我覺得需要思考另一件事情：
即使系統可以辨識人體姿勢，也不代表它能夠知道身體內部發生的所有事情。
以目前選擇的蚌殼式來說，我們希望觀察膝蓋打開的幅度，以及骨盆有沒有跟著往後旋轉。
透過人體關鍵點，確實可以取得髖部、膝蓋、腳踝與肩膀的位置，進一步分析動作過程中的變化。
但這裡其實存在幾個限制。

第一個限制：攝影機看不到肌肉實際的發力情況。
例如蚌殼式主要希望訓練髖部周圍的肌群，但使用者就算完成了動作，也不代表我們可以直接從影像知道是哪一條肌肉正在出力。
MediaPipe 提供的是人體關鍵點與姿態資訊，並不是肌肉活動的測量結果。
因此，目前比較合理的方向是：
觀察可能與代償有關的外在姿勢變化，而不是直接判斷肌肉有沒有正確發力。

第二個限制：單一攝影機不一定能看清所有方向的動作。
前面提到，蚌殼式是側躺動作，左右髖部可能在影像中重疊。
當骨盆產生旋轉時，只利用 x、y 座標，不一定能清楚觀察到完整的變化。
雖然可以加入 z 軸資訊，但一般攝影機取得的深度主要來自模型估測，仍然可能產生誤差。
所以目前也不能直接把某個座標的變化，完全等同於真實的骨盆旋轉角度。

第三個限制：每個人的身體條件都不一樣。
即使是同一個復健動作，不同使用者能完成的幅度也可能不同。
因此，系統不能只靠一組固定數值，就認定所有人的動作一定正確或錯誤。
未來仍然需要參考專業資料、實際測試，必要時也需要物理治療師協助確認判斷標準。

所以整理到這裡，我也重新釐清了這個專題的定位。
我們希望做的不是：「讓 AI 取代物理治療師。」
而是希望透過一般攝影機，協助使用者在居家進行復健動作時，觀察自己比較不容易注意到的姿勢變化。
例如：
「膝蓋打開時，骨盆是不是也跟著移動了？」
「這一次的動作幅度，和前幾次相比有沒有差異？」
「今天哪些動作比較常出現需要提醒的情況？」
讓系統成為居家復健過程中的輔助工具，而不是直接替使用者做醫療判斷。