一位家长想给孩子找个下雨天也能在客厅里跑跳的游戏，搜了一圈发现：除了需要单独购买的体感外设，还有不少只带一个普通摄像头的小盒子、游戏机的摄像头配件和手机应用，都宣称可以识别全身动作。这不是个别现象。从2023年到2026年的公开信息看，体感体育游戏的输入设备正在发生一次明显的迁移：从带深度传感器的专用硬件，走向普通RGB摄像头加上姿态估计算法。
专用深度传感器退场：Azure Kinect停产是一个标志
深度相机曾是体感游戏的核心硬件，因为它能直接测出人与镜头之间的距离，把人体从背景中分离出来相对容易。但这条路线的硬件成本和普及门槛都不低。据微软在Azure Kinect SDK官方代码仓库中的说明，Azure Kinect开发套件于2023年8月宣布停止生产，已购买的设备可以继续使用；据The Robot Report的报道，微软此前已与Orbbec等厂商合作，基于其iToF深度技术开发替代产品。
这并不意味着深度传感器没有价值，它在机器人、工业检测和科研中仍然常用。但在家庭体育游戏这个场景里，“再买一个专用设备”正在让位于“用已有的摄像头”。
Camera：单个普通摄像头开始承担全身追踪
最有代表性的例子是Nex Playground。据Engadget在2026年1月发布的评测介绍，这台接在电视上的小型主机依靠摄像头和设备端的计算机视觉处理，可以追踪最多四名玩家，评测还把它称作实现了当年Kinect想做到的事，并提到游戏需要约六英尺的空旷活动空间。评测同时提到，游戏在首次下载后可以离线游玩，这意味着核心的动作识别并不依赖实时联网。
游戏机厂商也在尝试。公开资料显示，任天堂Switch 2版《超级马力欧派对 空前盛会》加入了借助外接摄像头进行全身动作识别的玩法。手机端则更早：据HomeCourt官网介绍，这款篮球训练应用不需要传感器、专用摄像头或智能篮球，只要一个篮球和一台iPhone或iPad；运球与敏捷训练使用前置摄像头，进阶的投篮追踪则建议用后置摄像头配合三脚架。
Pose：姿态估计模型让普通画面变成可用的身体数据
普通摄像头能够替代深度相机，关键在于姿态估计模型的进步。谷歌MediaPipe官方文档介绍，Pose Landmarker可输出33个人体关键点的图像坐标与三维世界坐标，并针对端侧实时健身应用做了优化。TensorFlow官方博客介绍，MoveNet检测17个关键点，可以在浏览器中完全在客户端运行，页面加载后无需服务器调用。苹果Vision框架的开发者文档则介绍了三维人体姿态检测请求，据WWDC23相关资料，它检测17个关节，并且在多人画面中优先检测最显著的那个人。
这些官方文档透露出同一个方向：姿态估计正在从需要云端算力的研究任务，变成可以在手机、电脑甚至浏览器里实时运行的基础能力。普通RGB画面虽然没有直接的深度值，但模型可以从二维画面估计出三维关节位置，对多数家庭体育动作来说已经够用。
两条路线对比：省掉的是硬件，换来的是算法责任
把专用深度传感器和普通摄像头放在一起比较，可以更清楚地看到这次迁移的得失。下表是基于公开技术资料的一般性归纳，不针对任何具体产品：
| 对比项 | 专用深度传感器 | 普通RGB摄像头加姿态模型 |
|---|---|---|
| 获取方式 | 需要单独购买并连接 | 手机、电脑、电视盒子已有或容易获得 |
| 距离信息 | 直接测量 | 由模型从二维画面估计 |
| 人体与背景分离 | 相对容易 | 依赖模型，受光线和杂乱背景影响 |
| 算法迭代 | 受硬件世代限制 | 可以通过软件更新持续改进 |
| 主要风险 | 硬件停产、成本高 | 遮挡、取景不当、置信度波动 |
表格最后一行说明了行业为什么愿意接受这个交换：硬件停产是开发者无法控制的风险，而取景和置信度问题，至少可以通过更好的模型、更细的引导和更谨慎的判定规则逐步改善。
Motion与Game Input：没有深度信息以后，难点落到了哪里
硬件简化以后，原本由传感器解决的问题，需要由算法和游戏设计来承担。以下几点是根据公开技术文档做出的趋势判断：
- 前后方向更难判断。单目摄像头对“玩家往前踏了一步”和“手臂往镜头方向伸出”的区分不如深度相机直接，出拳、前冲这类动作需要更多依赖关节之间的相对变化和身体比例校准。
- 取景决定上限。手机放在桌上只拍到上半身、沙发挡住双脚、逆光导致轮廓不清，都会让关键点置信度下降。游戏需要在低置信度时暂停判定或切换成只依赖可见部位的玩法，而不是给出错误结果。
- 多人场景更复杂。有的方案只追踪画面中最显著的一个人，有的方案可以同时追踪多人，游戏设计必须明确谁是玩家、谁只是路过。
- 延迟要整体计算。画面采集、姿态推理、平滑滤波和动作识别都会占用时间，端侧计算省去了网络往返，但每一环的耗时仍会叠加到手感上。
Camera → Pose → Motion → Game Input → Response
Response：游戏设计开始围绕“识别的不确定性”来做
普通摄像头方案普及以后，一个值得注意的变化是，游戏本身开始为识别的不确定性留出空间。比如先根据起手动作播放预备动画，确认动作完成后再结算得分；比如把对精确度要求很高的判定，放在身体完全可见、置信度稳定的时段；比如在开局时引导玩家调整站位和机位，而不是把识别失败的责任留给玩家。这些做法在公开产品中能看到一些迹象，但各家的具体规则大多没有公开，只能作为行业方向来观察。
对九游体育来说，这个趋势意味着体感体育游戏的门槛主要不在硬件，而在如何用一个普通摄像头给出可信的判定。九游体育的体感设计把取景引导、置信度门槛和动作延迟放在同一个问题里处理，也是出于同样的判断：与其等待更专门的硬件，不如让九游体育的算法和游戏规则先适应真实家庭里的普通摄像头。关于家庭环境中摄像头位置带来的具体影响，可以继续阅读AI体感游戏的站位与取景。
