南加州-加州大學聖地牙哥分校(UCSD)提出了「BIGE(Biomechanics-informed GenAI for Exercise Science)」模型，結合了生成式 AI 與生物力學，用於運動科學領域：
(一)解決傳統模擬與一般AI的侷限
l 傳統工具成本過高：傳統的動作模擬工具高度依賴強大的建模假設，不僅設定困難，計算成本也相當高昂。
l 一般AI不符人體工學：一般的生成式AI雖然生成動作的效率高，但缺乏生理學意義，生成的動作(如深蹲)經常不符合人體解剖與機械限制，甚至會出現骨盆傾斜等不自然的畫面瑕疵。
(二)BIGE 的核心技術與特色
l 結合生物力學的生成框架：BIGE 是目前唯一將生成式 AI與真實生物力學結合的模型。它利用深蹲的動作捕捉影片進行訓練，將動作轉譯至3D骨架模型並計算受力，以生成更符合物理現實的動作。
l 遵循「臨床的約束條件」：模型允許臨床醫師針對生成的動作施加生物力學限制，例如關節運動學(骨盆傾斜、角速度)以及速度與加速度。
l 肌肉活化指導(Muscle Activation Guidance)：BIGE 整合了可預測肌肉活化的替代模型(Surrogate model)。例如，透過限制「股內側肌(Vastus Medialis)」的活化範圍，模型能引導生成出更深、更自然的深蹲動作。
(三)在運動科學上的實際應用
l 預防受傷與提升表現：BIGE能夠生成「最佳動作示範影片」，運動員在訓練時可以模仿這些動作，不僅能提升運動表現，還能有效避免受傷。
l 受傷復健輔助：對於已經受傷的運動員，計算他們在復健期間，或是帶傷維持訓練時最適合執行的安全動作。
(四)未來研究與發展展望
l 擴展動作與個人化：團隊計畫將BIGE應用範圍從目前的「深蹲」擴展至更多樣的運動動作，並進一步為特定個人量身打造專屬的個人化模型。
l 延伸至高齡防跌：除了頂尖運動員，該模型的技術未來也有望應用於一般族群，例如用來評估並預防老年人的跌倒風險。
↑ 圖說：BIGE模型模擬各類型動作示意圖
(Photo Credit: UC San Diego Today)
*更多詳細資訊請參考UCSD原文出處*
