Smartwatch tự động nhận diện bài tập bằng cách nào?

Nhịp tim thường đóng vai trò bổ trợ hơn là “công tắc” nhận diện. Nó giúp hệ thống đánh giá liệu chuyển động vừa thấy có đi kèm gắng sức kéo dài hay không, nhưng cùng một mức nhịp tim có thể xuất hiện khi chạy, đạp xe, tập sức mạnh, căng thẳng hoặc dùng chất kích thích. Vì vậy, quyết định cuối cùng thường dựa trên nhiều cửa sổ dữ liệu liên tiếp và chỉ được chấp nhận khi độ tin cậy duy trì đủ lâu.

Smartwatch biến tín hiệu cảm biến thành quyết định như thế nào?

Quá trình nhận diện thường được triển khai thành một chuỗi bốn lớp. Lớp đầu tiên là thu tín hiệu: gia tốc kế ghi gia tốc theo nhiều trục, con quay hồi chuyển ghi tốc độ xoay của cổ tay, còn cảm biến quang học PPG ước lượng nhịp tim. Tùy thiết bị và loại bài tập, GPS, độ cao hoặc thông tin quãng đường cũng có thể làm tín hiệu ngữ cảnh.

Lớp thứ hai là tiền xử lý chuỗi thời gian. Thuật toán có thể lọc bớt nhiễu, tách thành phần trọng lực khỏi chuyển động động và chia tín hiệu thành các cửa sổ ngắn. Với cách tiếp cận truyền thống, mỗi cửa sổ được chuyển thành các đặc trưng như biên độ, phương sai, năng lượng tín hiệu, tần số lặp, nhịp chuyển động hoặc mức thay đổi hướng. Với mô hình học sâu, một phần các đặc trưng này có thể được học trực tiếp từ dữ liệu thô.

Lớp thứ ba là phân loại. Mô hình không “nhìn” thấy bài tập theo nghĩa con người mà tính xác suất cho các lớp đã được huấn luyện hoặc thiết kế sẵn. Chẳng hạn, một cửa sổ có thể được chấm xác suất chạy cao nhất nhưng cửa sổ kế tiếp lại nghiêng sang đi bộ. Do đó, một dự đoán đơn lẻ thường chưa đủ để kích hoạt bài tập.

Lớp cuối cùng là quyết định theo thời gian. Hệ thống làm mượt các dự đoán, kiểm tra tính liên tục và chờ độ tin cậy duy trì qua nhiều cửa sổ. Cách này hy sinh một phần tốc độ phản hồi để giảm việc đi vài chục bước, xách đồ hoặc vung tay ngắn hạn bị ghi nhầm thành một buổi tập.

Chuyển động cho thuật toán biết loại hoạt động nào đang diễn ra

Trong phần lớn bài toán nhận dạng hoạt động ở cổ tay, tín hiệu quán tính là nguồn thông tin trực tiếp nhất để phân biệt kiểu vận động. Gia tốc kế cho biết cổ tay đang tăng tốc theo hướng nào và mạnh đến đâu. Từ đó, thuật toán có thể thấy tính chu kỳ của bước chân, độ đều của nhịp tay hoặc các pha tăng giảm gia tốc lặp lại.

Con quay hồi chuyển bổ sung cách cổ tay xoay và đổi hướng. Hai hoạt động có mức gia tốc tương tự nhưng quỹ đạo xoay khác nhau có thể trở nên dễ tách hơn khi ghép hai nguồn dữ liệu. Ví dụ, chạy thường tạo chuỗi dao động cổ tay có nhịp đều và mức va đập khác đi bộ; máy chèo, máy elliptical hoặc một số động tác tay lại có hình thái góc quay khác.

Điểm quan trọng là thuật toán không chỉ “đếm bước”. Nó nhận diện hình dạng của chuỗi chuyển động. Một mẫu được đánh giá qua nhịp, biên độ, tính lặp, hướng và sự thay đổi theo thời gian. Đây cũng là lý do các hoạt động phổ biến, có chuyển động lặp và đặc trưng rõ thường dễ nhận hơn các bài tập mà cổ tay ít di chuyển hoặc chuyển động thay đổi liên tục.

Giới hạn nằm ngay ở vị trí cảm biến. Đồng hồ chỉ quan sát rất tốt những gì xảy ra ở cổ tay; nó không trực tiếp biết chân đang tạo lực bao nhiêu hay tải trọng đang được nâng. Đạp xe với tay giữ chắc ghi-đông, đẩy xe nôi hoặc một số bài tập sức mạnh có thể tạo mẫu cổ tay nghèo thông tin, dù cơ thể đang làm việc đáng kể.

Nhịp tim chủ yếu xác nhận cường độ và ngữ cảnh tập luyện

Cảm biến PPG chiếu ánh sáng vào da và theo dõi thay đổi quang học liên quan đến lượng máu qua mô để ước lượng mạch. Trong nhận diện bài tập, giá trị hữu ích không chỉ là một con số nhịp tim tức thời mà còn là quỹ đạo nhịp tim: nhịp có tăng so với nền, duy trì trong bao lâu và hồi phục như thế nào sau khi chuyển động giảm.

Tín hiệu này có thể giúp xác nhận một ứng viên do cảm biến chuyển động tạo ra. Nếu cổ tay có mẫu giống đi bộ và nhịp tim tăng bền vững, bằng chứng tổng hợp mạnh hơn so với chỉ vài chuyển động rời rạc. Với một số kiến trúc, đặc trưng chuyển động và nhịp tim được đưa chung vào mô hình; ở kiến trúc khác, chúng có thể được xử lý riêng rồi hợp nhất ở bước quyết định.

Nhưng nhịp tim không phải dấu vân tay của loại bài tập. Chạy và đạp xe có thể tạo vùng nhịp tim tương tự; ngược lại, đi bộ nhẹ có thể không làm nhịp tăng nhiều. Căng thẳng, môi trường nóng, caffeine, mất nước hoặc trạng thái cơ thể cũng làm nhịp thay đổi mà không nhất thiết có bài tập tương ứng. Vì thế, chỉ nhìn nhịp tim sẽ khó phân biệt “đang tập gì”.

PPG còn có một giới hạn kỹ thuật quan trọng: chuyển động của cổ tay có thể gây nhiễu quang học, trong khi đáp ứng tim mạch cũng không xuất hiện tức thì cùng lúc với động tác đầu tiên. Bởi vậy, nhịp tim phù hợp nhất với vai trò tăng hoặc giảm độ tin cậy, đánh giá cường độ và kiểm tra tính hợp lý của một hoạt động đã được suy ra từ chuyển động.

Ngưỡng tin cậy và thời lượng quyết định lúc bài tập được ghi

Nếu đồng hồ kích hoạt ngay sau một vài cửa sổ có vẻ giống chạy hoặc đi bộ, nguy cơ nhận nhầm sẽ tăng mạnh. Vì vậy, hệ thống thường yêu cầu hai điều kiện cùng lúc: xác suất nhận dạng đủ cao và mẫu đó tồn tại đủ liên tục. Thuật toán có thể dùng làm mượt theo thời gian, voting giữa nhiều cửa sổ hoặc hysteresis để tránh nhãn thay đổi liên tục khi tín hiệu ở gần ranh giới giữa hai lớp.

Không có một ngưỡng thời lượng chuẩn chung cho mọi smartwatch. Từng hãng, từng mẫu máy và từng loại hoạt động có thể đặt điều kiện khác nhau; một số hệ thống chỉ gắn nhãn sau khi hoạt động kéo dài nhiều phút, trong khi các tính năng khác có thể nhắc người dùng sớm hơn. Sự chậm trễ này thường là đánh đổi có chủ ý giữa độ nhạy và khả năng tránh nhận nhầm.

Khi đã đủ chắc chắn, thiết bị có thể thông báo, tự bắt đầu phiên theo dõi hoặc chỉ ghi một sự kiện hoạt động, tùy cách hệ sinh thái thiết kế tính năng. Một số hệ thống còn ghi nhận phần hoạt động xảy ra trước thời điểm thông báo, nhưng khả năng “ghi bù” và loại dữ liệu được lưu không giống nhau giữa các thiết bị.

Do đó, việc đồng hồ báo muộn không tự động có nghĩa cảm biến vừa mới bắt đầu đo. Cảm biến nền có thể đã thu dữ liệu từ trước; thứ bị trì hoãn là quyết định gắn nhãn bài tập sau khi thuật toán tích lũy đủ bằng chứng.

Vì sao tự động nhận diện có thể nhầm hoặc bỏ sót bài tập

Sai số thường xuất hiện khi tín hiệu mà đồng hồ nhìn thấy không đủ khác biệt so với sinh hoạt thông thường hoặc không khớp với những lớp hoạt động hệ thống hỗ trợ. Một chuỗi vung tay lặp lại có thể giống hoạt động thể chất, trong khi một buổi tập thực sự nhưng cổ tay tương đối yên lại không tạo đủ đặc trưng để vượt ngưỡng.

Các bài tập ngắt quãng ngắn cũng khó hơn hoạt động liên tục. Mỗi lần dừng làm chuỗi bằng chứng bị đứt, nên hệ thống có thể không đạt ngưỡng thời lượng tối thiểu hoặc độ tin cậy cần thiết. Tập sức mạnh là ví dụ điển hình: nhiều động tác khác nhau có thể dùng chung kiểu chuyển động ở cổ tay, còn thời gian nghỉ giữa hiệp làm mẫu kém liên tục hơn đi bộ hoặc chạy.

Chất lượng PPG tạo thêm một nguồn bất định. Đồng hồ đeo lỏng, cảm biến bị lệch khỏi da hoặc chuyển động mạnh có thể làm tín hiệu quang học nhiễu hơn. Nếu thuật toán dùng nhịp tim như tín hiệu xác nhận, chất lượng kém có thể làm độ tin cậy giảm. Ngược lại, một hoạt động đời thường có chuyển động đều và kéo dài đôi khi vẫn có thể bị nhận nhầm nếu mẫu đó đủ giống một lớp bài tập.

Ngoài ra, “không nhận ra” không nhất thiết là lỗi của cảm biến. Mô hình chỉ có thể gắn nhãn trong phạm vi bài tập mà sản phẩm hỗ trợ hoặc trong nhóm hoạt động mà thuật toán có khả năng phân biệt. Một động tác mới, hỗn hợp hoặc quá khác dữ liệu huấn luyện dễ bị đưa về lớp chung hoặc không được kích hoạt.

Khi nào nên dùng tự động nhận diện, khi nào nên bắt đầu thủ công

Tự động nhận diện phù hợp nhất khi mục tiêu là không bỏ quên những hoạt động phổ biến, kéo dài và có mẫu chuyển động rõ. Nó giảm thao tác cho các buổi đi bộ, chạy hoặc hoạt động lặp mà người dùng thường quên bấm bắt đầu.

Theo dõi thủ công hợp lý hơn khi thời điểm bắt đầu chính xác, tuyến GPS, các quãng tập ngắt hoặc bộ chỉ số chi tiết có giá trị với bạn. Khi người dùng chủ động chọn loại bài tập, đồng hồ không còn phải chờ bước suy luận “đang làm gì” mới chuyển sang chế độ ghi chuyên biệt; điều này cũng giúp tránh việc một phiên ngắn không đạt ngưỡng tự động.

Với các bài tập sức mạnh, circuit, động tác có cổ tay ít chuyển động hoặc buổi tập rất ngắn, nên xem auto-detection là lớp tiện ích hơn là nguồn ghi nhận tuyệt đối. Nếu một hoạt động thường xuyên bị bỏ sót, điều hữu ích nhất là kiểm tra xem loại bài tập đó có được hỗ trợ tự động hay không, đeo đồng hồ đủ chắc để PPG ổn định và bắt đầu thủ công khi cần dữ liệu đầy đủ.

Smartwatch tự động nhận diện bài tập bằng cách ghép nhiều bằng chứng theo thời gian: chuyển động tạo dấu hiệu chính về kiểu hoạt động, nhịp tim bổ sung thông tin về gắng sức và ngữ cảnh, còn thuật toán phân loại cùng ngưỡng tin cậy quyết định khi nào nên gắn nhãn. Vì quyết định phải ổn định qua nhiều cửa sổ dữ liệu, độ trễ là một phần của cơ chế chống nhận nhầm chứ không đơn giản là phản ứng chậm.

Hiểu đúng điểm này cũng giải thích vì sao auto-detection hoạt động tốt với các mẫu lặp rõ nhưng kém chắc chắn hơn ở bài tập ngắn, động tác ít chuyển động cổ tay hoặc hoạt động không nằm trong nhóm được hỗ trợ. Khi cần bản ghi chính xác ngay từ giây đầu hoặc cần toàn bộ chỉ số chuyên biệt, bắt đầu bài tập thủ công vẫn là cách đáng tin cậy hơn.