基于智能设备的矶帆质量评估：初步机器学习研究

每年有超过 2200 万美国人参与划船相关活动，贡献了 2020 年全球划船运动市场价值达 24 亿美元的规模。尽管该项目备受欢迎，但在机器学习 (ML) 集成方面仍有限，受教练成本和专业设备的限制。本研究提出了一种基于人工智能的教练系统，通过在动作数据上训练的 ML 模型提供划船挥汉反馈。通过与 NYU 具体帆船队合作招募了参与者。动作数据在两次会话中收集——一次是次优划法，一次是纠正后的技术——使用 Apple Watch 和装有运动腰带的智能手机。数据经划船分段和特征提取后，使用支持向量分类器、随机森林、梯度提升和极端随机树等 ML 模型对原始特征和工程特征进行训练。开发了一个基于网页的界面，用于可视化划船质量并提供基于大语言模型 (LLM) 的反馈。在四名参与者、八次试验中获得 66 组划船样本。极端随机树模型在五折交叉验证下获得最高性能，F 分数为 0.9496。该网页界面成功提供了定量指标和定性反馈。靠近手腕部位的传感器放置可提高数据质量。初步结果表明，智能手表和智能手机可为传统划船教学提供低成本、可接近的替代方案。尽管受样本量有限的限制，该研究表明了使用消费设备和 ML 支持划船技术细化和技能提升的可行性。