共计 665 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开发出一款革命性的生成式人工智能模型 BIGE（生物力学驱动的生成式人工智能用于运动科学），该模型通过结合运动数据与人体生物力学限制，为运动员提供个性化的训练和康复方案。
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，这一创新突破了传统方法的局限。传统生成式人工智能在生成运动时往往无法准确反映人体解剖学和力学限制，而依赖计算资源的方法又效率低下。BIGE 模型通过分析运动员的运动数据，生成符合物理现实的运动视频，既可用于预防运动损伤，又能指导伤后康复训练。
该模型的训练过程颇具创新性。研究团队利用动作捕捉技术收集人们进行深蹲的视频数据，将其转换为 3D 骨骼模型，并基于计算出的力量生成更贴近实际的动作。这种方法不仅提高了模型的准确性，还显著降低了计算资源的消耗。
“ 这种方法将成为未来，” 加州大学圣地亚哥分校生物工程系杰出教授 Andrew McCulloch 表示，他是该研究的资深作者之一。研究团队计划将该模型的应用范围扩展到深蹲以外的其他运动，并为特定个体定制个性化方案。
BIGE 模型的潜在应用远不止于专业运动员。加州大学圣地亚哥分校计算机科学与工程系教授 Rose Yu 指出：” 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，为老年群体提供个性化的防跌倒训练方案。
这项创新研究已在密歇根大学动态与控制学习会议上展示，引起了学术界的广泛关注。随着技术的进一步发展，BIGE 模型有望在运动科学和康复医学领域发挥重要作用，为运动员和普通人群提供更安全、更有效的运动指导。
