EchoMotion 讓 Galaxy Watch 化身全身動作追蹤系統
康乃爾大學（Cornell University）研發的 EchoMotion 系統，利用 Wear OS 智慧手錶內建的揚聲器與麥克風，透過超音波追蹤全身動作，完全無需額外硬體。
- EchoMotion 是康乃爾大學 SciFi Lab 團隊研發的系統，利用智慧手錶內建的揚聲器與麥克風發射及接收超音波，藉此重建全身姿勢。
- 在未經校正的 Galaxy Watch 6 上，各關節平均誤差小於 4 英吋；經過 12 分鐘校正後，誤差降至約 2.4 英吋。
- 該模型亦可在無需重新訓練的情況下運行於 Galaxy Watch 7 與 Pixel Watch 3，精準度僅有些微下降。
- 示範版本能辨識 20 種健身動作，準確度達 95.4%，追蹤 30 分鐘耗電量約 5% 至 6%。
文章目录
EchoMotion 的運作原理
現今的智慧手錶主要依賴加速度感測器與陀螺儀來記錄動態。這類數據對於計步或睡眠監測已相當足夠，但無論使用者是坐著、步行還是運動，都無法呈現整個人體的完整動作。若想在運動時調整姿勢，使用者通常必須聘請教練，或使用基於攝影機的動作追蹤服務。
康乃爾大學 SciFi Lab 團隊開發出 EchoMotion 來填補這項空白。該系統運作方式類似聲納，透過手錶上的揚聲器在配戴者周圍發射超音波，並由麥克風接收從手臂、腿部及軀幹反彈的回音。接著將這些回音訊號輸入 AI 模型，進而重建出全身姿勢。
整套解決方案為純軟體架構，容量不到 30 MB。研究團隊表示，該系統佔用資源極少，能輕鬆部署至 Wear OS 智慧手錶上。
精準度與相容性
在初期測試中，10 名受試者配戴原型手錶並執行 18 種動作。AI 模型根據收集到的數據，預測從腳踝到頭部的 12 個主要關節位置。
隨後，團隊將模型移植至未經改裝的市售 Galaxy Watch 6 上，並在 15 位全新受試者身上進行測試。面對系統從未接觸過的使用者，在完全不需校正的情況下，各關節平均誤差小於 4 英吋。若使用者先進行 12 分鐘的動作記錄校正，誤差更可縮小至約 2.4 英吋。
團隊亦在未重新訓練的情況下，將同一模型運行於 Galaxy Watch 7 與 Google Pixel Watch 3。EchoMotion 依然能正常運作，精準度僅輕微下滑。這項成果顯示該技術具備邁向商業化產品的可行路徑。
值得注意的唯一限制出現在擁擠環境。在人來人往的建築走廊中，鄰近走動的人員會產生干擾，導致精準度下降。不過，室內雜亂擺放的家具或街頭噪音則幾乎不造成影響。
功耗表現與實際應用
原型手錶上的超音波感測功耗僅約 12 mW，比穿戴式攝影機系統低了約 40 倍。在 Galaxy Watch 6 的實際測試中，EchoMotion 進行 30 分鐘追蹤僅消耗約 5% 至 6% 的電量。由於系統無需超寬頻（UWB）晶片、毫米波（mmWave）或攝影機等專用硬體，因此不會增加零件成本。
團隊在 Galaxy Watch 6 上打造了一款健身追蹤示範應用，能辨識側平舉（dumbbell lateral raise）、腿推（leg press）、胸推（chest press）及深蹲（squat）等 20 種健身動作，辨識準確率高達 95.4%。即使在背景音樂音量約 76 dB 的真實健身房環境中，該示範應用依然能穩定運作。
由於 EchoMotion 追蹤的是全身各關節的位置與角度，而非僅限於手腕，因此能為皮拉提斯（Pilates）、太極拳及瑜伽等需要精準姿勢回饋的運動提供輔助。這些數據對居家復健患者也相當有價值，長遠來看能協助醫護人員及時介入並提供專業指導。
研究團隊目前也嘗試將 EchoMotion 與智慧眼鏡結合。若這項整合成功，將有望解決 XR 裝置對全身動態追蹤的需求，不必再依賴會推高成本且增加體積的複雜感測器。論文第一作者、康乃爾大學博士生 Saif Mahmud 指出，團隊傾力讓 EchoMotion 能直接在市售裝置上順暢運行，這將大幅降低未來的普及門檻。
EchoMotion 目前仍屬學術研究成果，尚未成為手錶內建功能。然而，以純軟體架構直接運行於既有硬體上的做法相當值得期待，因為它比依賴新感測器的硬體升級方案能更快推廣至消費市場。在擁擠環境下的干擾限制，則意味著這項技術在廣泛普及前仍需進一步最佳化。
資料來源：Digital Trends
审核人: Hero Association
