从高信息密度数据
建立运动底层表征

我们围绕参考硬件、真实世界数据、统一运动表征、底层模型、个体长期模型和跨设备迁移，建立持续增强的技术闭环。

模型能理解到什么程度，首先取决于它见过什么样的数据。Walkpad 同步采集高密度足底压力与惯性信号，让模型同时看到发生了什么动作，以及动作如何产生力。

人体运动数据天然不统一：传感器数量、身体位置、采样方式和硬件版本都可能不同。如果每一种设备都单独训练，模型就很难真正积累。

统一表征层将不同来源的数据映射到同一运动空间。硬件可以变化，底层运动理解保持连续。

模型先从大量无标签和弱标签数据中学习人体运动本身的结构，再将底层能力用于步态、平衡、冲击、推进、疲劳与长期功能变化等任务。

最终用户不必始终佩戴最高规格的传感器。高密度参考设备承担“老师”的角色，已经学习到的运动能力可以逐步迁移到智能鞋、手表、手环、运动设备与医疗可穿戴设备。