〈工業技術與資訊〉科技讓健身更智慧

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

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

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。