关于 Atomic Metrix

一个由骑行爱好者发起的项目:我们希望训练建议能够适应真实的人,而不是停留在固定公式里。

Atomic Metrix 起始于 2024 年 9 月,源于一群有氧与耐力骑行爱好者反复讨论同一个问题:传统科学训练指标往往是静态的,但人的恢复、适应和进步并不是。

由耐力运动爱好者发起恢复感知指导Agent 驱动个性化

团队

Changjie LuCL
创始人

Changjie Lu

Changjie 是伊利诺伊大学厄巴纳-香槟分校生物工程方向博士生。他在计算机视觉、强化学习以及健康相关机器学习方向拥有丰富的科研经验。

Zhimin WangZW
联合创始人

Zhimin Wang

Zhimin 拥有伊利诺伊大学厄巴纳-香槟分校生物工程硕士学位。他热爱各类运动,熟悉科学训练,并具备软件基础设施与系统工程经验。

项目故事

我们正在构建一套训练系统,把人的适应过程视为个体化、随时间变化、并与具体情境相关。

Atomic Metrix 的起点,是我们以真实骑行者的视角长期讨论科学训练。FTP、TSS 以及各种恢复启发式指标当然有价值,但它们本质上仍是固定抽象。两个运动员完成同一节训练,带走的疲劳、准备度和进步潜力却可能完全不同。

现代基础模型的出现,让我们有机会重新设计训练软件。系统不再只是套用僵硬模板,而是能够结合骑行数据、目标、上下文和训练历史,构建一个能生成更个性化计划和更有用指导的 Agent。

Atomic Metrix 就是基于这种判断展开的项目。我们希望把分散的训练数据组织成一个真正能理解负荷、恢复和进阶节奏的健康 Agent,帮助运动员做出更好的训练决策。

原则 1

人的适应过程是个体化的

我们不假设两个骑手面对相同训练负荷会产生相同反应。

原则 2

恢复和训练本身同样重要

更好的训练指导,必须判断一个人是否真的准备好吸收下一段训练。

原则 3

Agent 应该服务个性化,而不是继续泛化

我们使用 Agent 层的目标,是让训练建议对每个运动员都更具体、更贴近上下文、更可执行。