- 综合排序
- 最热优先
- 最新优先
- 来自专栏自学测试之道
智能硬件-运动手环测试
目前市面上大多数的手环具有运动计步、睡眠监测、心率检测、来电提醒等功能。可以根据自身的需求进行选择，尽量选择一些知名品牌。 功能是否符合需求 2、适用的人群 3、价格是否实惠（即物有所值） 4、充电是否方便快捷 5、携带是否方便 6、续航时长是否达到预期 7、是否含夜视功能 8、是否含心率监测、蓝牙通话、微信聊天、卫星定位、睡眠监测、运动计步
1.4K40发布于 2019-10-09 - 来自专栏Python项目实战
可穿戴设备在运动领域的应用：科技让运动更智能
可穿戴设备在运动领域的应用：科技让运动更智能在智能硬件日新月异的今天，可穿戴设备作为其中的佼佼者，正在悄然改变着我们的生活方式，尤其是在运动健康领域。 从智能手表到运动手环，越来越多的可穿戴设备将高科技与运动结合，使我们能够更加科学、精准地监测和改善自己的运动表现。 常见的可穿戴设备有：智能手表/运动手表：不仅能够提供常规的时间显示，还集成了运动监测、心率监测、GPS定位、睡眠监测等多项功能。智能手环：与手表相似，主要功能集中在步数计数、心率监测、卡路里消耗等。 人工智能和大数据分析将使得可穿戴设备具备更强的自适应能力和智能推荐功能。例如，AI可以根据运动者的历史数据和生理特点，自动推荐适合的训练计划和休息时间，避免过度训练或受伤。 例如，教练可以通过实时监控运动员的心率、步态等数据，远程调整训练强度，实现“智能教练”的功能。
73210编辑于 2025-03-22 - 来自专栏媒矿工厂
通往人工智能的感知运动之路
v=f6fDpKDxpL0 内容整理：李江川 在提到人工智能时，我们会很容易的联想到AlphaGo、ChatGPT4等模型。人工智能在智力测试或下棋时表现出了达到甚至超过成年人的水平。 人工智能的局限 现在让我们转向人工智能，无论是取得成功的大语言模型ChatGPT，还是仍在研究进程中的无人驾驶，最终的结果都是训练带来的。现在我们有一些计算技术，使我们能够训练这些非常大的模型。 图1 我们所有人都要意识到，在人工智能中，我们遭受着所谓的Moravec悖论。 Steve Pinker后来对这个悖论做了简洁的总结：“35年以来人工智能研究的主要教训就是，难题很容易而简单的问题很困难”。普通人认为很容易的事情对人工智能来说其实很难。 然而，我们认为困难的事情，需要通过多年的教育来掌握，实际上对人工智能并没有那么困难，或者我们已经在这方面取得了进展。 图2 今天的演讲题目是"感知运动智能"，它涉及到进化早期的概念。
44220编辑于 2023-09-09 - 来自专栏EAWorld
人体运动轨迹的人工智能动画模拟
从现在起，我将之命名为“人体运动轨迹的人工智能动画模拟”（Physically-Based Animation ，下文简称PBA）。 我目前的研究重点是为物理模拟角色在多智能体条件下的表现开发高效的，创造性的运动人工智能模拟技术。我的研究的最终目标是填补深度强化学习和在线最优化求解之间的空白。 译注： 多智能体（multi-agent），是多个Agent组成的集合，其多个Agent成员之间相互协调，相互服务，共同完成一个任务，鸟群、鱼群、兽群和菌落都可以被看成是多智能体系统。 PBA的目标是产生尽可能自然的运动形态。不幸的是，将自然运动轨迹编码成累积奖励信号几乎是不可能的（为此我曾经进行过几个月的尝试，但最终还是放弃了，只是一个简单的击打拳击袋的任务我都没能完成）。 例1：发现和合成类人爬升的运动轨迹。 译注： 这个视频讲解了PBA的路径规划方法和运动优化方法。分别采用CMA-ES和C-PBP算法来控制假人的爬行以对比效果。
2K40发布于 2018-12-17 - 来自专栏大数据文摘
诺基亚CEO批评“网络中立”,索尼发布运动智能耳机...
日本:索尼发布运动智能耳机 索尼于2月12日发布一款面向跑步爱好者的可穿戴设备---运动智能耳机『SmartB-Trainer』。
564120发布于 2018-05-21 - 来自专栏Python深度学习
使用Python实现深度学习模型：智能运动表现分析
随着人工智能和深度学习技术的不断发展，智能运动表现分析成为了体育科学和运动训练中的一个重要方向。通过深度学习模型，我们可以实时监测和分析运动员的表现，提供个性化的训练建议，从而提高运动成绩。 本文将详细介绍如何使用Python实现一个简单的深度学习模型，用于智能运动表现分析。深度学习在运动表现分析中的应用深度学习是一种基于人工神经网络的机器学习方法，能够自动提取数据中的特征并进行预测。 在运动表现分析中，深度学习可以用于以下几个方面：动作识别：通过分析运动视频或传感器数据，识别运动员的动作类型和质量。运动轨迹分析：通过分析运动轨迹数据，评估运动员的技术动作和运动效率。 虽然这个模型相对简单，但它展示了深度学习在运动表现分析中的潜力。实际应用中，我们可以使用更复杂的模型和更大的数据集，以提高预测的准确性和可靠性。结论深度学习在智能运动表现分析中具有广泛的应用前景。 通过使用Python和深度学习库，我们可以构建高效的模型，实时监测和分析运动员的表现，并提供个性化的训练建议，从而提高运动成绩。
46110编辑于 2024-09-13 - </body> </html> 智能社的开发教程来自专栏前端说吧
JS-匀速运动-运动停止
DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title>匀速运动停止条件</title> >
3.1K40发布于 2018-05-17
平移运动
估计大家今天忙开学迎新什么的都忙不过来了吧，今天介绍的这题呢，跟之前的题很像，也是数组的题 题目描述 有n个整数，使前面各数顺序向后移m个位置，最后m个数变成前面m个数。写一函数：实现以上功能，在主函数中输入n个数和输出调整后的n个数。 输入 输入数据的个数n n个整数 移动的位置m 输出 移动后的n个数 样例输入 10 1 2 3 4 5 6 7 8 9 10 2 样例输出 9 10 1 2 3 4 5 6 7 8 PS：感觉这题有带你难度哦，快来试试把，详细题解见C语言网题库1046题 另外，有兴趣
智能设备中计算机视觉与运动追踪技术解析
设计团队随后创建了利用运动增强用户体验的使用案例。应用科学经理指出：“为Echo添加运动功能是项重大挑战，包括如何确保体验自然而不令用户感到不适。” 团队通过边界框和卡尔曼滤波算法解决这一延迟问题，使设备能够对用户运动做出智能预测。智能运动体验测试发现用户与设备互动有两种模式：专注通话或多任务处理。 团队通过计算机视觉测量用户与设备距离，根据距离调整运动设置。近距离时减少移动避免屏幕抖动，多任务时提供更平滑的过渡。 未来展望团队正致力于提升设备处理速度，持续优化深度学习模型在多人、低光照、快速运动等边缘场景的性能。随着技术发展，未来设备可能通过硬件运动展现更多个性特征。 这项研发证明，通过跨团队协作能够克服复杂技术挑战，即使最初假设需要不断调整，也能最终创造出令人满意的智能设备体验。
智能运动水杯gene 我和他们不一样
在选购运动水杯时，不少人或许会在直饮和吸饮两种设计上犹豫不决。 没错，左边的这个高瘦子就是麦开的新品智能运动水杯 gene 了。其正面配备的墨水屏能够直观的显示饮水量以及剩余电量。 在俯角状态下，内层金属环向左侧运动，将开孔遮蔽，此时构成完成的吸管结构。在仰角状态下，内层金属环向右侧运动，此时水通过开孔流入，不在经过吸管末端。 毫不夸张的说，gene 是一款真正懂得运动的水杯，其恰到好处的“黑科技”辅助真正抓住了运动人群的使用需求。长达25天的电池续航以及全身可水洗的特性让我们在享受它带来的便利的同时，不会带来更多的麻烦。 不过就当下而言，gene 绝对担当得起你的第一个智能运动水杯。
为运动注入智能：结合 AI、立体视觉与边缘计算
在工业自动化和机器人技术领域，运动控制一直以精度、速度和可靠性为核心。 然而，随着自动化系统越来越多地在非结构化、动态环境中运行，例如有人工操作的工厂、库存布局不断变化的仓库、有机体运动频繁的手术室，一个新的维度变得至关重要：智能。 要实现真正智能的运动系统，必须融合三项关键技术：人工智能（AI）、3D 相机和边缘计算。三者结合，使机器不仅能精准移动，还能实时感知、理解并适应周围环境。 以 3D 看世界：立体视觉的重要性传统运动系统通常依赖编码器、2D 相机或接近传感器进行反馈。这些方法在受控环境中表现良好，但在面对突发情况时则显得力不从心。 应用案例：智能机器人取放与户外机器人想象一个机械臂需要从一堆未知物品中取物。如果每个物品都必须预先定义并固定位置，传统运动控制将难以应对。
基于车辆运动学的智能车轨迹跟踪控制方法
转载自：智能运载装备研究所编辑：郑欣欣@一点人工一点智能原文：基于车辆运动学的智能车轨迹跟踪控制方法01 背景1.1 国内智能车研究现状我国智能驾驶车辆起源于1980年，然而在1992年国防科技大学研发真正第一辆智能车 1.2 智能车换道避障运动控制研究现状对于车辆换道避障来说，换道是前方车辆行驶车速较慢或者车辆处于静止状态，同时旁边车道无切入行为，本车行驶行为无法满足自身需求便产生了换道过程。 运动控制作为智能车研究关键领域之一，它需要依据周围环境、车辆状态、车速以及车身位姿等信息做出一定的决策，为车辆的驱动、制动以及转向等执行器机构提供一些输入信号，使得车辆可以按照要求进行安全行驶。 02 智能车运动学模型及应用2.1 引言路径跟踪通过控制转向角度，实时对规划轨迹进行跟踪。 为了选出最为合适的控制方法确保智能车在行驶过程中的安全性、舒适性和稳定性，本文在车辆坐标系下进行了车辆的运动学建模，同时选择三种不同的控制算法使得车辆在同一环境场景下针对三种不同的评价指标进行对比，从而选出最为合适的控制算法
人工智能如何通过眼球运动测量语言能力
这项研究跟踪眼球运动，以确定人们对英语作为第二外语的理解程度 麻省理工学院研究人员的一项研究发现了一种判断人们学习英语水平的新方法：跟踪他们的眼球运动。 没错。 研究小组通过人工智能技术，利用安装在读者眼睛上的摄像机生成的数据发现，眼球的运动模式——特别是人们眼睛停留在某些单词上的时间——与作为第二语言的英语标准化测试的表现密切相关。 作者是麻省理工学院脑与认知科学系计算心理语言学组的博扎克，麻省理工学院计算机科学和人工智能实验室（CSAIL）的首席研究科学家和信息实验室小组负责人鲍里斯·卡茨，以及BCS计算心理语言学实验室的主任利维 人工智能如何通过眼球运动测量语言能力.jpg 连续性的错觉 这项研究深入探讨了一种我们可能永远不会注意到的阅读现象，不管我们读了多少：我们的眼睛不会沿着一系列文本连续移动，而是固定在特定的单词上长达200 由于这个原因，眼睛运动的特殊模式可以揭示很多关于理解的东西，至少当在一个明确定义的上下文中进行分析时。 为了进行这项研究，研究人员使用了Berzak关于眼球运动记录的大数据信息。
原生JS实现各种运动之运动框架
给大家分享一个用原生JS实现的运动框架，并分别用改变高度、宽度、字体大小、边框、透明度来进行测试，欢迎大家复制粘贴及吐槽 。 <! <head> <meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> <title>原生JS实现各种运动之运动框架 else { return getComputedStyle(obj, false)[attr]; } }; //运动方法 获取其它属性值 iCur = parseInt(getStyle(obj, attr)); } //实现缓冲运动
原生JS实现各种运动之缓冲运动
分享一个用原生JS实现的缓冲运动的小Demo，效果如下： 以下是代码实现，欢迎大家复制粘贴及吐槽。 <! <head> <meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> <title>原生JS实现各种运动之缓冲运动 iSpeed; }, 30); } </script> </head> <body> <input type="button" value="开始<em>运动</em>
原生JS实现各种运动之碰撞运动
给大家分享一个用原生JS实现的碰撞运动，效果如下： 实现代码如下，欢迎大家复制粘贴及吐槽。 <! <head> <meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> <title>原生JS实现各种运动之碰撞运动 'px'; }, 30); } </script> </head> <body> <input type="button" value="开始<em>运动</em>
原生JS实现各种运动之链式运动
给大家分享一个用原生JS实现的链式运动，所谓链式运动即为一个属性变化完成后另一个属性接着发生变化，效果如下： ? 实现代码如下，欢迎大家复制粘贴及吐槽。 <! <head> <meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> <title>原生JS实现各种运动之链式运动 else { return getComputedStyle(obj, false)[attr]; } } // 运动方法 iCur = parseInt(getStyle(obj, attr)); } // 实现缓冲运动
原生JS实现各种运动之重心运动
给大家分享一个用原生JS实现的重心运动，所谓重心运动即为一个元素在向下运动触底时呈一定角度的递减回弹，效果如下： ? 实现代码如下，欢迎大家复制粘贴及吐槽。 <! <head> <meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> <title>原生JS实现各种运动之重心运动 function () { var oDiv = document.getElementById('div1'); //将Y轴增加速度，实现重力运动 px'; }, 30); } </script> </head> <body> <input type="button" value="开始<em>运动</em>
原生JS实现各种运动之弹性运动
给大家分享一个用原生JS实现的弹性运动，效果如下： 以下是代码实现，欢迎大家复制粘贴及吐槽。 <! <head> <meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> <title>原生JS实现各种运动之弹性运动 'px'; }, 30); } </script> </head> <body> <input type="button" value="开始<em>运动</em>
HarmonyOS运动开发：如何绘制运动速度轨迹
前言在户外运动应用中，绘制运动速度轨迹不仅可以直观地展示用户的运动路线，还能通过颜色变化反映速度的变化，帮助用户更好地了解自己的运动状态。然而，如何在鸿蒙系统中实现这一功能呢？ 本文将结合实际开发经验，深入解析从数据处理到地图绘制的全过程，带你一步步掌握如何绘制运动速度轨迹。 1.轨迹颜色工具类：PathGradientToolPathGradientTool的作用是根据运动速度为轨迹点分配颜色。速度越快，颜色越接近青色；速度越慢，颜色越接近红色。 ，我们就可以开始绘制运动速度轨迹了。 四、总结与展望通过上述步骤，我们成功实现了运动速度轨迹的绘制。轨迹颜色反映了速度变化，优化后的轨迹更加平滑且性能更优。
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号