HƯỚNG DẪN AI trực quan

Cách kiểm tra mẫu bài tập của bạn bằng AI

Ứng dụng kiểm tra hình thức AI sử dụng ước tính tư thế: mô hình thị giác máy tính tìm các điểm như vai, hông, đầu gối và mắt cá chân của bạn trong mỗi khung hình video và đo các góc khớp để đánh giá những thứ như độ sâu squat, nhịp độ và tính đối xứng.

Nghe hướng dẫn nàyAI thuật lại · ~3 min

Trên trang nàyđọc 4 phút
  1. Tổng quan
  2. Lặn sâu
  3. Triển khai trong thế giới thực
  4. Tương lai của cách kiểm tra mẫu bài tập của bạn bằng AI
  5. Đưa nó vào thực tế
  6. Tiếp tục khám phá
  7. Câu hỏi thường gặp

Tổng quan

Họ đưa ra những phản hồi hữu ích, ít tốn kém về những lỗi hiển nhiên. Nhưng một camera duy nhất bỏ sót độ sâu, vị trí cột sống và hệ thống giằng, do đó, cơn đau, phục hồi chức năng hoặc nâng vật nặng vẫn cần đến huấn luyện viên hoặc nhà trị liệu vật lý có trình độ.

Lặn sâu

Ước tính tư thế là công nghệ cốt lõi. Mạng nơ-ron xem xét từng khung hình video và xuất ra tọa độ cho các điểm mốc của nội dung, được gọi là điểm chính. OpenPose, được phát hành bởi các nhà nghiên cứu của Carnegie Mellon vào năm 2017, đã cung cấp rộng rãi khả năng ước tính tư thế của nhiều người theo thời gian thực. MediaPipe Pose của Google theo dõi 33 mốc và MoveNet dự đoán 17 điểm chính ở định dạng COCO phổ biến. Khung Tầm nhìn của Apple cũng bao gồm tính năng phát hiện tư thế cơ thể. Ứng dụng biểu mẫu được xây dựng dựa trên các mô hình như thế này. Họ kết nối các điểm chính thành một hình que, tính toán các góc ở đầu gối, hông và khuỷu tay, đồng thời so sánh chúng với các ngưỡng, chẳng hạn như liệu hông có hạ xuống dưới đầu gối hay không. Điều này hoạt động tốt đối với những thứ mà máy ảnh có thể nhìn thấy rõ ràng: độ sâu squat từ bên cạnh, số lần lặp lại, nhịp độ, sự khác biệt trái phải và các lỗi lớn như chống đẩy nửa phạm vi. Nó hoạt động kém cho người khác. Một camera duy nhất tạo ra hình ảnh phẳng, do đó khó đo được chuyển động hướng tới hoặc ra xa ống kính. Đầu gối hướng vào trong gần như không thể nhìn thấy được từ bên cạnh, trong khi độ sâu khó có thể đánh giá được từ phía trước. Những thay đổi nhỏ về vị trí cột sống, tư thế chống đỡ, nhịp thở, áp lực qua bàn chân và khả năng cầm nắm hầu như không thể nhìn thấy được. Đường dẫn thanh cần theo dõi đối tượng riêng biệt. Quần áo rộng thùng thình, giá ngồi xổm hoặc các tấm chắn tầm nhìn, ánh sáng kém và chuyển động nhanh đều khiến các điểm chính kém chính xác hơn. Quan niệm sai lầm chính là ứng dụng có nội dung 'hình thức tốt' có nghĩa là thang máy an toàn. Các ngưỡng này là chung chung và cơ thể mỗi người là khác nhau. Một người tập tạ có xương đùi dài có thể cần nghiêng người về phía trước nhiều hơn để squat tốt và khả năng di chuyển của mắt cá chân sẽ thay đổi hiệu quả. Ứng dụng không biết tiền sử chấn thương của bạn hoặc cảm giác nặng nề như thế nào. Để có kết quả tốt hơn, hãy đặt máy ảnh trên một bề mặt ổn định ở độ cao ngang hông, giữ toàn bộ cơ thể bạn trong khung hình và quay phim từ bên cạnh và phía trước. Hãy gặp huấn luyện viên khi bạn cảm thấy đau, khi bạn đang tập nâng tạ nặng, trong quá trình phục hồi chức năng hoặc khi bạn không tiến bộ.

Triển khai trong thế giới thực

Một người nâng nhà quay phim ngồi xổm từ bên cạnh với điện thoại ở độ cao ngang hông. Ứng dụng báo cáo rằng hông của họ dừng lại trên mức đầu gối trong hầu hết các lần lặp lại, vì vậy họ cố gắng đạt được độ sâu với trọng lượng nhẹ hơn.

Ứng dụng dành cho người tập tạ cho biết động tác squat của họ trông ổn, nhưng khi họ quay phim từ phía trước, đầu gối của họ rõ ràng bị lõm vào trong. Đó là một vấn đề mà chế độ xem bên không thể hiển thị.

Người mới bắt đầu sử dụng bộ đếm số lần của ứng dụng trong khi chống đẩy và nhận thấy ứng dụng này bỏ lỡ số lần khi chiếc áo hoodie rộng che đi khuỷu tay của họ. Họ chuyển sang một chiếc mui vừa vặn và ánh sáng tốt hơn.

Một người trở lại sau chấn thương lưng sử dụng ứng dụng để đếm số lần lặp lại giữa các lần vật lý trị liệu. Họ để nhà trị liệu chứ không phải ứng dụng quyết định thời điểm tăng cân.

Tương lai của cách kiểm tra mẫu bài tập của bạn bằng AI

Các mô hình tạo dáng ngày càng chính xác và hiệu quả hơn để chạy trên điện thoại và việc kết hợp video với các dữ liệu khác, chẳng hạn như cảm biến độ sâu hoặc cảm biến chuyển động có thể đeo, có thể giúp ích cho những gì mà một camera đơn lẻ không thể nhìn thấy. Vẫn cần có bằng chứng tốt hơn về việc phản hồi của ứng dụng có thực sự làm giảm chấn thương hay cải thiện kỹ thuật hay không. Thật hợp lý khi mong đợi các ứng dụng xử lý được nhiều bài tập hơn và giải thích phản hồi của họ rõ ràng hơn. Sẽ ít hợp lý hơn nếu mong đợi họ thay thế một chuyên gia đã qua đào tạo, người có thể theo dõi chuyển động của bạn từ mọi góc độ, hỏi thăm về cơn đau và điều chỉnh kế hoạch.

Đưa nó vào thực tế

Tại sao nó quan trọng

  • Tốc độ và tỷ lệ. Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
  • Xây dựng lựa chọn. Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
  • Nhóm và quy trình làm việc. Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.

coi chừng

  • Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
  • Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
  • Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.

Các bước tiếp theo

  1. Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
  2. Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
  3. Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
  4. Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.

Tiếp tục khám phá

Bản tin miễn phí

Nhận bản tóm tắt AI hàng ngày

Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.

Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.

Tự kiểm tra

Take the How to Check Your Exercise Form With AI quiz

Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.

Bắt đầu bài kiểm tra

Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp

Câu hỏi thường gặp

Làm cách nào để kiểm tra mẫu bài tập của bạn bằng AI?

Ứng dụng kiểm tra hình thức AI sử dụng ước tính tư thế: mô hình thị giác máy tính tìm các điểm như vai, hông, đầu gối và mắt cá chân của bạn trong mỗi khung hình video và đo các góc khớp để đánh giá những thứ như độ sâu squat, nhịp độ và tính đối xứng. Họ đưa ra những phản hồi hữu ích, ít tốn kém về những lỗi hiển nhiên. Nhưng một camera duy nhất bỏ sót độ sâu, vị trí cột sống và hệ thống giằng, do đó, cơn đau, phục hồi chức năng hoặc nâng vật nặng vẫn cần đến huấn luyện viên hoặc nhà trị liệu vật lý có trình độ.

Mô hình ước tính tư thế đưa ra kết quả gì cho mỗi khung hình video?

Người mẫu tạo dáng tìm các điểm chính như vai, hông, đầu gối và mắt cá chân. Sau đó, ứng dụng sẽ kết nối chúng và đo góc.

Theo hướng dẫn, MediaPipe Pose của Google theo dõi bao nhiêu điểm mốc?

MediaPipe Pose theo dõi 33 cột mốc. MoveNet dự đoán 17 điểm chính ở định dạng COCO.

Tại sao một ứng dụng quay phim từ bên cạnh lại có thể khiến đầu gối bị lõm vào trong?

Một camera duy nhất cho hình ảnh phẳng nên khó có thể nhìn thấy chuyển động về phía hoặc ra khỏi ống kính. Cần có một cái nhìn phía trước.

Hướng dẫn cho biết vấn đề nào hầu như không thể nhìn thấy được đối với ứng dụng một camera?

Các yếu tố bên trong như giằng, nhịp thở và áp lực của bàn chân, cùng với những thay đổi nhỏ về vị trí cột sống, không thể nhìn thấy một cách đáng tin cậy trong các điểm chính của video.

Tại sao hướng dẫn lại nói 'hình thức tốt' từ một ứng dụng không đảm bảo an toàn?

Các ngưỡng chung không thể tính đến từng cơ thể, tiền sử chấn thương hoặc cảm giác nặng nề như thế nào.