智能手表在 aerobic dance 能量消耗评估中的有效性研究：精度分析与未来优化路径

随着可穿戴设备的普及，智能手表已成为健康监测的重要工具。来自XX大学的研究团队针对 aerobic dance 场景，通过对比 HIIT、MICT 和 TABATA 三种训练模式下四款主流智能手表与 ActiGraph 的运动能耗(EE)监测数据，发现当前设备存在显著误差(MAPE 16.56%-42.84%)，其中三星 Galaxy Watch 6 表现最优(MAPE 21.12%)。研究揭示了含无氧供能(8%-11%总EE)时精度下降的行业痛点，为开发融合运动、心率及乳酸检测的混合模型提供了重要依据。

　　

在可穿戴技术蓬勃发展的背景下，智能手表正成为追踪健康指标——包括能量消耗(Energy Expenditure, EE)——的利器。这项研究召集20名运动员，让他们佩戴四款热门智能手表和 ActiGraph 加速度计，分别进行高强度间歇训练(High-Intensity Interval Training, HIIT)、中等强度持续训练(Moderate-Intensity Continuous Training, MICT)以及 TABATA 三种 aerobic dance 训练。研究人员采用间接测热法和 Scott's 方法作为金标准。

数据显示，无氧供能贡献了总EE的8%-11%。在这场精度比拼中，ActiGraph 拔得头筹，平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)仅为14.51%。而智能手表阵营表现参差：三星 Galaxy Watch 6 以21.12%的MAPE成为优等生，华为 Watch 4 则以42.14%的MAPE垫底。值得注意的是，当计入无氧供能时，所有设备的精度都进一步滑坡，暴露出当前消费级可穿戴设备在 aerobic dance 场景的EE估算短板。

展望未来，整合多维度传感器数据（包括动作捕捉、心率监测乃至乳酸检测）的混合模型，或许能打破现有技术瓶颈，为精准能耗估算开辟新路径。