相关实验视频
Updated: Jan 10, 2026

10:56
Long-term Behavioral Tracking of Freely Swimming Weakly Electric Fish
Published on: March 6, 2014
13.0K
对于游泳分析的可解释的多模式传感:来自SWIM-360项目的早期发现
Vanessa Camilleri1, Reno Yuri Camilleri1, Mark Fialovszky1
1Department of AI, University of Malta, MSD 2080 Msida, Malta.
Sensors (Basel, Switzerland)
|November 27, 2025
概括
可解释的人工智能 (XAI) 可以通过使传感器数据对教练进行解释来增强游泳表现分析. "SWIM-360"项目开发了一个框架,用于从多式联运传感系统获得可操作的见解.
科学领域:
- 运动科学 运动科学 运动科学
- 人工智能的人工智能
- 人与计算机的交互
背景情况:
- 游泳性能分析依赖于多式传感系统来获取生理和生物力学数据.
- 目前的系统缺乏解释性,阻碍了教练的采用.
- SWIM-360项目通过探索可解释的人工智能 (XAI) 来解决这一差距.
研究的目的:
- 调查XAI如何为游泳表现分析提供透明和可操作的见解.
- 根据用户要求,开发一个以教练为中心的可解释性框架.
- 探索将传感器数据转化为可解释的知识的可行性和挑战.
主要方法:
- 利用了EO SwimBETTER和TrainRed传感器的初步结果,以及基于视频的姿势估计.
- 设计模拟可视化和交互概念,用于教练反.
- 与八名职业游泳教练进行了定性问卷调查,以引起可解释性要求.
主要成果:
- 开发了一种方法框架,将多式联通传感与可解释性驱动的设计原则相结合.
- 通过教练咨询,确定了可解释反的要求.
- 展示了将传感器数据转化为可解释的教练知识的可行性和挑战.
结论:
- 在水上运动中,XAI原则可以指导创建值得信赖的,以教练为中心的决策支持工具.
- 提出了一个基于可解释性的设计框架,将多式联接传感和用户要求联系起来.
- 在设计过程的早期嵌入可解释性对于实际应用至关重要.

