共计 700 个字符，预计需要花费 2 分钟才能阅读完成。
加州大学圣地亚哥分校的研究团队近日推出了一款名为 BIGE 的生成式人工智能模型，这款模型专为运动员设计，旨在预防受伤、优化训练并在受伤后加速康复。BIGE 模型通过整合运动员的运动数据和人体生物力学限制信息，能够生成符合人体解剖学和力学约束的动作视频，为运动员提供科学的训练指导。
BIGE 模型的独特之处在于其将生成式人工智能与真实生物力学相结合。与大多数生成式人工智能模型不同，BIGE 生成的动作更符合人体实际运动能力，避免了传统方法中常见的物理不现实问题。同时，BIGE 的计算效率也显著优于不依赖生成式人工智能的方法。
研究团队通过分析人们进行深蹲的运动捕捉视频数据，将其转化为 3D 骨骼模型，并利用计算出的力生成更符合物理现实的动作。未来，该模型将扩展至深蹲以外的其他动作，并实现针对特定个体的个性化定制。
加州大学圣地亚哥分校生物工程系杰出教授 Andrew McCulloch 表示：“这种方法将成为未来。”他也是该研究的资深作者之一。计算机科学与工程系教授 Rose Yu 补充道：“这种方法可以被任何人使用。”例如，该模型可用于评估老年人的跌倒风险。
研究团队已在密歇根大学安娜堡分校的“学习动态与控制”会议上展示了他们的研究成果。这项创新有望为运动科学领域带来革命性变革，为运动员和普通大众提供更安全、更有效的训练和康复方案。
期刊参考：Maheshwari, S., _et al._ (2025) BIGE : Biomechanics-informed GenAI for Exercise Science. https://rose-stl-lab.github.io/UCSD-OpenCap-Fitness-Dataset/
