PosePilot：用于体育运动姿势纠正的边缘 AI 解决方案

自动化姿势纠正仍是 AI 驱动健身系统中的重大挑战，尽管已有大量研究聚焦于活动识别。本文提出一种新系统 PosePilot，将姿势识别与实时个性化纠正反馈集成，克服了传统健身解决方案的局限。以 Yoga 为案例研究——该学科要求精确的时空对齐——我们展示 PosePilot 能够分析复杂的身体运动。 designed for 在边缘设备上部署，PosePilot 可扩展至各种户外和居家运动。我们采用 Vanilla LSTM，使系统能够捕获时序依赖性以进行姿势识别。此外，BiLSTM 配合多头注意力机制增强了模型处理运动语境的能力， selectively focus on key limb angles for accurate error detection while maintaining computational efficiency。作为本工作的一部分，我们引入了用于评估模型的高质量视频数据集。最重要的是，PosePilot 在运动过程的每个阶段提供即时纠正反馈，确保运动方案中姿势精确调整。该方法 1) 实现自动人体姿势识别，2) 在每个时刻提供个性化姿势纠正反馈，这在 Yoga 中至关重要，3) 提供轻量且稳健的姿势纠正模型，可在真实环境中的边缘设备上部署。