对着视频练深蹲，练了半天也不知道膝盖有没有内扣；想请教练，又觉得贵、不好意思开口。上海智位机器人（DFRobot）社区最新分享的一个开源项目，把这个问题交给了一块板子来解决——行空板 K10 搭配 AI 视觉姿态识别传感器和小智语音交互，做出一个能看动作、会判断、能开口说话的 AI 健身教练。

一块板子加一个传感器，健身房里多了个“不会不耐烦的教练”

这个项目的核心配置并不复杂：行空板 K10 做主控和交互终端，Gravity：AI视觉姿势&手势传感器负责采集人体姿态和 17 个人体关键点，开源 AI 聊天机器人“小智”负责语音对话。目前支持靠墙静蹲、弓步压腿、平板支撑三种动作。用户站在传感器前训练，系统实时判断动作是否规范，并通过语音提示哪里需要调整。用户也可以直接问“这个动作标准吗？”，小智会依据传感器的实际检测结果回答，而不是说套话。

除了纠错，它还能当计时器用。说一句“帮我做一分钟平板支撑”，小智就启动倒计时，过程中提醒“还剩 30 秒，坚持住”；想挑战耐力，说“看看平板支撑能坚持多久”，结束时它会告诉你实际坚持了多久。训练模式切换同样可以动嘴完成——“进入平板支撑模式”，页面就切过去了。

AI 接入硬件，不必再从跑模型开始

这个项目真正值得关注的，不是健身这个场景本身，而是它示范了一条开发者快速把 AI 能力装进硬件的路径。

过去做姿态识别，开发者往往要在电脑或高性能主控上跑视觉模型，算力和开发成本都不低。Gravity：AI视觉姿势&手势传感器把人体检测、姿态识别和关键点输出封装在传感器端，开发者拿到的是现成的识别结果，不用自己训练和部署模型。行空板 K10 则把主控、屏幕和交互集成在一块板子上，省去了系统拼接的麻烦。

更关键的是 MCP 协议的引入。项目通过 MCP 把行空板 K10 的人体状态查询、动作反馈、训练模式切换等能力注册成可调用工具，小智根据用户说的话自动选择并调用对应工具。开发者不必从零搭一套语音交互链路，只需要把硬件功能“开放”给大模型，AI 就成了硬件的自然语言入口。这套思路一旦跑通，能复用的远不止健身。

开源让项目可复现，也让想象力可以继续往外扩

项目基于开源的 xiaozhi-esp32 二次开发，固件、烧录工具和姿态学习软件都提供下载，开发者可以照着复现，也可以在此基础上改。文章作者自己就提到，这套能力不限于健身：挥挥手切换训练项目、用特定动作控制灯光、设计不用碰屏幕的互动游戏，都是可以尝试的方向。

对开发者来说，这意味着一个门槛不高但上限不低的起点。这个项目提供的不只是一块板子和一个传感器，而是一套让“AI 看懂动作”从想法变成原型的工具链——硬件把复杂能力封装成简单接口，MCP 协议让 AI 真正接入硬件，开源生态让项目可复现、可扩展。体感交互、运动辅助、无障碍控制——下一个被装进硬件的 AI 能力，也许就从这里开始。

关于该项目实现的详细过程，请访问DF创客社区了解更多。