在穿戴式裝置的健身追蹤功能中，GPS 定位的精準度是衡量產品品質的核心指標。無論是跑步、登山還是騎行，使用者都希望記錄下真實的運動路徑。然而，對於智慧手錶而言，實現高精度定位面臨著巨大的物理挑戰。根據 Google 官方部落格的技術分享，Pixel Watch 5 透過結合 AI 演算法、全球 3D 建築模型以及創新的數據處理流程，大幅提升了在複雜環境下的路徑追蹤能力。
GPS 定位的基本原理是測量衛星無線訊號到達裝置所需的時間，並以光速計算距離，最後透過多顆衛星的數據交會來鎖定位置。但在現實世界中，這個過程會受到大氣條件、衛星誤差以及周圍環境的嚴重干擾。特別是在城市環境中，訊號經常會被高樓大廈反射，產生所謂的多路徑效應，導致裝置接收到的訊號路徑被拉長，使得定位結果在地圖上出現跳躍或偏移，嚴重影響運動數據的真實性。
為了克服這些問題，Google 的精準定位團隊將其在其他 Alphabet 產品中開發的解決方案移植到 Pixel Watch 5 上。首先，團隊利用 Google 地圖擁有的全球 3D 建築模型，讓系統能夠感知使用者周圍的建築物分佈。透過 AI 演算法，系統可以識別哪些訊號是直接來自衛星，而哪些是經過建築物反射的錯誤訊號，進而剔除干擾並修正位置。此外，Google 還利用遍布全球的 GPS 參考站網路，即時監測並補償由大氣層引起的訊號偏差與衛星本身的誤差，確保基礎數據的純淨度。
然而，將這些複雜的修正機制放入體積微小的智慧手錶中，面臨著硬體限制的嚴峻挑戰。第一是天線尺寸限制，手錶的小天線難以像專業導航設備那樣接收強大的訊號；第二是電力限制，高精度的定位運算需要處理大量數據，若全部在裝置端完成，將會迅速耗盡電池。
針對電力與運算能力的矛盾，工程團隊採取了數據壓縮與外部處理的策略。Pixel Watch 5 並非在手錶端進行所有繁重的修正運算，而是將原始的 GPS 數據進行高效壓縮後，傳送到伺服器端進行後處理與校正，最後再將精確的路徑回傳至 Google Health 應用程式的後端。這種設計讓手錶在維持高精度追蹤的同時，不需要犧牲電池續航力。
為了驗證這套方案的實效，Google 進行了超過 4,000 英里的實地測試，涵蓋開闊地、林蔭道以及高密度城市區。測試人員同時佩戴多款競品手錶，並背負一個配備巨大天線的特殊背包以獲取基準真值（Ground Truth，即測試者實際走過的最精確路徑）。測試結果顯示，Pixel Watch 5 的路徑追蹤表現優於 Apple Watch Ultra 3 與 Garmin Fenix 8 Pro，其記錄的路徑與基準真值高度重合，證明了 AI 修正與伺服器端處理的有效性。
這項技術的實務意義在於，它將專業級的定位精度帶入了日常消費級的穿戴裝置中，讓使用者在城市叢林中運動時，不再受限於建築物造成的訊號漂移。雖然這種依賴伺服器端處理的模式在某些離線場景可能存在限制，但在大多數連網的運動場景下，它成功地在硬體尺寸、電池壽命與定位精度這三者之間取得了平衡。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。