BPqu: Edge-AI Breath Phase Quantifier for Real-Time Guidance in Running
本文介绍了一种用于边缘人工智能设备的深度学习算法 BPqu，该算法能够实现针对跑步的零延迟、实时呼吸相位量化与预测，旨在提供即时的、非干扰性的指导，以减轻呼吸窘迫并提升跑步者的福祉。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
跑步是最容易实现的运动形式之一，除了鞋子和一条路径外，几乎不需要任何其他装备。然而，对于许多人来说，简单的慢跑过程可能会被突然的呼吸困难所中断，这种感觉会使运动中断并削弱运动带来的快乐。这种呼吸窘迫通常源于人体动作与呼吸方式之间的脱节。在运动科学领域，存在着一种已知的节奏，即身体自然地寻求将其呼吸模式与脚步进行同步，这种同步性能让跑步变得更轻松、更高效。然而，对于初学者来说，寻找并维持这种节奏非常困难，而传统的引导方法往往依赖于观察过去发生了什么。如果一名跑者突然改变了步速或呼吸模式，那些依赖旧数据的系统反应太慢，提供的建议往往来得太迟，无法发挥作用。
为了解决这个问题，萨尔茨堡研究中心（Salzburg Research）和萨尔茨堡大学的研究人员开发了一种名为 BPqu 的新方法。该系统旨在成为一个实时指南，它能够预测跑者的呼吸，而不是在呼吸发生后才做出反应。通过将一台小型、功能强大的计算机直接放置在连接在跑者胸部的可穿戴传感器上，该系统可以立即分析呼吸和运动数据。其目标是提供即时、直观的反馈，帮助跑者找到他们的自然节奏，从而消除旧技术中令人沮丧的延迟问题。这项工作代表了一种从“观察过去”向“预判现在”的转变，旨在消除阻碍人们享受耐力跑步的认知和情感障碍。
团队面临的核心挑战是大多数数字系统固有的延迟。当计算机处理信息时，需要时间收集数据、计算数值并发送信号。在跑步场景中，即使是极短的瞬间延迟，也可能意味着是有效的提示还是令人困惑的干扰。如果跑者在已经开始吸气后才被告知呼气，那么这种指导就是徒劳的。研究人员需要一种方法，能够精确确定跑者在此时此刻处于呼吸周期的哪个阶段，且实现零延迟。他们还需要预测下一个循环步骤，以确保指导能在需要的时候准时到达。为了实现这一目标，他们转向了一种被称为深度学习的人工智能类型，这种技术可以识别数据中的复杂模式，但他们必须将这项技术缩小到足以装进佩戴在身上的微型电池驱动设备中。
研究人员制造了一个定制传感器，可以测量呼吸过程中胸部的压力变化以及每次步幅中的身体运动。该传感器连接到一个微控制器，这种芯片功能强大到足以运行复杂的计算，同时又足够小，可以嵌入衣物中。团队利用从 19 名年轻女性跑者那里收集的数据训练了一个计算机模型。这些参与者穿着传感器跑步，她们的呼吸被仔细监测以创建模式库。该模型学会了识别指示何时吸气、何时呼气以及两者之间切换点发生的微妙信号。至关重要的是，该模型被设计为观察呼吸与步伐之间的关系，理解两者通常以特定的节奏相互关联。
为了使系统足够快以满足实时使用需求，研究人员在如何让计算机“思考”方面表现得非常聪明。他们没有尝试一次性猜测整个呼吸曲线（这可能会产生混乱且易出错），而是将问题分解为两个更简单的部分。系统首先估算呼吸周期的总体形状，然后单独识别从吸气转为呼气的确切时刻。接着，它将这两部分信息结合起来，以创建一个关于跑者当前状态的完整且准确的图像。这种方法使系统能够以极小的内存和处理能力运行，使其完全可以在可穿戴设备上运行，而无需将数据发送到云服务器或智能手机。
这种方法的测试结果令人印象深刻。测试表明，该系统识别跑者从吸气切换到呼气确切时刻的准确率达到了 93.1%。它还能以 85.6% 的准确率判断跑者当前是在吸气还是呼气。或许最重要的一点是，它能以 81.5% 的准确率量化整个呼吸阶段，且没有任何可测量的延迟。这意味着即使跑者突然加速或改变呼吸模式，该系统也能跟得上。研究人员发现，结合来自呼吸传感器和运动传感器的数据比仅使用呼吸数据效果更好，因为运动数据有助于系统过滤掉因跑步颠簸产生的噪声。
研究还探讨了该系统在不同条件下的表现。当跑者以稳定、可预测的节奏呼吸时，系统的表现最好；但即使在呼吸变得不规律或跑者难以维持节奏时，它依然保持有效。系统在三种模式下进行了测试：回顾刚刚发生的状况、观察当前时刻以及略微向后看以预测下一刻。在所有情况下，它都保持了高准确度，证明了它能够应对跑步的动态特性。研究人员指出，虽然该系统具有高度准确性，但并非完美，特别是在呼吸模式高度不规则时，仍存在微小的误差范围。然而，由于系统的速度极快，即使存在微小误差，反馈也能及时送达并发挥作用。
这项工作为一种全新的跑步体验开启了大门。想象一下，一名跑者可以接收到轻柔、有节奏的提示，告诉他们准确的呼吸时机，帮助他们找到一种自然且毫不费力的流动感。由于该系统能够即时运作，它可以适应步速或地形的突然变化，提供一种直觉式的而非机械化的引导。研究人员设想将这项技术集成到智能服装中，为那些可能因呼吸困难而放弃跑步的人提供无缝的支持。通过消除呼吸控制不佳带来的挫败感，这项技术旨在让跑步变得更加愉快和容易，帮助人们突破极限，并与体育活动建立更深的联系。
未来的路径包括在现实世界的跑步场景中测试该系统，而非仅仅局限于受控的实验室环境。研究人员计划观察跑者在实际比赛或训练课程中对这种引导的反应，以及该系统是否真的能帮助人们克服那些让跑步变得困难的认知和情感障碍。他们还希望改进该系统，使其适用于更广泛的用户群体，包括具有不同体能水平和呼吸模式的人群。最终目标是创造一种不仅能追踪表现，而且能主动提升人类跑步体验的工具，将呼吸的挣扎转化为一种流动感与享受的时刻。这项研究表明，通过将先进计算与对人体运动的深刻理解相结合，我们可以创造出一种感觉不像机器、而更像跑步时的得力伙伴的技术。
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。