使用 Apple Watch 和 iPhone 测量杠铃速度的 Spleeft 的有效性和可靠性

几周前，我们发布了一份证明白皮书，其中详细解释了我们的算法、算法背后的技术以及大量数据，证明了为什么你应该相信测量结果。这篇博客的目的是总结这项研究的主要发现。你可以在这里下载完整的论文和原始数据。

我们针对三种不同的技术进行了三项不同的测试：深蹲测试采用 Vitruve LPT（线性位置传感器），弓步测试采用 STT System 动作捕捉系统 (MOCAP)，均由我们执行。我们中国的同事 Zijuin Ge 亲自针对 Gymaware LPT 进行了卧推测试。

我们测量运动范围、平均速度和峰值速度。现在我们将讨论平均速度，但您可以在白皮书中查看其他数据。

立即为手机、MAC 和手表下载 SPLEEFT 应用程序！

该应用程序的平均误差是多少？

将 Spleeft 与其他技术进行比较时，发现相关性非常高 (r > 0.98)。然而，不同设备的平均误差各不相同。

与 Vitruve 和 MOCAP 相比，最小误差为 Apple Watch 8 的 0.016 米/秒。最大误差为 iPhone 7 的 0.03 米/秒。Bland – Altman 证明了该设备的有效性，因为没有发现系统误差。

我们发现 Gymaware 存在系统性错误。我们正在尝试了解这些差异，因为 Vitruve 或 MOCAP 均未发现这些错误。系统性偏差非常明显，因此我们推测它依赖于 Gymaware 背后的算法。也许是水平轴校正。

可靠性怎么样？

在将三款设备与 Vitruve (1.67%) 进行比较时，发现变异系数 (CV) 非常低。MOCAP (1.71%) 和 Gymaware (4.2%) 也出现了同样的情况。考虑到 CV 小于 6% 的准确性很高，很明显 Spleeft 在所有设备上都表现可靠。

我们可以说，Spleeft 相对于 Vitruve 和 MOCAP 是有效且可靠的。相对于 Gymaware，它无效但可靠，因为错误是系统性的，并且 CV 非常低。

我们可以比较不同设备的测量结果吗？

在使用旧算法的 iPhone 7、Apple Watch SE（均采用 100Hz 数据）和 Apple Watch 8（200 Hz 测量）进行深蹲测试时，三种不同设备之间没有发现显著差异。此外，如上所述，CV 非常低。这对于能够 将多名运动员的数据导入到他们的 Mac 应用程序中。您可以比较不同来源之间的数据。

此外，我们证明了无需最昂贵的设备（Apple Watch 8 或更新版本）即可准确测量杠铃速度。正如您将在白皮书中看到的那样，200 Hz 测量结果更好，只是为了避免高速运动中运动范围内的一些随机误差。但预计用户体验不会有任何差异。

请在此阅读我们的完整白皮书。