基于所穿戴的传感器的任务训练系统的制作方法

本公开总体上涉及训练系统，更具体地说，涉及用以训练用户以增加完成一个或多个任务的熟练度的基于传感器的智能系统。

背景技术：

1、随着感测和计算技术已经改进，信息分析、处理和传递的大小和速度已经进步。传感器技术已经随着时间类似地改进，以比之前更快地提供越来越准确的读数和测量。这些进步已经允许自动化更多数量和类型的活动（例如，制造、装配和操作）。然而，尚未设想实时使用传感器以改进用户指令的活动和分析。因此，各类实施例结合现代计算能力采用由用户穿戴的传感器以解释用户活动并向用户提供针对优化一个或多个用户任务的完成的智能指令。

技术实现思路

1、本公开的实施例总体上针对训练系统（例如但不限于基于感测到的操作者活动的任务特定训练）。

2、在一些实施例中，智能头带可以被设计为利用集成传感器和ai驱动的分析以在活动、行为和任务期间监控生物力学、生理学数据和心理专注度。智能头带可以利用生物力学传感器、生理学传感器、机器学习算法、实时反馈系统、专注度跟踪和神经学状态跟踪。生物力学感测可以测量物理度量（例如，手指间距、身体对准、移动模式和其他移动相关数据），同时生理学传感器监控心率、呼吸、疲劳和其他身体信号。机器学习算法可以分析数据，标识模式，并提供关于表现的实时反馈，同时实时反馈系统传递帮助改进用户的操作技术，心理清晰度和体能准备程度的即时、个性化反馈。用户的专注度和神经学状态的跟踪可以使用数据输入（例如，睡眠质量、一天中的时间和其他因素）以生成提供对心理和体能状态如何影响表现的见解的专注度或清晰度分数。

3、在一些实施例中，计算设备可以连接到位于用户附近的传感器阵列。计算设备可以响应于由传感器阵列检测到的信息确定待由用户完成的任务。计算设备可以响应于由传感器阵列检测到的信息生成指引用户完成任务的指令集和通信策略，其中，通信策略规定在任务的完成期间与不同用户动作关联的不同通信模式。传感器阵列可以感测在任务的完成期间的实时用户状况连同在任务的完成期间的实时环境状况。计算设备可以基于实时用户状况和实时环境状况确定用户将无法完成任务的预定里程碑，并且继续响应于用户无法完成预定里程碑适配指令集中的至少一个指令，至少一个指令的所述适配改变如何教导用户执行任务的子步骤。

4、鉴于以下详细讨论和附图，可以理解表征本公开的各种实施例的这些和其他特征。

1.一种方法，包括：

2.如权利要求1所述的方法，其中，所述传感器阵列包括至少一个固定传感器和定位在运动员上的至少一个传感器。

3.如权利要求1所述的方法，其中，所述多个不同通信模式包括听觉、视觉和触觉提示。

4.如权利要求3所述的方法，其中，所述通信策略规定向所述用户同时传送训练信息的多种方式。

5.如权利要求4所述的方法，其中，所述通信策略规定传达训练信息的多种不同方式。

6.如权利要求1所述的方法，其中，所述计算设备响应于所述任务的所述确定生成与所述指令集对应的里程碑的进展以完成所述任务。

7.如权利要求6所述的方法，其中，所述里程碑的进展与完成所述任务的一系列子步骤对应。

8.如权利要求6所述的方法，其中，所述计算设备确定用于所述用户生成所述里程碑进展的装备的可用性。

9.如权利要求6所述的方法，其中，所述计算设备用所述传感器阵列检测对所述指令的用户反应。

10.如权利要求9所述的方法，其中，所述计算设备响应于检测到的用户反应适配所述至少一个指令。

11.如权利要求1所述的方法，其中，所述计算设备响应于感测到的实时环境状况适配所述至少一个指令。

12.如权利要求1所述的方法，其中，所述计算设备响应于感测到的实时用户状况更改由所述通信策略规定的通信模式。

13.如权利要求1所述的方法，其中，所述计算设备基于所生成的用户简档更改通信模式。

14.如权利要求13所述的方法，其中，所述用户简档包括响应于由所述传感器阵列感测到的实时用户状况确定的用户趋向。

15.如权利要求13所述的方法，其中，所述用户简档包括响应于由所述传感器阵列感测到的实时用户状况确定的用户能力。

16.一种训练系统，包括：

17.如权利要求16所述的训练系统，其中，所述计算设备的视频模块包括可操作为将来自所述传感器阵列的分离的视频馈源组合为单个编译视频的电路。

18.如权利要求16所述的训练系统，其中，所述传感器阵列可操作为测量所述用户的生物力学方面。

19.如权利要求16所述的训练系统，其中，所述传感器阵列可操作为测量所述用户的生理学方面。

20.如权利要求16所述的训练系统，其中，所述传感器阵列可操作为测量所述用户的神经学方面。