Squat-Coach：端侧AI健身教练，本地视觉推理实现实时深蹲指导

Squat-Coach是创新端侧AI项目，结合MediaPipe姿态估计和本地Gemma模型，实现完全离线的实时深蹲动作指导。采用教师-学生训练范式，通过Gemini生成训练数据微调本地模型，在保护隐私的同时提供专业健身反馈。

在健身领域，正确姿势对训练效果和安全至关重要，但专业教练费用高且无法随时陪伴。Squat-Coach旨在通过端侧AI技术，提供随时可用、完全私密的虚拟健身教练。核心愿景是打造具备视觉输入、端侧推理、实时反馈和智能决策能力的教练代理，而非简单AI文本叠加姿态数据。

采用分层架构：

• 视觉感知层：MediaPipe Pose Lite（浏览器WASM/WebGL运行，4MB模型，提取三维关键点）
• 生物力学解释层：计算膝盖/髋部/躯干/小腿角度，识别深蹲阶段（站立/下蹲/底部/上升）
• 智能教练层：微调Gemma模型作为“大脑”，输出指导建议
• 代理决策循环：Setup（检查取景）、校准（个性化阈值）、实时指导、组间总结

核心卖点是所有处理本地完成，锻炼视频不离开设备，断网也能运行。通过setup.sh脚本一次性下载依赖（MediaPipe WASM、JS包、姿态模型），运行时无网络请求，确保隐私与可靠性。

创新训练方法：

• 教师模型：云端Gemini分析真实深蹲视频+规则生成标注数据集
• 学生模型：Gemma用数据集微调，学会根据姿态数据生成反馈
• 数据质量：强调真实数据重要性，建议收集标准侧视图、错误动作（浅蹲/前倾/膝盖内扣等）覆盖场景

技术实现：

• 输入特征：7个核心（phase/rep_count/knee_angle/hip_angle/torso_angle/shin_angle/hip_below_knee）
• 输出规范：JSON格式（say：指导文本；priority：优先级；ui：UI指示；cooldown_s：冷却时间）
• 运行配置：采样参数（温度/top_p/top_k）、重复惩罚、最大长度、随机种子等

应用价值：

• 为用户提供私密低成本的专业指导，只需普通电脑+摄像头
• 为开发者展示端侧AI集成（大模型+计算机视觉）的参考方案

项目状态：已实现核心功能（本地姿态检测/重复计数/角度计算等），正在进行Gemma微调与数据集审计 未来方向：支持更多运动类型、个性化训练计划、集成健身设备