大理念：朝着一个通用的运动模型运动是普遍的——但为之构建的模型却不是。惯性-1将整个领域带入一个屋檐下。01 一个碎片化的领域数据集在基本问题上存在分歧——采样率、窗口长度、传感器模态、身体位置，甚至信号格式——每个任务都有自己的定制模型。发现很少能从一个设置贯穿到下一个。02 一个统一的探索惯性-1研究运动模型的完整生命周期——数据、传感、目标和规模——在一个受控的空间内，而不是孤立的单独实验。03 一个通用的表示法收益：一个能够在不同位置、设备和任务中适应的表示法——相同的主干，远远超出其训练时所处的环境。头部、胸部、背部、手臂、手腕、手、臀部、大腿、膝盖、小腿、脚踝，加速度计、陀螺仪、磁力计、三轴ENMO 0.2 Hz、1 Hz、5 Hz、20 Hz、10秒窗口、30秒窗口、60秒窗口、2小时窗口频域、时域、活动识别、步态检测、纵向健康头部、胸部、背部、手臂、手腕、手、臀部、大腿、膝盖、小腿、脚踝，加速度计、陀螺仪、磁力计、三轴ENMO 0.2 Hz、1 Hz、5 Hz、20 Hz、10秒窗口、30秒窗口、60秒窗口、2小时窗口频域、时域、活动识别、步态检测、纵向健康我们发现超越基准，惯性-1揭示了决定运动模型在现实世界中是否有效的选择。 在手腕上预训练一次，然后将模型指向任何地方。它在身体位置上保持强大——甚至在训练时从未见过的传感器类型，如陀螺仪和磁力计上。但不需要对身体的每个新位置进行重新训练。手腕加速度计其他传感器·陀螺、磁力其他位置融合表示法更高的准确性·更清晰的运动集群堆叠更多流——额外的位置、陀螺仪、磁力计——所学习的表示法变得更加准确和清晰，活动分离成更紧密的集群。这些流是互补的：每一个都捕捉到其他流错过的东西。也值得注意的是，传感器设计是一个首要选择。你如何捕捉运动会影响模型可以做什么。一些来自研究的实用经验法则。预训练模型即使在低至1 Hz的活动识别下也依然优秀；更细粒度的健康信号受益于更高的采样率。30-60秒的窗口在大多数任务中达到甜蜜点——既足够长以捕捉上下文，又足够短以保持清晰。完整的三轴输入始终优于简化的向量-大小汇总——额外的轴携带值得保留的信号。时域建模比频域重建更好地保留了步态和健康提示。它是如何工作的一个流程，从原始信号到现实世界的洞察通用表示法分为三个简单步骤。01 大规模预训练从全球群体的行星规模加速度计中学习——超过1800万小时，采用自我监督，无需标签。02 跨设置转移以轻微调整或根本不调整的方式将相同的表示法适应新的位置、设备和采样率。03 跨任务部署从一个主干推动活动、流动性和健康应用——从健康跟踪到临床筛查。能力从运动到意义相同的表示法跨越了运动理解的整个范围。一个通用模型用于人类运动惯性-1是向统一运动基础模型迈出的第一步——也是对拥有运动数据、新任务或对该领域未来感兴趣的合作者的开放邀请。