CV · 手表喇叭当声呐:一块没改装的智能手表,量出你全身十二个关节
口径自查:论文 2026 年 9 月 30 日已在 ACM IMWUT 发表(DOI 10.1145/3832001),十月中旬在 UbiComp 2026 报告过,康奈尔院稿十一月十一日才发、十三日上 Hacker News——这是新闻滞后,不是刚出炉的新研究。误差与功耗数字均出自论文摘要与院方通稿,模型架构与基线…
CV · 手表喇叭当声呐:一块没改装的智能手表,量出你全身十二个关节
口径自查:论文 2026 年 9 月 30 日已在 ACM IMWUT 发表(DOI 10.1145/3832001),十月中旬在 UbiComp 2026 报告过,康奈尔院稿十一月十一日才发、十三日上 Hacker News——这是新闻滞后,不是刚出炉的新研究。误差与功耗数字均出自论文摘要与院方通稿,模型架构与基线对比数值未能核实(论文全文被拦截),不作展开。
先说结论:把一块没拆没改的三星 Galaxy Watch 戴在手腕上,它能跟着你的动作,实时画出一副从头部到脚踝的十二关节骨架。不靠摄像头,不靠额外传感器,用的是手表上本来就有的两样东西——喇叭和麦克风。康奈尔大学 SciFi 实验室的这套系统叫 EchoMotion,论文九月底发在 ACM 的可穿戴技术汇刊 IMWUT 上,十月中旬在上海的 UbiComp 大会上讲过,十一月上 Hacker News 后讨论一直烧到今天。
原理是主动声呐,跟潜艇同一套思路,只是缩到了厘米级。手表喇叭发出人耳听不见的超声波脉冲,声波扫过你的手臂、肩膀、躯干,反弹回来的回波被麦克风收下。四肢动一动,反射路径跟着变,回波的形状就变了。轻量的神经网络把这些回波翻译成三维关节坐标——整套模型不到 30 MB,就在手表本机上跑,不联网。论文口径的信号参数也给了:扬声器发出十几毫秒一个的调频脉冲,理论距离分辨率约 3.4 毫米,作用半径约两米——恰好罩住从手腕到另一侧脚踝的全身范围。
数字比想象中能用。自研原型手表在实验室里,十二个关节的平均位置误差 5.36 厘米、旋转误差约 11.7 度;换到没改装的量产手表、换了十五个没用过的用户,误差 5.99 厘米;搬到走廊和马路边这些半真实场景,6.41 厘米。院方通稿的口径是:新用户直接上手,误差在十厘米以内;花十二分钟做一次个人校准,降到六厘米上下,砍掉三分之一还多。配套的账本更好看:感知功耗约 12 毫瓦,比腕戴相机方案省约四十倍;连跑三十分钟只耗 5% 到 6% 的电;同一套模型不做任何重训练,直接跑通 Galaxy Watch 6、7 和 Pixel Watch 3 三代设备,精度只略降。顺手的演示还有健身房:二十种训练动作识别准确率 95.4%,76 分贝的音乐轰炸下照常工作。
这条路线不是凭空冒出来的。同一个实验室这几年一路在做腕上感知:2022 年用腕戴相机追踪手部,2023、2024 年两代 IMU 方案,2025 年把超声和 IMU 揉到一起,到这一代干脆把附加硬件清零——商用手表的喇叭麦克风本来就是标配。每前进一步,要用户多买一件东西的门槛就矮一截,这一步直接把门槛踩平了。
Hacker News 的讨论把荣耀和毛刺都摆了出来。最热的一条质疑是「听不见」这三个字:脉冲频率落在 18 到 24.5 千赫之间,年轻人和猫狗的耳朵恰恰覆盖这一段,有用户说自己四十多岁还能听见这类设备在嘶嘶作响。从业者的质疑更扎:腿独立于躯干动的时候——坐着抬单腿、深蹲时膝盖内扣——从手腕一个点推全身,是真实还原了腿的位置,还是模型把它拉回了自己见过的「标准姿态」。多人场景也在退步名单上:走廊里旁人的回波会干扰,作者自己承认,要应付地铁那种密度,还差成千上万用户的数据。隐私这边,评论分成了两拨,一拨说这是下一级监控,连别人的身体都进了感知范围;另一拨反问,手表计步和步态分析早就有了,这套东西到底新在哪。
新在的地方,恰恰是那两毫米级的分辨率和零硬件门槛的组合。此前腕上方案要么只数个次数,要么得加摄像头加雷达;声呐这版给了一副连续的全身骨架,成本是零。至于听不听得见、健身房里十块手表会不会互相打架,论文留了边界,评论区留了问题——这大概就是它还停在论文阶段的原因,也是它值得被盯下去的理由。
信源:ACM IMWUT 论文(DOI 10.1145/3832001,2026-09-30)、Cornell Chronicle(2026-11-11)、Hackster.io 与 Digital Trends 报道、Hacker News 讨论(78 条评论)。