〈工業技術與資訊〉科技讓健身更智慧

(圖:工業技術與資訊月刊)
(圖:工業技術與資訊月刊)

撰文/林玉圓

研究機構 Research And Markets 的 2021 年全球運動市場報告指出,儘管遭受疫情衝擊,2021 年全球運動市場產值仍將成長 13.5%,從 2020 年的 3,882.8 億美元,增至今年的 4,407.7 億美元,主要驅動力量是運動相關產業積極調整方向,努力從疫情中復甦。預計到 2025 年,全球運動產值將逼近 6,000 億美元,年複合成長率 8%。

面對疫情期間社交距離的限制,居家及戶外運動成為主流,各式科技輔助運動,在疫情期間大受歡迎,例如訂閱制教練服務、線上課程、虛擬運動社群等。為協助臺灣產業搶攻疫後運動商機,創造全新市場,工研院整合院內研發成果,切入運動科技領域,從場域應用及市場需求出發,打造出多項軟硬整合的運動科技,讓健身更智慧。

健身房軟硬體系統
健身房軟硬體系統
健身房軟硬體系統

健身風氣盛行,室內健身房導入的智慧科技林林總總,唯獨重量訓練區宛如科技沙漠,難以取得使用者數據。有鑑於此,工研院在既有重訓器材上加裝關鍵性感測功能模組,開發出一系列的健身房軟硬體,包括飛時測距(Time of Flight;ToF)智能重訓機台、智慧啞鈴、雲端運動平台,能夠感測、擷取完整的重訓資料,讓健身房為會員提供更細緻的服務。

研發團隊發現,健身者在自主訓練時,因無教練在旁,往往無法維持動作節奏、甚至完成次數,尤其進入訓練後半段,體能十分疲勞時,更無暇顧及訓練的質與量。透過智慧健身房軟硬體系列技術,即使教練不在場,也能確實提醒訓練強度及次數,讓使用者能夠專注訓練,不必分神記錄,充份掌握運動進度。

健身房軟硬體系統中的 ToF 智能重訓機台,整合紅外線測距模組,將現有重訓機台變身物聯網裝置,智慧啞鈴則是在啞鈴上加裝慣性感測器(IMU),兩者皆能完整記錄運動歷程,包括訓練重量、離心與向心動作時間、功率、疲勞偵測等,並自動記錄訓練次數、組數及時間,無須人工計算。

健身房軟硬體系統也涵蓋了雲端運動平台,由於「最大肌力計量量測(1RM)」與「重訓代謝當量」,是重訓兩項重要的數據,透過雲端運動平台分析使用者操作時的速度、加速度、重量等資訊進行數據加值。1RM 獲得個人當下最大肌力,以便根據個人需求安排適合的訓練菜單;重訓代謝當量以清晰簡單的方式呈現,有助於了解訓練過程消耗的能量,並進一步提供個人訓練建議、飲食及營養處方等。

PoseFit 肌能檢測鏡

一般人在從事運動時,經常有某些特定動作無法確實做到,這往往是因為筋膜和肌肉牽引骨架時,施力肌群異常所致。為了解決這個問題,工研院運用視覺辨識技術,開發出「PoseFit 肌能檢測鏡」,使用者在執行動作的當下,即可同步進行骨架分析,依照動作完成度的不同,來判定肌群與筋膜的問題,並提供適當處方,例如必須強化哪些肌肉、又必須針對哪些過於緊繃的肌群來進行放鬆。

肌能檢測鏡在發想之初,研發團隊便前往各處健身房實地觀察,同時訪談多次擔任國家代表隊隨隊醫生、擁有豐富臨床經驗的國立體育大學教授張曉昀,最後決定以美國職業賽事採用的「功能性檢測」(FMS)方案為基礎,再輔以視覺辨識技術來進行檢測。

PoseFit 肌能檢測鏡已開發出不同場域的應用版本,例如健身版、銀髮高齡版等,使用者只要站在肌能檢測鏡前開始運動,透過視覺辨識及智慧分析,就能了解肌群使用狀況,提供對症下藥的改善處方。這個裝置也可協助教練或指導人員記錄歷次檢測結果,便於比對運動或復健的短、中、長期成效。

市面上類似的解決方案,多僅能檢視動作是否正確,完成度如何,PoseFit 肌能檢測鏡還能進一步提出改善之道,指引合適訓練方式。例如:若發現使用者大腿前側的四頭股無力,會給予提示,引導使用者至鍛鍊四頭肌的健身機台進行訓練。此外,透過 PoseFit 的一站式檢測,個人肌能歷史記錄可清楚完整呈現。該技術適合的場域包括健身房、居家個人檢測、銀髮長照中心、專項訓練中心、職業運動隊伍等。

視覺騎乘肢體動作分析系統
視覺騎乘肢體動作分析系統
視覺騎乘肢體動作分析系統

熱愛自行車運動者常因姿勢不正確,影響騎乘速度、騎乘距離,甚至造成運動傷害,從此與自行車運動絕緣。而姿勢正不正確,除了與騎士自身習慣有關外,車架與騎士身形的搭配,更是關鍵,怎麼樣才能騎得快、騎得遠、騎得更健康,需要科技來幫忙。

工研院研發團隊在拜訪臺中大甲自行車訓練中心時發現,騎乘動作是否正確,對於騎乘效率有極大的影響。尤其車架的選擇或調整,一旦不夠精準,很可能導致騎士受傷。然而,過去大多透過人工量測及個人經驗來選擇車架,或判斷如何調整車架,這中間經常存在許多誤差。尤其人體動作精巧複雜,在車架調整過程中,只要有一項指標改變,就會連動影響其他數據,單純以人力來操作,至少需兩個小時,還得等待使用者試騎一段時間後,再進行二次調整,相當不便。

為了提供自行車愛好者更簡便的騎乘動作量測系統、節省調整車架的時間和繁瑣流程,同時記錄調校過程的變化,工研院開發出專供自行車使用的「視覺騎乘肢體動作分析系統」,串連多鏡頭的視覺資訊,於騎乘時進行骨架分析,藉此產出精準的動態與靜態人因資訊,並結合 AI 來提高辨識精準度及速度。

經過實測,該系統可大幅縮短挑選或調整車架的時間及人力,並提供數位化解決方案;例如在量測過程中,可記錄使用者最偏好的幾個尺寸,做為未來使用的參考。此系統也導入視覺資訊融合技術,能夠獲取更精準的 3D 空間座標,讓現場量測距離得以縮短至一半,將可提供高階自行車客製化調校使用,減少人員負擔之際,提升客戶滿意度。

個人化智慧高爾夫分析系統
個人化智慧高爾夫分析系統
個人化智慧高爾夫分析系統

目前市面上的高爾夫球分析軟體,要價昂貴,動輒數十萬甚至百萬元,僅專業教學機構或少數頂級客群能負擔。對廣大的高爾夫球愛好者而言,市面上並無經濟實惠的輔助系統,來加強高爾夫球的學習訓練並做歷程紀錄。

工研院研發團隊累積多項技術開發經驗,例如 AI 骨架辨識、肌電訊號偵測分析、身體動態平衡、腦電圖(EEG)專注力腦波模型等等,在與體育署溝通運動科技的開發方向時,因緣際會結識中華民國高爾夫協會國家隊總教練張傑明。張教練為年輕一代的高球選手及教練,十分認同將科技導入高爾夫球運動,不只用於精進選手技巧,也應擴大至基層推廣。

另一方面,高爾夫球受體型、體能影響小,東方人於此一領域也能有傑出表現,因此工研院結合 AI 技術,開發出新手也適用的智慧化分析功能、個人化分析及紀錄,讓此一系統擔任個人專屬教練,提供擊球、姿態建議、揮桿軌跡等各項參數分析。

「個人化智慧高爾夫分析系統」開發完成後,曾任 PGA 教練、紐西蘭國家隊、拿下 NEC 名人賽冠軍的楊凱宇表示,科技工具必須建立在身體運作機制,尤其是高爾夫球,不能以主觀的標準完美動作來進行比較;該系統藉由個人化動作的分析,提供客製化建議,是較為理想的作法,有助提升學習效果。

未來該系統除可作為球場或練習場的加值服務,也能成為個人學習工具,進一步結合線上服務平台如 Golface APP,串接揮桿姿勢等多元分析;而這項技術也能延伸至其他運動領域的應用,如中高齡民眾的體適能分析等,守護民眾的健康福祉。

轉載自《工業技術與資訊》月刊第 356 期 2021 年 10 月號,未經授權不得轉載。


《工業技術與資訊》月刊 | 《工業技術與資訊》月刊

《工業技術與資訊》月刊,現為工研院發行之全院性對外出版品,刊物發行於1991年,目前每期發行數量約為6,000份;對象含括全國具研發單位的中小企業、立法委員、政府官員、媒體等。

延伸閱讀

coinpionex