SION PARTNERS · DEEP RESEARCH摄像头看懂攀岩AI 教练真正的起点，不是发光岩点，而是动作识别今天这篇往前走一步：如果攀岩线路已经能被保存、点亮、分享和评分，那么下一个问题就是，机器能不能看懂人是怎么爬的。我们先给结论攀岩 AI 教练的关键，不是让岩点发光，而是让摄像头理解「手脚用了哪个点」「身体如何移动」「掉落发生在哪一步」「为什么同一条线，有人靠力量硬拽，有人靠髋部转动省力」。只有动作被机器理解，训练建议才可能从泛泛而谈，变成真正有用的反馈。对系列感兴趣可以直接加我们微信：SION-PARTNERS01 · FROM ROUTE DATA TO BODY DATA智能训练板完成的是第一步：把线路变成数据。MoonBoard、Kilter Board、Tension Board 2 这类产品，把墙面角度、岩点位置、线路难度、完攀记录、用户评分和排行榜放进同一套系统。过去，岩馆里的线路被拆掉后几乎就消失了；现在，一条线路可以被全球攀岩者重复尝试。但线路数据仍然只回答了一个问题：爬什么。真正的训练问题往往是另一个：怎么爬。KEY INSIGHT攀岩的难点不在于「到达终点」，而在于「用什么身体路径到达终点」。同一条线，可以是力量题，也可以是技术题；可以是硬拉，也可以是重心转移；可以是手指强，也可以是脚法细。这就是摄像头和动作识别的价值。它要把攀岩从「线路数据库」推进到「身体数据库」。一旦机器能识别岩点使用顺序、身体关键点、移动节奏和失败位置，AI 教练才有可能出现。
02
THE PAPER WORTH READING２０２５年的一篇论文，把问题说得很清楚
２０２５年，Anna Maschek 和 David C．Schedl 在 arXiv 上发布了《The Way Up：A Dataset for Hold Usage Detection in Sport Climbing》。这篇论文做的事情很朴素，却很关键：建立一个带标注的攀岩视频数据集，用来研究「运动员在什么时候使用了哪个岩点」。论文里的数据量不大，只有 ２２ 段标注视频。但它的意义不在规模，而在定义问题。攀岩视频理解不能只识别人在哪里，还要识别手、脚、岩点之间的关系。对 AI 来说，这比普通健身动作识别更难。
普通健身识别动作边界较清楚背景相对简单标准动作模板明显目标多是计数与姿态纠错
攀岩动作识别路线千变万化手脚经常被遮挡岩点形状和颜色复杂目标是理解移动策略
攀岩里的「动作」不是一个孤立姿势，而是一串选择。先抓哪个点，脚换到哪里，身体是贴墙还是外摆，是否用旗脚保持平衡，是否在动态跳跃前压低重心，这些细节共同构成所谓 beta，也就是解题方法。所以我们判断，攀岩 AI 教练如果要成立，第一批有价值的数据不会来自炫酷硬件，而会来自被认真标注的视频。它到底要识别什么如果把攀岩动作识别拆开，大概有五层。LAYER 01识别人在哪里这是人体姿态估计，识别肩、肘、腕、髋、膝、踝等关键点。没有这一步，后面都谈不上。LAYER 02识别岩点在哪里岩点不是规则图形。颜色、遮挡、角度、光照都会影响识别。商业岩馆里还会有大体积、双纹理、相近颜色和重叠视角。LAYER 03识别手脚用了哪个点这一步是论文重点。只有知道使用顺序，机器才知道运动员真正采取了哪条解题路径。LAYER 04识别移动质量同样到达下一个点，可能是稳定推进，也可能是甩过去硬抓。机器要理解节奏、重心、停顿、摆动和能量损耗。LAYER 05生成训练反馈到了这一步，AI 才能说出：你不是力量不够，而是脚换慢了；不是手指弱，而是髋部没转进去。
03
WHY CLIMBING IS DIFFERENT攀岩不是标准动作，而是空间解题
很多运动 AI 教练，从深蹲、俯卧撑、跑姿切入，因为动作模板相对稳定。攀岩不一样。攀岩没有唯一标准动作。同一条线路，不同身高、臂展、柔韧性、力量结构的人，会选择不同 beta。高个子可能直接够过去，矮个子可能需要动态跳；力量型选手可以锁定硬拉，技术型选手会用脚和髋部把身体送上去。这意味着，AI 不能只判断「姿势是否标准」。它要理解「这个人，在这个身体条件下，面对这条线路，是否选择了更合适的移动策略」。一个容易被忽略的点攀岩 AI 不能把所有人训练成同一个动作模板。好的教练不是复制高手动作，而是在不同身体条件下找到可执行路径。算法如果不理解个体差异，就会给出看似专业、实际没用的建议。这也是为什么「动作识别」只是开始，「动作解释」才是壁垒。真正难的是把视觉数据转成训练语言。
我们不认为攀岩动作识别会很快变成一个全民级大 App。攀岩人群还不够大，动作识别难度又很高，单靠 C 端订阅很难支撑早期研发。但它很可能成为智能岩馆、青训机构和训练板生态里的关键模块。智能训练板把线路变成数据，摄像头把动作变成数据，教练系统把数据变成反馈。这三件事接起来，岩馆就不只是卖场地和课时，而是在卖一套长期训练系统。我们的判断攀岩 AI 教练的商业起点，不是「让普通用户随手拍一段视频就获得完美建议」，而是先成为教练和岩馆的增强工具。它先帮专业人士省时间，再逐步把专业判断产品化。这也是我们觉得它值得研究的原因。攀岩是一个很小的运动，但它把体育科技里的几个关键问题压缩到了一起：空间识别、人体姿态、动作策略、训练反馈、青训评估、伤病风险和线下场馆运营。如果 AI 能在攀岩里真正做出有效教练，它在很多非标准化运动里的应用路径，也会更清楚。● ● ●BOTTOM LINE发光岩点让攀岩线路被看见，摄像头让攀岩动作被理解。前者把墙数字化，后者把人数字化。真正的 AI 教练，应该从这里开始。资料来源与延伸阅读Anna Maschek、David C．Schedl，《The Way Up：A Dataset for Hold Usage Detection in Sport Climbing》，２０２５；Daniel Petashvili、Matthew Rodda，《Board-to-Board：Evaluating Moonboard Grade Prediction Generalization》，２０２３；K．H．Lo，《Embedding and generation of indoor climbing routes with variational autoencoder》，２０２０；Yi-Shiou Duh、Ray Chang，《Recurrent Neural Network for MoonBoard Climbing Route Classification and Generation》，２０２１；Thomas Rimbot、Martin Jaggi、Luis Barba，《Using Machine Learning for move sequence visualization and generation in climbing》，２０２５。#攀岩科技#AI教练#动作识别#智能岩馆#青训测评#攀岩馆#攀岩女孩#背肌#抱石#速度攀岩深度长文 | 为什么“攀岩”能让年轻人上瘾为什么攀岩让年轻人上瘾：一项关于心流、失败和陌生人鼓励的消费研究攀岩成瘾的科学 | 你不是在「上头」，你是在经历一场精密的神经化学事件攀岩，可能是认知训练含量蕞高的运动
夜雨聆风