Yang AI Lab发布Inertia-1：首个统一运动基础模型，手腕数据可迁移至全身

Inertia-1 是 Yang AI Lab 提出的首个统一运动基础模型，旨在解决可穿戴设备运动感知领域的“碎片化”难题。该模型利用超过 1800 万小时的全球加速度计数据进行自监督预训练，通过单一通用骨干网络，实现了跨设备、跨位置、跨任务的高度泛化能力。其核心突破在于“位置迁移”能力：仅需在手腕上训练，即可零样本迁移至髋部、脚踝、胸部等从未见过的身体部位，且无需重新训练。此外，Inertia-1 展现出了卓越的“多流融合”特性，整合陀螺仪、磁力计等额外传感器能显著提升精度，并在 1Hz 至 20Hz 的不同采样率下保持稳健。该模型不仅能进行高精度的活动识别，还能通过步态分析预测长期健康指标，为数字医疗和智能穿戴提供了通用的 AI 底座。

事件分析

💡 核心观点：运动大模型的确立，意味着人体动作数据继语言、图像之后，成为 AI 落地的第三大基础模态。