂音和干扰就会让手表很难分辨出你的心跳与运动噪音之间的区别。
这篇论文描述了谷歌如何利用两个主要窍门，打造出一款解决了这一问题的全新智能手表——Pixel Watch 2。这两个窍门分别是：更多的耳朵和一个超级聪明的脑袋。
1. “更多的耳朵”窍门（多路径 PPG）
旧款手表通常只有一个“耳朵”（单个光传感器）在试图聆听你的心脏。如果这个“耳朵”被汗水遮挡或发生轻微位移，信号就会变得模糊不清。
Pixel Watch 2 则不同。它的背面排列着 10 个不同的“耳朵”（光传感器和 LED 灯），分布在各种图案中。你可以把它想象成一个合唱团，而不是一名独唱歌手。如果其中一个声音被手臂运动的噪音淹没了，其他九个声音依然能清晰地歌唱。通过同时聆听这些不同的角度，手表能获得一个更丰富、更完整的皮肤下生理情况图景。
2. “超级聪明的脑袋”（深度学习）
拥有 10 只耳朵固然很好，但这也会产生海量的数据。一个简单的计算器（旧款手表所使用的类型）在试图从这些噪音中进行分类时会感到力不从心。
因此，谷歌为这款手表配备了一个深度学习大脑。这是一种人工智能，它的角色就像一位资深的音乐制作人。
- 训练过程： 在这款手表上市之前，这位“制作人”已经听了 962 名不同的人录制的 10,000 小时音频。这些人正在进行各种活动，从睡眠到冲刺、跑步以及划船。AI 学会了如何在运动的混乱中识别出心跳的特定“声音”。
- 结果： 它并没有使用僵化的、预先写好的规则来过滤噪音，而是学会了如何“直觉性地”将心跳从运动中分离出来。这就像是一个机器人试图遵循手册操作，与一位爵士乐手通过即兴发挥来寻找节奏之间的区别。
3. 大规模测试
为了证明这套新系统有效，研究人员并没有仅仅在安静的实验室里进行测试。他们通过两个主要的实验对它进行了考验：
- 健身房测试： 他们让 229 个人佩戴这款手表，进行高强度的指导性运动，如跑步机跑步、使用划船机以及进行高强度间歇训练（HIIT）。他们将手表的数值与作为“金标准”的胸带式心率计（非常准确）进行了对比。
- 现实生活测试： 他们将这款手表交给 27 位老年人佩戴两天，让他们在日常生活中进行活动——包括烹饪、走路、工作和放松。
结论
结果显示，这套新系统比之前的谷歌手表及其他竞争对手都有显著改进。
- 旧款手表往往有着相当大的“误差范围”。例如，如果你的心率是 100，在剧烈运动期间，旧款手表可能会猜出 75 到 125 之间的任何数值。那是一个巨大的猜测！
- Pixel Watch 2 显著缩小了这个猜测范围。在运动期间，它的数值通常与真实心率的偏差在 9 次跳动以内。在日常生活中，表现甚至更好，通常在 7 次跳动以内。
为什么这很重要（根据论文所述）
作者强调，这种神奇的效果不仅仅在于硬件（10 个传感器）或软件（AI）本身。它在于两者的结合，并且经过了海量现实世界数据的训练。
他们发现，如果你使用旧有的“计算器”方法配合新的 10 传感器硬件，效果并不理想。但如果你使用新的“AI 大脑”配合旧的单传感器硬件，虽然还可以，但并不出色。你需要同时具备额外的传感器和深度学习大脑，才能获得最佳结果。
简而言之，Pixel Watch 2 是一款通过向成千上万人在进行成千上万种不同活动时学习，从而学会了如何聆听你心跳的智能手表，这让它能够忽略运动带来的噪音，专注于捕捉心跳的节奏。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。