Trener AI korzystający z kamery telefonu: jak aplikacja rozpoznaje przysiady i pompki, liczy powtórzenia oraz ocenia technikę bez smartwatcha i dodatkowych czujników

Telefon ustawiony dwa metry od maty potrafi dziś zrobić coś, do czego jeszcze niedawno potrzebny był zegarek sportowy, czujnik ruchu albo trener stojący obok. Kamera śledzi położenie barków, łokci, bioder, kolan i kostek, aplikacja rozpoznaje kolejne fazy ruchu, a licznik zmienia się dopiero wtedy, gdy użytkownik wykona ustalony zakres powtórzenia. W bardziej rozbudowanych programach na ekranie pojawia się również ocena techniki, komunikat o zbyt płytkim przysiadzie albo ostrzeżenie, że podczas pompki biodra zaczynają opadać.

Nie oznacza to jednak, że smartfon stał się cyfrowym fizjoterapeutą. Kamera widzi ciało z jednego punktu, nie mierzy siły nacisku stopy na podłoże, napięcia mięśni ani rzeczywistego obciążenia stawu. Potrafi za to bardzo dobrze wychwytywać powtarzalne zmiany pozycji. Przy pompkach i przysiadach to często wystarcza, żeby automatycznie liczyć powtórzenia i pilnować podstawowych kryteriów ruchu.

W praktyce jakość działania zależy od trzech rzeczy: algorytmu, ustawienia telefonu i tego, jakie warunki twórcy aplikacji przyjęli jako „poprawne powtórzenie”. Ostatni punkt jest najważniejszy. Dwie aplikacje patrzące na ten sam przysiad mogą pokazać inny wynik — i obie mogą działać zgodnie ze swoim kodem.

Kamera nie rozpoznaje ćwiczenia. Najpierw buduje cyfrowy szkielet

Podstawą większości takich aplikacji jest pose estimation, czyli estymacja pozycji ciała na kolejnych klatkach obrazu. Popularne rozwiązania programistyczne, takie jak Google ML Kit czy MediaPipe, potrafią wyznaczać 33 charakterystyczne punkty ciała: między innymi barki, łokcie, nadgarstki, biodra, kolana, kostki, pięty i palce stóp.

Nie są potrzebne markery przyklejane do ubrania. Model analizuje zwykły obraz RGB z przedniej albo tylnej kamery i zwraca współrzędne punktów wraz z informacją, jak pewne jest ich wykrycie.

Dopiero na tych danych aplikacja wykonuje właściwą pracę. Dla przysiadu może na przykład analizować:

• kąt w kolanie,

• relację biodra do kolana,

• pochylenie tułowia,

• pozycję kolan względem stóp,

• różnicę między lewą i prawą stroną,

• tempo opuszczania i wstawania.

Przy pompce interesują ją przede wszystkim barki, łokcie, nadgarstki, biodra i kostki. Z ich położenia można wyliczyć między innymi kąt zgięcia łokcia oraz sprawdzić, czy barki, biodra i nogi pozostają mniej więcej w jednej linii.

Sam model pozy nie mówi jeszcze: „to było jedno powtórzenie”. Do tego potrzebna jest logika ćwiczenia.

Najprostszy licznik pracuje jak automat z kilkoma stanami. Dla przysiadu może wyglądać to tak:

1. użytkownik stoi — pozycja początkowa,

2. kąt kolana zaczyna się zmniejszać — faza zejścia,

3. biodra osiągają wymagany poziom — dolna pozycja,

4. użytkownik wraca do wyprostu — faza wstawania,

5. dopiero po ponownym osiągnięciu pozycji początkowej licznik dodaje +1.

To ważne, ponieważ liczenie wyłącznie przecięcia jednego progu powodowałoby błędy. Gdy użytkownik zatrzyma się na dole i lekko kołysze, system mógłby nabić kilka powtórzeń. Dlatego stosuje się między innymi histerezę, minimalny czas fazy ruchu i kolejne progi kątowe.

Podobnie działa pompka. Aplikacja może wymagać zarówno odpowiedniego zejścia, jak i ponownego wyprostu łokci. Jeśli użytkownik zrobi pięć płytkich ruchów w połowie zakresu, bardziej rygorystyczny program pokaże zero albo oznaczy je jako niepełne.

Na rynku są już aplikacje, które robią dokładnie to bez dodatkowej elektroniki. RepCounta wykorzystuje kamerę iPhone’a do liczenia pompek, przysiadów i pajacyków, pozwalając dodatkowo ustawić poziom rygorystyczności oceny. Neon Pose na Androidzie analizuje między innymi przysiady, pompki i brzuszki oraz wystawia wynik techniki w skali 0–100. Form Coach obsługuje kilkadziesiąt ćwiczeń i potrafi podawać komunikaty głosowe podczas ruchu. Są też rozwiązania takie jak Setshot czy KeplerFit, które deklarują przetwarzanie obrazu bezpośrednio na urządzeniu.

Największy plus takiego podejścia jest oczywisty: nie trzeba mieć Apple Watcha, Garmina, opaski ani czujników Bluetooth. Potrzebny jest telefon, miejsce na ustawienie urządzenia i wystarczająco szeroki kadr.

Jest też wada, którą zauważa się po pierwszym treningu: telefon musi gdzieś stać. Oparcie go o bidon albo książkę działa awaryjnie, ale przy pompkach właściwy kąt kamery znajduje się często bardzo nisko. Mały statyw za około 30–80 zł usuwa więcej problemów z pomiarem niż zmiana aplikacji na droższą.

Liczenie powtórzeń jest łatwiejsze niż uczciwa ocena techniki

Automatyczne liczenie serii potrafi działać bardzo dobrze, jeżeli ćwiczenie ma wyraźne fazy. Przysiad, pompka, wykrok, brzuszek czy pajacyk są pod tym względem znacznie wdzięczniejsze niż ruchy wykonywane na maszynach albo ćwiczenia, w których różnica między dobrą i złą techniką zależy od niewielkiej rotacji stawu.

Najpierw trzeba więc rozdzielić dwie funkcje:

liczenie powtórzeń odpowiada na pytanie: czy ciało przeszło przez określoną sekwencję pozycji?

ocena techniki próbuje odpowiedzieć: czy zrobiło to zgodnie z przyjętym wzorcem?

Pierwsze zadanie jest stosunkowo jednoznaczne. Drugie już nie.

Przy przysiadzie aplikacja może uznać, że poprawna głębokość została osiągnięta, gdy biodro znajdzie się odpowiednio nisko względem kolana. Może również analizować pochylenie tułowia i asymetrię. Nie wie jednak, czy pięta właśnie zaczyna tracić kontakt z podłogą, jeżeli zasłania ją talerz, mebel albo druga noga. Z jednej kamery trudno też wiarygodnie ocenić wszystkie rotacje stawu biodrowego i kolanowego.

Przy pompce łatwo natomiast wykryć kilka typowych problemów:

• niepełny zakres ruchu,

• brak odpowiedniego wyprostu,

• opadanie bioder,

• nadmierne uniesienie bioder,

• wyraźną asymetrię stron.

Znacznie trudniej stwierdzić, czy konkretny tor łokci jest optymalny dla danego użytkownika albo czy pojawiające się ustawienie barku rzeczywiście zwiększa ryzyko urazu. Takiego wniosku nie powinno się wyciągać tylko z obrazu ze smartfona.

Dlatego wynik w rodzaju 82/100 za technikę trzeba traktować jak wynik zgodności z algorytmicznym wzorcem, a nie ocenę medyczną. Neon Pose buduje swoją punktację między innymi na zakresie ruchu, stabilności, postawie i symetrii. To przydatne do porównywania kolejnych treningów, ale liczba 90 nie oznacza automatycznie, że ruch jest biomechanicznie idealny.

Tu właśnie aplikacje mają tendencję do przesady marketingowej. Kamera 2D nie zamienia telefonu w laboratorium analizy ruchu. System może szacować przestrzenne położenie punktów, ale nie dysponuje tym samym pomiarem co wielokamerowy system motion capture, platformy dynamometryczne i czujniki używane w biomechanice.

Dobry sposób korzystania z funkcji „AI form coach” jest więc prosty: szukać powtarzalnego błędu, a nie polować na idealne 100 punktów. Jeśli podczas pięciu kolejnych serii program konsekwentnie sygnalizuje zbyt małą głębokość przysiadu, warto sprawdzić nagranie i ustawienie. Jeżeli ocena skacze od 45 do 95 bez widocznej zmiany ruchu, problemem może być kamera, oświetlenie albo sam algorytm.

Na dokładność mocno wpływa również liczba klatek i jakość obrazu. Google dla ML Kit zaleca obraz co najmniej 480 × 360 pikseli. Sam model został przygotowany do działania w czasie rzeczywistym; w dokumentacji Google bazowy detektor osiągał około 30 kl./s na Pixelu 4 i około 45 kl./s na iPhonie X. Współczesny telefon ma więc zwykle wystarczającą wydajność. Znacznie częściej przeszkadza źle ustawiony kadr niż za słaby procesor.

Jak ustawić telefon, żeby aplikacja nie gubiła przysiadów i pompek

Pierwszą rzeczą, którą poprawiłbym przed zmianą programu albo wykupieniem abonamentu, jest ustawienie kamery. Jeżeli algorytm nie widzi stawu, którego potrzebuje do obliczenia kąta, żadna sztuczna inteligencja nie odtworzy wiarygodnie tego, co przez pół serii znajduje się poza kadrem.

Dla przysiadu najlepiej zacząć od ustawienia telefonu z boku albo lekko pod kątem, mniej więcej na wysokości biodra lub nieco niżej. W kadrze powinny znajdować się całe stopy, kolana, biodra, barki i głowa. Zależnie od szerokości obiektywu oznacza to zwykle odsunięcie telefonu o około 1,5–3 m.

Widok z przodu dobrze pokazuje symetrię, ale gorzej nadaje się do oceny głębokości. Jeżeli aplikacja ma przede wszystkim pilnować zejścia w dół, bok jest zwykle bezpieczniejszym wyborem.

Przy pompkach telefon powinien stać nisko i z boku. Kamera ustawiona wysoko na biurku może widzieć barki, ale zgubić nadgarstki albo zmniejszyć pozorną zmianę kąta łokcia. Cała sylwetka od dłoni do stóp powinna pozostawać widoczna przez całe powtórzenie.

Przed właściwą serią warto zrobić trzy testowe ruchy. Jeżeli szkielet wyświetlany na ekranie:

• przeskakuje między lewą i prawą kończyną,

• gubi kolano,

• przenosi punkt kostki na podłogę,

• znika w dolnej fazie ruchu,

nie ma sensu zaczynać serii. Trzeba poprawić kadr.

Drugim krytycznym elementem jest światło. Jasne okno bezpośrednio za ćwiczącym jest złym ustawieniem, ponieważ telefon widzi wtedy głównie ciemną sylwetkę. Lepiej stanąć przodem lub bokiem do źródła światła. Pomaga też kontrast między ubraniem i tłem. Czarne spodnie na tle czarnej kanapy nie są idealnym materiałem dla detektora pozy.

Trzecia rzecz to zasłanianie stawów. Przy przysiadach problemem bywają dłonie trzymane przed kolanami, luźne ubrania i ćwiczenie tuż przy meblach. Przy pompkach — bardzo wąski kadr oraz przedmioty stojące między użytkownikiem i telefonem.

Nie trzeba natomiast nagrywać treningu w 4K. Dla detekcji ruchu ważniejsze są stabilny obraz, widoczna sylwetka i regularny strumień klatek. Wyższa rozdzielczość może tylko zwiększać obciążenie urządzenia i zużycie baterii.

Kwestia baterii jest zresztą jedną z realnych niedogodności. Stałe używanie kamery oraz modeli uczenia maszynowego potrafi wyraźnie rozgrzać telefon. Przy krótkiej 20–30-minutowej sesji zwykle nie jest to problemem, ale godzinny trening z aktywną kamerą i nagrywaniem wideo zużyje znacznie więcej energii niż zwykły licznik ćwiczeń.

Przed wyborem aplikacji sprawdziłbym jeszcze cztery rzeczy.

Po pierwsze: czy analiza odbywa się na telefonie, czy materiał jest wysyłany na serwer. RepCounta, Setshot czy część podobnych rozwiązań deklarują analizę lokalną. To korzystniejsze z punktu widzenia prywatności i pozwala pracować bez internetu. Jeżeli aplikacja przechowuje nagrania w chmurze, trzeba sprawdzić zasady przetwarzania i usuwania danych — szczególnie w realiach RODO.

Po drugie: czy program pozwala ręcznie poprawić liczbę powtórzeń. To niepozorna funkcja, ale bardzo praktyczna. Detektor w końcu zgubi powtórzenie, ktoś przejdzie przed kamerą albo użytkownik wyjdzie częściowo z kadru.

Po trzecie: ile ćwiczeń faktycznie korzysta z analizy kamery. Lista „500 ćwiczeń w aplikacji” nie musi oznaczać 500 ruchów obsługiwanych przez ten sam, równie dokładny model.

Po czwarte: ile kosztuje funkcja AI po okresie próbnym. Na polskim App Store Zing AI oferuje zakupy Premium w różnych wariantach mniej więcej od 99,99 do 299,99 zł, a dodatkowy raport Body Scan jest wyceniany na 99,99 zł. Jednocześnie istnieją prostsze aplikacje dostępne bez opłaty na start lub z zakupami opcjonalnymi. Do samego liczenia pompek i przysiadów abonament za kilkaset złotych rocznie nie jest konieczny.

Płaciłbym dopiero wtedy, gdy program oprócz licznika daje coś, z czego rzeczywiście będę korzystał: historię serii, sensowną analizę zakresu ruchu, eksport danych, planowanie treningów albo dobrze działające wskazówki głosowe. Sam licznik powtórzeń nie uzasadnia wysokiego abonamentu.

FAQ: trener AI z kamerą telefonu

Czy telefon naprawdę potrafi policzyć pompki bez smartwatcha?
Tak. Kamera śledzi położenie między innymi barków, łokci i bioder, a aplikacja wykrywa kolejne fazy pompki. Zegarek i czujniki ruchu nie są do tego potrzebne.

Czy aplikacja rozpozna niepełny przysiad?
Może go rozpoznać, jeżeli ma zdefiniowane kryterium głębokości i dobrze widzi biodra oraz kolana. Poszczególne programy stosują jednak różne progi, dlatego ten sam ruch nie zawsze zostanie oceniony identycznie.

Gdzie ustawić telefon podczas pompek?
Najlepiej nisko, z boku i w takiej odległości, aby w kadrze były dłonie, barki, biodra oraz stopy. W typowym pokoju oznacza to około 1,5–3 m, zależnie od obiektywu.

Czy ocena 90/100 oznacza prawidłową technikę?
Nie. Oznacza wysoką zgodność z kryteriami zapisanymi w danej aplikacji. Kamera nie mierzy sił działających na stawy ani aktywności mięśni, dlatego taki wynik nie zastępuje oceny trenera lub fizjoterapeuty.

Czy aplikacja musi wysyłać obraz do internetu?
Nie. Część programów wykonuje pose estimation bezpośrednio na telefonie i nie wysyła filmu do chmury. Przy wyborze aplikacji to jeden z pierwszych parametrów, które należy sprawdzić.

Czy potrzebny jest drogi telefon?
Nie do prostego liczenia przysiadów i pompek. Modele pose estimation działają w czasie rzeczywistym także na kilkuletnich urządzeniach. Większym problemem od procesora jest zwykle słabe światło albo sylwetka wychodząca poza kadr.

Co zrobić, jeśli aplikacja źle liczy powtórzenia?
Najpierw poprawić ustawienie telefonu, a nie zmieniać algorytm ani poziom trudności. Całe ciało powinno być widoczne, kamera stabilna, a światło padać na ćwiczącego. Dopiero gdy trzy–pięć próbnych powtórzeń nadal jest liczonych źle, warto zmienić pozycję kamery lub aplikację.

Czy taki trener nadaje się do rehabilitacji?
Zwykłej aplikacji fitness nie należy traktować jak narzędzia diagnostycznego. Przy rehabilitacji, bólu albo powrocie po urazie priorytetem jest plan ustalony przez lekarza lub fizjoterapeutę; kamera może wtedy pełnić co najwyżej funkcję pomocniczą.

Jeżeli ktoś chce zacząć korzystać z takiego rozwiązania, nie powinien zaczynać od abonamentu ani katalogu funkcji. Najpierw należy wybrać jedno proste ćwiczenie — najlepiej przysiad lub pompkę, ustawić telefon tak, żeby aplikacja stabilnie widziała wszystkie potrzebne stawy, i wykonać serię dziesięciu kontrolowanych powtórzeń. Jeśli licznik trafia 9–10 razy, a komunikaty o technice pokrywają się z tym, co widać na nagraniu, system ma praktyczną wartość. Jeśli gubi co trzecie powtórzenie, pierwszym podejrzanym powinien być kadr. Dopiero później algorytm.