早上被蚊子咬醒，整理待办事项时提醒自己不要过于投入。打羽毛球时感到闷热，回忆父母的影响，意识到习惯的形成。计划明天去合肥，感到遗憾，希望能多陪伴家人。

今天是Alen的生日，我和他相差三天。中午与雪姨和教练共进午餐，享受美食。打羽毛球时感到无聊，想向教练学习乒乓球。晚上阅读库切的《青春》。

今天早起打羽毛球，经历了雨天和晴天，浑身湿透。整理书摘时，发现蒙田的段落比许多流行作者更出色。晚上与朋友通话，讨论见面和投融资事宜，并听了关于预制菜的讲座，强调了市场中低质产品的影响。

研究人员通过强化学习使机器狗自学羽毛球，最高挥拍速度达到12米/秒，能够与人类选手进行连续对打。机器狗具备预测羽毛球轨迹和类人回位能力，展示了四足机器人在动态体育场景中的应用潜力。

运动派对是一款羽毛球运动分析应用，支持苹果设备，用户通过完成瑜伽运动获得徽章。

2024年，我通过自驾游改变了对旅游的看法，迷上了羽毛球，体重回到大学时期。研究中医让我对古代文明产生兴趣，完成了第二个五年计划，开始了第三个计划。我意识到生活中要追求有意义的事情，尽量避免重复。尽管有些目标未达成，我会继续努力。

苹果 iPhone 和 Apple Watch 汇总运动健康数据，推荐 Grow 户外徒步和骑行等应用，完成瑜伽运动可获得 Apple Watch 徽章。

作者冲浪时差点溺水，幸好成功游回岸边。隔天得知好友白姐因胰腺癌去世。白姐是羽毛球高手，但病情恶化后无法继续打球。作者与白姐聊天时，白姐依然乐观积极。作者思考人生意义，感到迷茫。

一个比较详细的分析，提到了很多对于羽毛球入门球友需要知道的小知识

视觉语言模型（MLLMs）的出现标志着人工智能应用程序的扩展，但评估其有效性面临挑战。为解决这个问题，引入了MLLM-Bench，一个创新基准，提供更全面的评估。对比评估结果显示，现有模型和GPT-4V之间存在性能差距。MLLM-Bench将推动开源社区在开发用户导向视觉语言模型方面取得进展。

本研究提出了一种通过生成个性化运动指南来提高羽毛球球员击球质量的框架。该框架利用多模态可穿戴数据集，基于反事实算法，减小初学者与专家之间的表现差距。评估结果显示该框架能够生成保持原始动作精髓的动作，同时提高击球质量，提供更贴近的指导。

本文研究了深度学习在网球行为分类中的应用，使用三种不同规模的基于深度学习架构SlowFast的模型对网球数据集进行训练和评估，最佳模型的泛化准确率达到了74%。文章提供了最佳模型的错误分析，并讨论了改进网球数据集的方向和未来的进展方向。

本研究提出了一种基于Shapley值变体的羽毛球回合制特征归因方法，用于分析羽毛球中的预测模型。该方法能够量化时间和球员方面的贡献，并揭示了过去击球推理的无关性和球员风格对未来模拟比赛的影响。同时，还进行了因果分析和实用性展示。

本文研究了代理人预测系统，提出了一种基于Shapley值变体的羽毛球回合制特征归因方法，用于分析羽毛球中的预测模型。研究发现球员风格对未来模拟比赛产生影响，并进行了因果分析，展示了实用性。