अगोदर निर्देश केलेल्या बाबीसंबंधी बोलताना क्रियाकलाप ब्रेसलेट ते अनेक manyक्सेसरीज बनले आहेत जे बरेच वापरकर्ते दररोज त्यांच्या मनगटांवर घालत असतात. या प्रकारच्या उत्पादनांमध्ये अ‍ॅक्सिलरोमीटरची मालिका असते जी योग्य अल्गोरिदम एकत्रितपणे, आम्ही चालत असताना, झोपेच्या वेळी किंवा विशिष्ट प्रकारचे इतर विशिष्ट क्रिया करीत असताना शोधण्यास सक्षम असतात.
आयफोन 5 एस पासून, mobileपल मोबाइलमध्ये ए देखील समाविष्ट केले गेले आहे आमच्या क्रियाकलाप रेकॉर्ड करण्यासाठी जबाबदार कॉप्रोसेसरकाही झाले तरी, आम्ही काम करीत असताना आयफोन दिवसभर आपल्या खिशात किंवा टेबलाजवळ असतो.
आयफोन किंवा अ‍ॅक्टिव्हिडी ब्रेसलेट अधिक अचूक आहेत? विद्यापीठाच्या अभ्यासानुसार, आयफोन 5s आणि दीर्घिका एस 4 क्रियाकलाप अधिक वास्तविकतेने मोजण्यात सक्षम आहेत. या अभ्यासामध्ये आयफोन 5 एस आणि गॅलेक्सी एस 4 व्यतिरिक्त नायके फ्युएलबँड, जबबोन यूपी 24, डिजी-वॉकर एसडब्ल्यू -200, फिटबिट फ्लेक्स, फिटबिट वन आणि फिटबिट झिप अ‍ॅक्टिव्हिटी बँड वापरण्यात आले.
मोबाईलच्या बाबतीत, एक मार्जिन 12,9% त्रुटी ब्रेसलेटच्या बाबतीत, क्षुद्र त्रुटी 22,7% होती. सर्व विश्लेषित ब्रेसलेटपैकी, फिटबिट वन आणि फिटबिट झिप ही वास्तविकतेच्या अगदी जवळील डेटा नोंदवतात.
जसे आपण पाहू शकता, क्रियाकलाप ब्रेसलेटवर दर्शविलेली माहिती केवळ मार्गदर्शनासाठी आहे आणि कोणत्या प्रकरणांवर अवलंबून, त्रुटीचे मार्जिन बरेच मोठे आहे.
या प्रकारच्या अनेक उत्पादनांसह मी स्वत: चा अनुभव घेण्यास सक्षम आहे. समस्या अशी आहे की मनगटावर जाताना, स्वयंपाक करणे, बेड बनविणे, अगदी संगणक कीबोर्डसह टाइप करणे यासारख्या दैनंदिन क्रिया आम्ही पूर्णपणे स्थिर असूनही ते चुकीच्या चरणे व्युत्पन्न करतात स्थितीत.
ब्रेसलेटच्या सुस्पष्टतेनुसार आमच्याकडे डेटा असू शकतो जो वास्तविकतेपासून खूप दूर आहे. त्याऐवजी आम्ही सहसा आयफोन आपल्या खिशात ठेवतो आणि त्याचा परिणाम होत नाही या रोजच्या कामांसाठी. जर आपण स्वयंपाक करण्यास सुरवात केली तर आपले पाय सरकत नाहीत आणि आयफोन कोणत्याही प्रकारचे मिसटेप्स नोंदवणार नाहीत.
निश्चितच आपण वापरण्यायोग्य इतर प्रकार पाहिले आहेत कपड्यांवर ब्रोचकाहींना मोजे देखील घातले जातात. निःसंशयपणे, आम्ही आमच्या मनगटावर घालतो त्यापेक्षा हे बरेच विश्वासार्ह आहेत.
Appleपल वॉच एप्रिलमध्ये येईल या क्षेत्रात पुढे जाण्यासाठी. या प्रकारच्या हालचालींविरूद्ध Appleपल वॉचने दिलेली सुस्पष्टता आपल्याला पाहावी लागेल, परंतु त्यात बहुधा निश्चितच त्रुटी असतील. काही विशिष्ट हालचालींमध्ये भेदभाव करणे फार कठीण आहे आणि ते पाऊल उचलून घेतले जात नाहीत. आम्ही या समस्येचे स्पष्टीकरण देण्यासाठी पहिल्या विश्लेषणाची प्रतीक्षा करू.
सध्याची क्रियाकलाप मनगट, हृदय गती मोजण्यासाठी सक्षम आहेत, वापरकर्त्याच्या वास्तविकतेचे अगदी अंदाजे मोजमाप देतात. जरी हे सत्य आहे की लेखामध्ये ज्या चर्चेची चर्चा केली आहे त्याचे मार्जिन 22% आहे, परंतु ब्रेसलेटमध्ये बर्‍याच ceक्सीलरोमीटर समाविष्ट केले गेले आहेत, जे अधिक अचूक हालचाली करण्यास सक्षम आहेत.