Почему одинаковые сенсоры дают разные результаты

Подготовлено RD media

Коротко: Garmin, Whoop и Apple Watch по-разному считают калории и нагрузку — ни один сенсор не измеряет энергию напрямую, только оценивает.

Два друга выходят на одну пробежку. Один бежит в Garmin, второй — в Whoop. На финише у первого 620 ккал, у второго — 480. Оба уверены в правоте своих гаджетов. Правда в том, что ни одни часы не измеряли энергию напрямую. Они её посчитали. По разным формулам.

Причина в том, что каждая компания использует собственную модель расчёта энергозатрат: одни сильнее опираются на физиологические уравнения, другие — на персональные поправки и накопленную историю пользователя.

Именно эти модели определяют, кто сегодня выигрывает гонку носимых устройств.

📌 Почему один и тот же пульс превращается в разные цифры

Ни одни часы не измеряют VO₂max или калории напрямую. Они используют прокси-переменные — пульс, темп, вариабельность ритма — и пропускают их через математическую модель, обученную на лабораторных данных. Качество метрики зависит от чистоты исходной формулы и способности модели персонализироваться под конкретного человека.

🧠 Garmin (Firstbeat Analytics): физиологическая прозрачность

Как работает: В 2020 году Garmin купил Firstbeat — компанию, которая с начала 2000-х строила алгоритмы для олимпийских сборных и профессиональных клубов. Модель Body Battery и стресса опирается на анализ HRV во временной области (параметр RMSSD), очищенный от артефактов движения, и сопоставляет его с контекстом активности.

Накопленная база: За 20+ лет Firstbeat собрал десятки тысяч часов лабораторных тестов и полевых данных от элитных атлетов. Эта база стала фундаментом для детерминированных физиологических моделей, которые Garmin теперь развивает самостоятельно.

Почему это работает: Ядро модели опирается на физиологические модели Firstbeat, дополненные современными алгоритмами обработки сигналов (включая машинное обучение для задач обнаружения активности и качества сигнала). Модель предсказуема и стабильна, поскольку базируется на фундаментальных законах работы автономной нервной системы. Многие показатели можно интерпретировать через изменения HRV и других физиологических параметров, что делает модель более объяснимой.

В чём сила модели: Вертикальная интеграция + физиологическая объяснимость. Garmin владеет IP алгоритмов и может глубоко интегрировать их в прошивку, минуя ограничения сторонних API. Пользователь получает объяснимую физиологию.

🔴 Whoop: поведенческая петля через %HRR

Как работает: Whoop сознательно отказался от экрана и превратился в сервис подписки с фокусом на восстановлении. Ключевая метрика нагрузки — Strain, построенная на процентном резерве сердечного ритма (%HRR). Это отношение текущего пульса к диапазону между resting HR и max HR конкретного пользователя.

Накопленная база: Whoop собирает данные 24/7 от большой пользовательской базы — записи сна, тренировок и восстановления. Такой массив помогает калибровать модели на реальных поведенческих паттернах, а не только на лабораторных протоколах.

Почему это работает: %HRR нормализует нагрузку под индивидуальные физиологические границы. Один и тот же абсолютный пульс 140 bpm для тренированного атлета и новичка даёт совершенно разную Strain-оценку. Recovery-индекс строится на HRV (RMSSD), RHR, respiratory rate и sleep performance — четырёх независимых осях.

В чём сила модели: Поведенческая петля + фокус на восстановлении. Whoop превращает данные в ежедневный коучинг: «сегодня тренируйся интенсивно» или «сделай лёгкую активность». Модель удерживает пользователя через персонализированные рекомендации.

🍏 Apple Watch: сенсорная фузия и on-device ML

Как работает: Apple берёт субмаксимальные уравнения Американского колледжа спортивной медицины (ACSM) и накладывает на них данные сенсорной фузии — оптический пульс, акселерометр, гироскоп, барометр.

Почему это становится лучше: Большая пользовательская база помогает Apple совершенствовать алгоритмы оценки, а алгоритмы оценки дополнительно адаптируются на устройстве по мере накопления данных. После накопления достаточного объёма данных некоторые оценки становятся стабильнее.

В чём сила модели: Закрытая экосистема, где софт и железо оптимизированы друг под друга. On-device ML гарантирует приватность и низкую задержку.

💻 В чём сила каждой модели — сводный вывод

🧠 Garmin: сила — в физиологической объяснимости. Пользователь понимает, откуда взялась цифра, потому что модель построена на проверенных законах автономной нервной системы. Это выбор тех, кто хочет контролировать процесс.

🔴 Whoop: сила — в поведенческой адаптации. Модель превращает данные в ежедневные решения: тренироваться или восстанавливаться. Это выбор тех, кто хочет получить готовый ответ, без погружения в физиологию.

🍏 Apple: сила — в персонализации через экосистему. Алгоритмы калибруются под конкретного пользователя по мере накопления данных. Это выбор тех, кто хочет универсальное устройство с растущей точностью.

Итог: универсального победителя нет — есть три разные задачи. Нужна физиологическая объяснимость — ближе к первоисточнику модель Garmin: 20 лет лабораторных данных Firstbeat. Нужно решение здесь и сейчас — Strain и Recovery от Whoop переводят данные в поведение быстрее остальных. Нужна интеграция с экосистемой устройств — выигрывает Apple за счёт сенсорной фузии и on-device ML.

Частые вопросы

Измеряют ли смарт-часы калории напрямую?

Нет. Ни одни часы не измеряют VO₂max или калории напрямую — они используют прокси-переменные (пульс, темп, вариабельность ритма) и пропускают их через математическую модель, обученную на лабораторных данных.

Чем отличается модель Garmin от Whoop?

Garmin (Firstbeat Analytics) строит детерминированные физиологические модели на основе HRV во временной области (RMSSD) и данных элитных атлетов. Whoop использует %HRR — процентный резерв сердечного ритма, нормализующий нагрузку под индивидуальные физиологические границы конкретного пользователя.

На чём основан алгоритм Apple Watch?

Apple берёт субмаксимальные уравнения ACSM и накладывает на них данные сенсорной фузии — оптический пульс, акселерометр, гироскоп, барометр, адаптируя оценки on-device по мере накопления данных.

Источники

• Firstbeat: White Papers and Publications
• ACSM's Guidelines for Exercise Testing and Prescription
• Bellenger et al. Validation of WHOOP (Sensors, 2021)