一个玩家周一把手机靠在电视柜上练了三组深蹲，周三戴上VR头显打了二十分钟拳击，周末又在客厅里用AR做了一轮移动反应训练。如果这三段经历分别存在三个互不相通的应用里，VR对手不会知道他两天前腿部刚练到后几次明显变形，AR任务也不会知道他出拳时右肩总是比左肩抬得高。每个应用都只认识他的三分之一，给出的难度和反馈自然各说各话。九游体育官网把摄像头、动作识别、VR和AR放进同一个体育AI系统，最直接的原因就在这里：它们面对的是同一个身体。
四种设备看到的是同一个人，只是各自看到的部分不一样
把这些设备放在一起比较，会发现它们不是在互相替代，而是在互相补缺。手机或电脑摄像头能看到全身轮廓，却容易被取景、逆光和家具遮挡影响；VR头显对头部和双手的位置追踪得很准，但躯干和腿部往往需要推测；AR设备擅长理解房间结构，却不一定能看到玩家自己的全身；手环能提供心率和手腕加速度，但看不到动作形态。
| 设备 | 能直接得到的数据 | 看不到或不稳定的部分 | 在系统里的角色 |
|---|---|---|---|
| 手机/电脑摄像头 | 全身关键点、关节角、动作节奏 | 被遮挡的脚、侧面深度、弱光下的细节 | 动作质量的主要来源 |
| 深度摄像头 | 带距离信息的人体轮廓 | 强光和反光表面 | 补足前后方向的判断 |
| VR头显与手柄 | 头部与双手的空间位置和速度 | 躯干、髋部和腿部的真实姿态 | 比赛空间和对手交互 |
| AR手机或眼镜 | 地面、墙面、家具等空间结构 | 玩家自身的全身动作 | 把任务放进真实环境 |
| 手环 | 心率、手腕运动强度 | 动作形态 | 可选的负荷参考 |
表里每一行的“看不到”，恰好是另一行能补上的。系统要做的，是让这些互补的数据落在同一个坐标和同一套定义里。
第一层Camera：先把人体翻译成一套所有玩法都能读的动作表示
摄像头画面进入系统后，第一件事不是判断动作，而是把人体翻译成统一的骨架描述：每个关节叫什么、处在什么位置、两段肢体之间的角度是多少，以及这个点的Confidence有多高。常见的开源姿态模型已经给出了参考，例如MediaPipe Pose输出33个身体关键点，基于COCO格式的模型输出17个。不同模型的点数不同，所以九游体育的做法是在模型输出之上再加一层统一表示，把“左膝”“右腕”这类关节和它们的置信度，换算到同一套命名和同一个身体比例档案上。
身体比例档案来自首次校准：身高、腿长与躯干的比例、常用站位距离。它的意义在于，同一个“蹲到位”对身高一米五和一米九的玩家，髋部下降的绝对距离完全不同。如果VR、AR和摄像头各自维护一份档案，同一个人在三个地方会被当成三种身材。
第二层Motion与Training：动作质量和训练负荷写进同一份记录
统一表示之后，体育动作识别层开始回答具体问题：动作有没有发生（Motion Detected），幅度够不够（Range of Motion），速度和节奏如何（Speed），身体稳不稳（Stability与Balance），整体形态是否标准（Form Quality）。训练AI再把这些结果放进训练记录。
这里的关键是记录什么。只记“今天做了60个深蹲”，对后面几乎没有用；记下“第三组后半段深度逐次变浅、起身速度下降、休息后恢复一部分”，才能区分这是能力不足还是疲劳。训练记录因此分成两部分：当天的短期状态（完成率、准确度变化、疲劳迹象）和跨越几周的长期能力（稳定达标的动作幅度、可承受的训练量）。短期状态决定今天要不要降速或插入休息，长期能力才决定下一阶段的难度起点。
第三层Game：同一个身体动作，在不同玩法里换算成不同的输入
同一个深蹲，在健身竞技里是一个需要严格判定的计分动作，在VR滑雪里可能只是“压低重心加速”的操作，在AR反应训练里又变成“躲过低空飞来的目标”。这一层的工作是写映射规则：什么动作、达到什么质量、在什么时间窗口内，才触发对应的游戏行为。
映射必须带上置信度。摄像头看不清膝盖时，健身竞技应该暂停计分并提示调整机位，而不是把这一下算成半蹲扣分；VR滑雪则可以只依赖头部高度变化继续运行。同一份动作数据，在不同玩法里的容错尺度不同，这正是统一表示带来的灵活性。
第四层VR/AR：把比赛空间和真实客厅接进同一条链
到了VR体育和AR体育这一层，系统需要额外理解空间。VR拳击里的AI对手要知道玩家站在哪里、离自己多远、手臂能够到哪里，才能决定是压上还是后撤；AR任务要知道地面在哪、墙在哪、沙发和茶几占了多少位置，玩家现在站在安全区的哪一侧。
Camera → Motion → Training → Game → VR/AR
这条链的价值在于回流。玩家在VR里连续几个回合回防高度下降，这个疲劳信号会写回训练记录；第二天摄像头训练开始时，系统就知道不该一上来就安排高强度组合。AR任务里发现玩家向左移动明显慢于向右，这个不对称也会成为后续训练任务的参考。
共享记录也有边界：哪些数据不该跨设备使用
放进同一个系统，不代表所有数据都能互相借用。第一，精度不同的数据要带来源标签。VR头显通过上半身推测出来的腿部姿态，适合让虚拟角色看起来自然，却不能拿去给深蹲打分；只有摄像头在高置信度下看到的膝、髋、踝关系，才进入动作质量计算。第二，原始视频优先在本机处理，跨设备同步的是关键点和统计后的动作指标。第三，玩家应该能看到系统记住了哪些训练历史，并且可以删除。
从系统需要的数据倒推：选设备时该看哪几项参数
理解了每一层需要什么输入，挑设备就不再只是比价格。在九游体育电商查看设备说明时，比较值得关注的是这几项：
- 摄像头：视场角是否足够在两到三米距离内拍到全身，能否稳定输出30fps或60fps，是否有合适高度的支架。
- VR头显：是否支持手部追踪和房间边界设置，追踪是否稳定，佩戴后能否长时间运动。
- AR手机或眼镜：是否支持平面检测，带LiDAR的设备能否生成场景网格，这决定了系统对客厅尺度的判断是否可靠。
- 手环：心率数据能否在用户授权后读取，这是可选项而不是必需项。
一台设备缺某项能力并不意味着不能用，而是意味着系统会在那一层降级：没有深度信息就更依赖校准档案，没有全身视野就只开放能用可见部位评分的动作。想看一个动作从摄像头进入游戏的完整步骤，可以继续阅读体感工作流拆解。把四种设备放进同一个系统，最终是为了让每一次训练建议都建立在对这个人更完整的了解上，而不是在四个应用里各猜一次。
