PoinT GO 的演算法如何為精準度而開發？

為什麼「精準度」如此重要？

在運動科學中，測量設備的價值最終取決於精準度。無論多麼方便、多麼便宜，如果測量值無法信賴，就無法作為訓練決策的依據。

PoinT GO 使用一個指尖大小的 IMU（慣性測量單元）感測器，即可執行 VBT、跳躍、RSI、ROM、等長測試、舉重分析等多種測量。那麼，這個小小感測器的測量值真的可以信賴嗎？

本文將坦誠分享 PoinT GO 團隊為確保演算法精準度所經歷的開發過程。

核心原則：與黃金標準設備的比較驗證

PoinT GO 演算法開發的核心原則非常簡單：

以物理上必然更精準的設備數據作為基準。

IMU 感測器測量加速度和角速度後，通過計算推導出速度、位移、高度等數值。在此過程中可能產生積分誤差、漂移和雜訊。因此，我們使用直接測量方式的設備——即無需中間計算便可直接獲得目標物理量的設備——作為參考標準（Ground Truth）。

跳躍 & RSI：與測力板的比較

測力板為何是黃金標準

測力板（Force Plate）是直接測量腳部施加於地面的力的裝置。根據牛頓運動定律（F = ma），從測量的力中減去體重即可得到淨加速度，對其積分便能精確計算速度和位移。因此，測力板被公認為運動科學研究中跳躍高度、滯空時間、RSI 等指標的國際標準測量設備。

比較驗證流程

PoinT GO 團隊透過以下流程來優化跳躍/RSI 演算法：

1. 同步測量：運動員站在測力板上，同時佩戴 PoinT GO 感測器進行跳躍

1. 數據採集：同時記錄測力板的力-時間數據和 PoinT GO 感測器的加速度-時間數據

1. 結果比較：分別從兩套設備計算跳躍高度、滯空時間、著地時間、RSI 等關鍵指標並進行比較

1. 誤差分析：分離系統性誤差（偏差）和隨機誤差進行分析

1. 演算法改進：根據分析結果調整感測器演算法參數，必要時改進演算法結構

1. 反覆驗證：使用改進後的演算法重新進行比較測量，確認精準度提升

這不是一次性的過程，而是持續循環。每當新增跳躍類型或更新感測器韌體時，都會重複比較驗證。

主要驗證項目

測量項目	測力板計算方式	PoinT GO 計算方式
跳躍高度	起跳速度 → 力學能量轉換	IMU 加速度積分 → 速度 → 位移
滯空時間	直接測量力 = 0 的區間	基於加速度模式檢測起跳/著地
著地時間	直接測量力 > 0 的區間	基於加速度變化率檢測
RSI	跳躍高度 ÷ 著地時間	以上計算值的組合

VBT：與有線設備的比較

有線 VBT 設備為何是基準

有線（繫繩式）VBT 設備使用與槓鈴物理連接的線性編碼器或纜繩式轉換器。通過直接測量纜繩拉出的長度獲得位移，再對時間微分計算速度。

由於這種方式直接測量位移，在原理上比 IMU 的積分方式更精準。但因需要纜繩連接，使用不便，某些動作（如奧林匹克舉重）也難以使用。

比較驗證流程

1. 同步測量：在槓鈴上連接有線 VBT 設備，同時安裝 PoinT GO 感測器

1. 多樣條件：在多種動作（臥推、深蹲、硬舉等）、不同重量、不同速度範圍下進行測量

1. 逐次比較：比較每次動作的平均速度、最大速度、ROM（活動範圍）

1. 擬合優化：運用 Bland-Altman 分析、相關係數分析等統計方法找出誤差模式並優化演算法

主要驗證項目

測量項目	有線設備計算方式	PoinT GO 計算方式
平均速度	直接測量位移 → 微分	IMU 加速度積分
最大速度	位移微分最大值	加速度積分最大值
ROM（活動範圍）	纜繩拉出長度	速度積分（Velocity Integration）

演算法優化的實際案例

案例 1：VBT ROM 計算方式轉換

最初，PoinT GO 使用氣壓計感測器的 Position 數據計算槓鈴移動距離。然而與有線設備比較後發現，氣壓計方式對環境變化（空調、開關門等）反應敏感。

因此轉換為 IMU Velocity 積分方式——對加速度積分求得速度，再對速度積分計算位移。此變更後，與有線設備的一致性顯著提升。

案例 2：跳躍檢測狀態機改進

在與測力板數據比較的過程中，發現在特定條件下（低跳、快速連續跳等）會出現漏檢情況。為解決此問題，精細調整了跳躍檢測演算法的狀態機轉換條件，並在不同跳躍高度範圍內優化了閾值。

案例 3：漂移校正演算法

為解決 IMU 感測器固有的積分漂移問題，引入了靜止狀態檢測（Zero-Velocity Update, ZUPT）演算法。在槓鈴靜止時將速度重置為零，消除累積誤差。此技術在投擲測量中也得到核心應用。

持續改進循環

PoinT GO 的演算法開發並非一蹴而就。我們透過以下循環持續改進精準度：

1. 現場回饋收集 — 教練和運動員的實際使用數據與回饋

1. 實驗室比較測量 — 與黃金標準設備的同步測量

1. 數據分析 — 找出誤差模式與原因

1. 演算法改進 — 參數調整或演算法結構變更

1. 場地測試 — 在實際訓練環境中驗證

1. 部署 — 感測器韌體與應用程式更新

透明的開發理念

PoinT GO 團隊的目標是**「小感測器，大精準度」**。在承認 IMU 感測器物理限制的同時，致力於用演算法的力量最大限度地克服這些限制。

為此：

• 將與黃金標準設備的比較納入日常開發流程

• 為每種測量類型累積量化驗證數據

• 演算法改進僅通過數據驅動的決策進行

• 新增測量功能時必定先行比較驗證

用一個小小的 IMU 感測器執行多種體能測量是一項充滿挑戰的任務。但透過與物理上最精準的設備持續不斷的比較與驗證，PoinT GO 每天都在進化，以提供現場可信賴的精準度。

只需一個 Point Go 感測器，即可開始 VBT、跳躍、RSI 等 8 種體能測量。 我們以黃金標準設備級別的精準度為目標，持續優化演算法。