AI为什么不能只看动作截图判断一个训练动作是否标准？

把两位玩家深蹲到最低点的那一帧截下来并排放，几乎看不出区别：膝角差不多，髋部都低于膝盖，躯干前倾也相近。可在实际训练里，一位是慢慢控制着蹲下去、稳稳起身，另一位是借着惯性“砸”到底再弹起来，最后三次还用腰发力把身体甩上去。只看截图的系统会给两人同样的分数，而这恰恰是训练反馈最不该犯的错。

一张截图丢掉了什么：时间、方向和前因后果

截图记录的是姿态，训练动作关心的是过程。静态画面里没有速度，看不出身体是正在下降还是正在起身；没有前后帧，也看不出这个姿态是控制住的还是恰好经过。很多代偿只在运动中出现，比如起身时臀部先抬、膝盖在发力瞬间向内扣、到底后骨盆突然后卷，它们在单帧里可能完全看不出来。

还有一种常见误差来自截图的选择本身。系统如果只抓“髋部最低”的那一帧，而玩家恰好在最低点前后晃了一下，截到的可能是一个最好看或最难看的瞬间，分数就带有很大的偶然性。同一个动作截两次，得出两个差距明显的结论，这样的评分玩家也不会信任。

先看历史：同一个姿态对不同玩家意义不同

按照 History → Motion Data → Model → Feedback → Long-term Change 的思路，判断从玩家过去的记录开始。模型要知道这个玩家以往的平均下蹲时长、常见的最低点深度、是否有左右不对称的习惯。若某位玩家平时下降用时比较稳定，今天突然缩短了一半，即使最低点那一帧看起来完美，也值得标记为“节奏变化”。没有历史，模型只能拿一个人和“标准模板”比，而不是和他自己比。

把一次动作拆成五个阶段，才知道该看哪里

九游体育在处理训练动作时，会把一次完整重复切成连续阶段，每个阶段关注的指标不同：

五个阶段里只有一个半能靠截图判断，这就是序列必不可少的原因。阶段切分本身也依赖序列：系统追踪髋部高度随时间的曲线，下降段是曲线往下走，最低点是波谷，起身段是往上走，回稳是曲线重新变平。

序列里能算出截图算不出的三个量

速度与节奏：下降和起身不应该是同一种快

相邻帧之间关键点的位移除以时间，就是速度。常见摄像头以每秒30帧或60帧采集，一次深蹲会覆盖相当多的帧，足以画出下降与起身的速度曲线。在示例设定中，如果起身阶段的峰值速度远高于下降阶段，并伴随躯干前倾角突然变大，模型会倾向于判定为借力甩起。

控制：最低点附近的速度是否平滑

砸到底的动作会在波谷处出现速度骤停再反向，控制良好的动作则是速度逐渐减到零、再逐渐加大。这个差别在截图里完全消失，在序列里却非常清楚。

代偿：两个部位之间的时间差

代偿往往表现为时间上的错位，比如髋部已经开始上升，肩部却还停在原地，说明先抬臀后抬身。只有同时追踪多个关键点的时间序列，这种错位才看得见。

遮挡和抖动：序列也能让模型更谨慎

单帧里一个关键点置信度低，模型只能猜；在序列里，它可以参考前后帧的位置做平滑，判断这是短暂遮挡还是长期看不见。如果膝盖连续多帧被桌子挡住，模型就应该承认“这几次无法判断膝盖轨迹”，而不是用一张模糊截图给出扣分。低 Confidence 时只给弱判断，是对玩家负责。

序列还能帮助识别“伪动作”。只弯腰点头、上半身快速上下摆动，某一帧里髋部位置也可能看起来降低了；但从序列看，膝角几乎不变、髋部轨迹也不连贯，系统就不会把它记作一次有效深蹲。

反馈要落到具体阶段上

基于序列的反馈可以说得很具体：“这一组下降节奏稳定，最后三次起身时臀部先抬，建议放慢起身”。这比“动作不标准，得分68”有用得多，玩家知道该改哪一段。这类反馈只是游戏化训练的动作表现提示，不是医学评估；训练时出现疼痛或不适，请停止训练并咨询专业人士。关于识别链路的更多细节，可以参考体育动作识别栏目。

长期看：阶段指标的变化比总分更能说明进步

当每次训练都按阶段存下指标，长期变化就能被拆开看：有的玩家深度一直达标，但回稳时间在一个月里逐渐缩短；有的玩家总分没怎么涨，其实下降速度越来越均匀。九游体育把这些阶段数据汇入训练历史，供后续难度调整和虚拟教练参考，这也是动作大模型离不开序列数据的根本原因。具体需要哪些数据，可以看体育动作大模型到底需要什么数据。在九游体育的训练记录里，玩家看到的也正是这些按阶段整理的变化，而不是一张最低点截图。