先别问要多少种，先问每种会怎么骗你

一个常见的说法是：体育大模型的数据越全越好。这句话只说对了一半。数据种类多，意味着模型能看到更多侧面，但也意味着更多种类的错误同时涌进来。没有搞清每种数据的脾气，就把它们全部喂给模型，模型学到的可能是一堆噪声的相关性。

所以我们习惯先做一张“数据体检表”。下面这张表里的数值为示意的常见范围，具体取决于设备型号与设置，并不代表任何特定产品。

数据 常见采样节奏 典型误差来源 常见缺失情形
视频每秒 24—60 帧 遮挡、逆光、镜头角度、压缩人出画、画面卡顿、被杆架挡住
心率（光电） 输出通常约每秒 1 个值 手腕晃动、表带松、低温、肤色与纹身影响佩戴不紧时读数丢失或锁定在步频上
GPS 民用设备常见每秒 1 个点 楼群与树冠遮挡、隧道、多路径反射 信号丢失、跳点
功率 常见每秒 1 至数个值未归零、温度漂移、左右侧估算电量不足、蓝牙断连
IMU每秒几十到上百次 漂移、佩戴位置、姿态初值传感器脱落、数据包丢失
时间序列（汇总层） 由前面几种派生 上游误差被继承缺口被平滑或插值掩盖

表里最重要的不是数字，而是最后一列：缺失同样是一种数据。丢了三秒的 GPS，模型如果当成“没动”，就是错的。

视频：信息最多，也最挑环境

视频给出的是动作的整体形态：关节角度、轨迹、对称性。它也是数据量最大、最容易被环境影响的一种。

采样率上，手机常见的每秒 30 帧对多数健身和跑步动作够用，但对高速的冲刺动作或击打类动作，可能出现动作模糊。分辨率与帧率的取舍和手机性能有关，可以参考 App 一侧的动作识别速度问题。

误差方面，最常见的是遮挡。深蹲时杠铃片遮住髋部，骑行时车架挡住膝盖，游泳时水花和折射把关节点画歪。姿态模型此时会“猜”被遮住的关节，猜得对不对，不是模型自己完全知道的事。因此，贝博体育AI会保留每个关节点的置信度，而不是只保存坐标。

视频不能单独回答强度问题。一段画面里的动作再漂亮，也看不出心率有多高。

心率：延迟和平滑是它的脾气

光电心率来自手腕上的光学传感器，好处是无感、连续；问题也很明确。研究综述与验证研究反复指出，光电测量对手腕的运动伪影敏感，尤其在运动方向与光源方向一致、腕部肌肉活动大的场景下，且实验室里稳态运动的验证结果，不一定能代表户外变速运动；不同设备的传感器设计、采样率和信号处理算法也各不相同。

另一个特性是延迟。心率对强度变化本来就慢半拍，再加上设备做了滑动平均，屏幕上的数字常常滞后于真实的负荷。这在做间歇训练时尤其明显：跑者冲刺十秒，心率可能在冲刺结束后才爬上去。

对模型来说，处理办法不是“修正”心率，而是把心率当作一个滞后、平滑的观察，在建模时显式带上这个滞后。这与功率和心率的延迟差异是同一类问题。

GPS：位置准，速度未必准

GPS 给出轨迹和速度，是跑步、骑行的基础。它在开阔路面表现最稳定，在高楼间、林荫道、隧道下会漂移或丢失。

一个容易被忽视的地方是：用位置差分得到的速度，会放大位置的抖动。一位以稳定配速跑步的人，在楼群中的 GPS 配速曲线可能上下乱跳。若直接把它送进模型，模型会得出“这位跑者节奏很不稳”的错误判断。所以速度通常需要做平滑，并与步频、加速度计一起交叉验证。

缺失时的处理原则是：短缺口可以用合理的插值，但要打上标记；长缺口不插值，模型看到的是“这一段位置未知”。

功率：可靠，但不是天然正确

功率计给出的是骑行里最“硬”的数据，几乎没有延迟。但硬不等于永远对。未归零会使整体偏移，温度变化会让读数漂移，双侧与单侧功率计的测量方式不同，单侧通常是把一侧数值估算成整体。

同一次骑行里，功率计若忽然掉线，恢复之后的读数与之前的读数之间可能有一个偏移。系统应能识别这种“阶跃”，不把它当作真实的体能变化。

IMU：又快又碎

惯性测量单元（加速度计加陀螺仪）采样很快，能捕捉划水、步态、动作节奏这类细小的运动，在水下或视线被遮挡的场景里是视频的重要补充，这也是游泳分析里的关键，详见视频与 IMU 的融合。

它的问题也很直接：陀螺仪会漂移，佩戴位置略有变化，读数含义就变；每个人佩戴的松紧和位置都不完全一样。单靠 IMU 做长时间的姿态估计会越走越偏，需要视频或其他参照周期性校正。

时间对齐：真正的工程难点

以上各种数据的节奏差得很远：视频每秒几十帧，心率一秒一个，GPS 一秒一个，IMU 一秒上百次。而它们各自还有不同的时间戳来源，视频来自手机，心率来自手表，功率来自功率计，每个设备的时钟未必一致。

处理方式通常有三步：

  • 统一时间基准：以某个设备的时间为基准，估算其他设备的时钟偏移；
  • 事件对齐：借助明显的事件来校准，比如开始的一个动作、蹬壁的一刻、传感器同时捕捉到的一次拍手；
  • 按延迟建模：不强行把心率“提前”，而是让模型知道它天生滞后。

对齐做不好，后面所有的融合都会建立在错位的数据上。对齐之后数据仍然打架时怎么取舍，是另一个话题，这里不展开。

到底需要多少种：按运动选够用的组合

回到标题的问题。我们的答案是：不是越多越好，而是按运动、按问题选够用的组合。

  • 跑步：GPS、心率、手表加速度计已经能回答大部分负荷问题；需要跑姿时再加手机视频；
  • 骑行：功率加心率是核心，GPS 提供坡度与路线；视频只在分析踏频和膝盖轨迹时才需要；
  • 游泳：陆上视频不够，需要水下视频或 IMU；心率参考价值受限；
  • 健身：视频姿态是主要来源，心率作为辅助；重量与次数由用户记录或设备读取。

数据种类的增加，也带来更高的隐私、电量和使用成本。用户没有必要为每一次训练都佩戴全部设备，系统应该在缺数据时仍然能给出合理但有保留的建议。

缺数据时该怎么办

现实里，几乎没有一次训练能拿到所有数据。手表没电、摄像头没架好、蓝牙断了，都是日常。

设计上，缺失被分成三种处理：

  • 短暂缺失：插值并标记；
  • 整类缺失：模型转为使用剩余数据，结论的把握程度下调；
  • 不可用：直接告诉用户“这次缺少某项数据，某些分析无法进行”，而不是编造。

体育大模型的价值，不在于能吞下多少种数据，而在于知道每种数据在什么时候值得相信、什么时候应该被放到一边。