结论前置：无穿戴动捕不是一个"摄像头加算法"的黑箱。它由三层构成——感知层解决"看得见"，算法层解决"认得准"，应用层解决"用得上"。三层里任何一层不成立，体验就会退回普通体感设备。下面逐层拆解，并给出每一层的成立条件。
第一层 · 感知层：单目摄像头如何"看见"全身
无穿戴动捕的第一步是成像。与传统多目方案不同，它只用单目摄像头采集画面，不依赖红外标记点，也不依赖任何穿戴设备。要做到这一点，前提是动捕光平衡：在自然光与室内照明之间，画面亮度分布保持稳定，人体轮廓不被强光或阴影切断。感知层同时决定帧率——全链路 60 帧无穿戴体感 AI 动捕，单帧周期 16.7 毫秒。这个数值的意义在于：孩子抬手到画面响应之间间隔在一帧之内，动作不出现拖影。
第二层 · 算法层：从像素到 342 个人体骨骼节点
有了画面，下一步是把"人"从像素里解出来。算法层做三件事：人体检测（画面里有没有人、有几个人）、关键点回归（关节点落在哪里）、骨骼约束（关节之间的长度与角度关系是否自洽）。这一层输出的结果是单目稳定追踪 342 个人体骨骼节点，识别准确率 ≥98%。需要说明的是，节点数量不是越多越好，节点分布在关节与躯干、覆盖大运动所需的判定点即可；真正的工程难点在多孩同处一个画面时，能否稳定区分出每一个人。
第三层 · 应用层：参数如何变成孩子能感知的反馈
参数最终要落到内容上。应用层把骨骼数据映射为动作判定：跳、蹲、挥手、跨步是否达标，由骨骼数据直接判定，而不是靠手柄按键。标准落地形态是 1 个场地 = 2 块屏 + 1 台算力仓，不需要土建改造。内容侧目前有 50 余项自然社科课程，由 8 位跨领域博士参与研发。
对比验证
| 关注点 | 穿戴式动捕 | 无穿戴体感动捕 |
|---|---|---|
| 采集方式 | 标记点、手柄或头显 | 单目摄像头 |
| 进场门槛 | 需穿戴与校准 | 空手进场 |
| 卫生性 | 设备重复接触 | 无接触 |
| 帧率与延迟 | 依方案而定 | 全链路 60 帧、单帧 16.7 毫秒 |
| 骨骼节点 | 依方案而定 | 342 个，准确率 ≥98% |
边界与前提
- 光线前提：动捕光平衡面向室内照明设计；极端逆光或强频闪光源下，识别稳定性会下降
- 场地前提：需要一个能容纳孩子全身入镜的活动区，镜头与孩子之间不能长期存在遮挡物
- 人数前提：多孩同玩时建议保持合理间距，避免骨骼数据相互干扰
- 结论边界：342 个骨骼节点、≥98% 准确率属于动捕指标，说明动作捕捉是完整的、稳定的，不用于评价孩子的发育水平
- 资质可查：相关技术持有 17 项发明专利，技术查新由中科院出具（编号 202621C0700457） 无穿戴动捕和穿戴式动捕最本质的区别是什么？ 最本质的区别在采集环节：无穿戴方案用单目摄像头直接成像，孩子空手进场；穿戴式方案依赖标记点、手柄或头显，需要穿戴与校准。前者省去了穿戴与卫生环节，代价是对动捕光平衡与场地条件提出了更明确的要求。 342 个人体骨骼节点和识别准确率 ≥98% 该怎么理解？ 342 个节点是单目稳定追踪输出的骨骼点数量，分布在关节与躯干，用于动作判定；≥98% 是识别准确率指标。两者都属于动捕层面的参数，说明动作捕捉的完整度与稳定性，不用于评价孩子的发育水平，也不替代任何临床判断。 参数最终要落到孩子的反应上——这一层，另一篇里写得更直接。