动态手势的速度与幅度个体差异更大
别名: 手势速度差异 · amplitude variation · DTW · 运动学变异
概念解释
动态手势在人与人之间、同一个人的不同次之间，速度和幅度的散开比静态姿态大得多。同一句“向右挥”，有人用腕，有人用肘，有人把整条臂划过半米；有人 200 ms 完成，有人拖到一秒。静态手形的模板是一组关节角，个体差主要在手的尺寸和可及范围。轨迹模板是一条时间路径，对齐方式会主导对不对。用少数年轻人、中等速度录出来的模板去套儿童、老年或着急的操作，失败看起来像“不会做”，其实是分布没被词表和识别器吃进去。
机制
轨迹识别要把测试序列对齐到模板。动态时间规整可以吸收一定的速度差，但幅度差是空间上的缩放：小动作在噪声里，大动作又可能走出交互区。人选择幅度往往随社交场合和疲劳变化，不是一个稳定的个人参数。准备段和回程的比例也因人而异，切分器若假定“行程占 60%”，会把急性子的行程切短。姿态识别几乎不看这些时间比例。所以动态词表的泛化瓶颈常常不在形状，而在把谁的速度、谁的幅度当成了“标准挥手”。传感器帧率不够时，快动作还被欠采样，个体差异被设备再放大一档。
怎么研究
同一条动态手势至少要覆盖：不同年龄或活动度、故意快/故意慢、故意小/故意大、疲劳前后。报告的不只是平均识别率，还有按速度分箱、按幅度分箱的识别率，以及模板来自哪一组人。用留一人交叉验证，避免模板和测试是同一批手。把静态姿态放在同一批人上作对照，通常会看到姿态准确率随个体变化较平，动态随速度幅度掉得更陡。记录腕、肘、肩各自贡献的幅度，能解释“同一标签、不同关节策略”的混淆。
边界
词表若强制大而慢的仪式性动作，个体差异会被协议压住，代价是学得慢、社交上显眼。游戏里玩家会主动夸张，实验室里的自然幅度反而测不到。头戴近场手部追踪的工作空间小，幅度被物理上夹紧，速度差异仍在。模仿教学视频的人会收敛到视频的节奏，现场无示范时散开又回来。静态姿态在手的尺寸差极大时也会散（儿童手与成人模板），但那是尺度而不是时间路径，校正手段不同。
怎么落地
- 采集模板时不要只找同一年龄、同一速度的同事；故意收录快、慢、小、大，并按分箱报告识别率。
- 识别器对幅度做归一、对速度做时间规整，但要设上限：过小当噪声，过大当越界，而不是无限拉伸去贴模板。
- 教学给出可接受的速度和幅度范围（例如“前臂扫过即可，不必挥整条胳膊”），并在练习里让人用自己的节奏做对，而不是只跟视频卡点。