TL;DR

  • 손목·팔꿈치·어깨와 발끝·뒤꿈치·발목의 각도를 시간에 따라 추적하면 완전한 인간 동작을 다룰 수 있는 데이터로 표현할 수 있음.
  • 웹캠 영상에서 포즈 추정 모델로 관절의 3차원 좌표를 추출하고 수학적으로 가공하면 동작 품질 분석에 필요한 정보를 얻을 수 있음.
  • 가공하지 않은 관절 데이터 행렬은 최첨단 대형 언어 모델(LLM)에도 지나치게 복잡하며, 모델 성능이 낮을수록 수학적 처리가 더 빈틈없어야 함.
  • Jabhook는 복싱 콤비네이션을 지시하고 관찰·분석·개선한 뒤 반복하는 부정 피드백 루프를 구현함.
  • Jabhook의 생체역학 알고리즘은 완벽한 자세와 사용자의 자세 사이 간격을 찾아 정확히 좁히는 방법을 설명함.

동작 분석을 위한 데이터 처리

  • 생물학은 복잡하지만 운동학은 반드시 복잡할 필요가 없으며, 손목·팔꿈치·어깨와 발끝·뒤꿈치·발목의 각도를 시간에 따라 기록하면 인간의 전체 동작을 포착할 수 있음.
  • 이 데이터는 읽고 처리할 수 있을 만큼 다루기 쉬운 규모임.
  • 초기 실험에서는 웹캠으로 턱걸이를 촬영하고, 영상을 모션 캡처용 포즈 추정 모델에 입력해 각 관절의 3차원 좌표를 생성함.
  • 원시 데이터를 최첨단 LLM에 입력하자 행렬이 지나치게 복잡했지만, 주요 근육군의 관절을 분리하고 최솟값·최댓값을 구하는 등 수학적으로 가공하자 동작 품질 분석에 꼭 필요한 정보를 얻음.
  • LLM의 피드백을 바탕으로 훈련한 결과 턱걸이 동작이 개선됨.
  • 모델의 성능이 낮을수록 복잡한 데이터에서 결론을 도출하는 능력이 낮으므로 수학적 처리가 더 빈틈없어야 함.

Jabhook의 복싱 피드백 루프

  • Jabhook는 이 접근법을 복싱용 부정 피드백 루프로 구현함: 콤비네이션 지시 → 콤비네이션 관찰 → 분석·개선 → 반복.
  • Jabhook의 생체역학 알고리즘은 비유적으로 완벽한 자세가 그려진 트레이싱지를 사용자 앞에 들어 보이는 방식임.
  • 알고리즘은 두 자세의 윤곽 사이 간격을 찾아내고 이를 정확히 좁히는 방법을 설명함.
  • 교육은 대부분 부정 피드백을 기반으로 하며, 교사는 훌륭하지만 근무 시간에 제약을 받음.
  • Jabhook의 피드백은 빠르고 구체적이며 실행 가능성이 높아 자세를 다듬음.