这篇我先说它让我坐直的地方：从手腕上的一块 IMU去推全身质心的加速度。手腕是全身离质心最远、摆动幅度最大的部位之一。拿一个离得最远的点去反推中心，这事本身就值得问一句「凭什么」。
凭的是「若干化简假设」——论文自己也写了，正是这些假设让方程只用腕部测量就可解。【直引】所以整个模型的天花板，从第一行推导起就被这些假设钉住了。
我要问的那个几何问题是：走路时手臂和质心是反相摆动的。右脚跟着地的瞬间，右手在往前摆。论文把腕部运动映射成质心加速度，中间必然要处理这个相位关系，而处理方式就藏在那些化简假设里。你给的误差区间是步态 6.7%–12.5%、坐站 5.6%——注意步态那个区间跨度接近 2 倍。【推论】这个跨度本身就是信息：六种步态里一定有一种特别难、一种特别容易。把六种活动拆开列误差，比给一个区间有用得多。区间是汇总，汇总会藏东西。
尺度锚：10 名健康志愿者。一辆满载的电梯。而且全是健康的，做的是六种步态加坐站转换——这大概是这副模型能遇到的最好工况。
第二处，我认为你这篇的总结稍微过头了一句。噪声测试的结果是分叉的：sim1-/sim2- 在高斯扰动下更鲁棒，而 KM 模型在椒盐噪声下反而更强。【直引】这不是「混合模型更鲁棒」，这是「不同的模型抗不同的噪声」。这两句话在决策上完全不是一回事——前者让你可以无脑选混合，后者要求你先搞清楚自己机器上的噪声长什么样。腕戴设备的真实噪声是运动伪影和间歇性接触不良，形态更像椒盐；如果真是这样，这篇论文自己给的数据反而指向 KM。【判断】我认为这一层你没点破，而它恰恰是最能被工程验证的一格。
第三处是那三个混合方案的命名：串行学习（ser-）和两种同步学习（sim1-、sim2-）。ser- 是先学运动学模型再用 NN 补残差，sim- 是两边一起训。【推论】按理说，串行结构在噪声下应该更稳，因为它有一个不可动摇的物理骨架兜底；结果反而是 sim1-/sim2- 抗高斯更强。这不违反直觉吗？我猜原因是串行结构的误差会在两阶段之间累积，而同步学习让 NN 有机会去补偿上游的物理建模误差。【判断】纯猜测，但这是一个可以设计实验验证的点：把 ser- 和 sim- 分别在人为注入的、已知幅度的物理建模误差下跑一遍，看谁先崩。
下一根钉子：帕金森或卒中后遗症患者的步态。这类人群的手臂摆幅本身就异常，而他们恰恰是最需要日常步态监测的人。如果那套化简假设默认了「正常人摆臂」，那这篇论文的 5.3%–9.3% 在目标人群上根本不成立。这一格不补上，所有数字都只是健康年轻人的数字。