小米健康自动运动检测如何实现？基于自研灵弦算法
小米健康是一个可以记录用户各种身体数据的APP，而新一代的记录方式更加准确，能够精确为用户统计各种运动检测功能，具体如何实现的？本文就是MIUI官方为大家带来的解释。
小米健康使用的灵弦算法基于小米自研的 MACE Micro AI推理框架，本周就为大家介绍一下小米健康的自动运动检测功能是如何实现的。
运动记录功能分为以下几种方式：
1. 手动记录：运动的开始与结束都需手动记录，各类主流手环手表及运动App均有提供;
2. 半自动询问式记录：通过 提醒+用户确认 实现运动记录，部分可穿戴设备采用的是这一方式;
3. 全自动感知记录：无需用户操作，自动感知运动类型并自动记录，采用这一方式的设备屈指可数。
小米健康使用的灵弦算法，做到的就是全自动感知记录，灵弦算法正是一种AI运动感知算法。在此之前也仅有 Google Pixel 手机支持AI运动感知。
AI运动感知的过程不难理解，只要将手机佩戴在身上，运动状态就会反映到手机的传感器(如加速度传感器)中，通过分析传感器的数据，还原并识别用户的运动模式就可以了。这种模式识别的过程，一般都会采用AI领域内机器学习的方法。
但不难理解的过程，在实现过程中却有着很多难点：
1.算法需求复杂。不同个体的运动模式、衣着服饰、手机位置及方向复杂多变，比起可穿戴设备来说更为复杂。同时不同于运行于App或云端的算法，为了达到自动识别所要求的全天候运行，在功耗、模型大小、内存、性能上要求极其严苛。
2.低功耗算法落地实践。如何将AI算法部署在手机上，并且保持符合目标的低功耗，本身也很复杂。
3.微控制器AI框架。业内成熟可用的微控制器AI框架寥寥无几，好在有 MACE Micro。
