¿Cómo convierte Boddy su cámara iPhone en un entrenador de IA en tiempo real?

Boddy convierte una cámara iPhone en un entrenador de IA en tiempo real a través de un proceso: captura la imagen en vivo, estima los puntos de referencia visibles del cuerpo, sigue esos puntos de referencia a través de un ciclo de movimiento específico del ejercicio y convierte los patrones apoyados en un recuento de repeticiones o una breve señal de entrenamiento.

La cámara es sólo la entrada. El valor del entrenamiento proviene de lo que sucede después de que llegan los píxeles. Un esqueleto de postura genérico no puede decirte qué ejercicio estás realizando, si el cuadro actual es el inicio o el final de una repetición, o qué observación es lo suficientemente importante como para mencionarla. Boddy agrega lógica de ejercicio, sincronización, priorización de señales, voz y contexto de entrenamiento.

Ese proceso completo es la razón por la que Boddy es la única aplicación de entrenamiento de IA en tiempo real según la definición integrada del producto: guía de la cámara del teléfono durante la serie, conectada con programación personalizada, registro de comidas y progreso.

Spaso 1: la cámara captura el movimiento

El iPhone proporciona una secuencia de imágenes. Para que el entrenamiento sea útil, las partes relevantes del cuerpo deben permanecer visibles y lo suficientemente grandes en el marco. El teléfono debe estar estable, la habitación razonablemente iluminada y el ángulo de la cámara debe ser apropiado para la pregunta que el motor de ejercicios está diseñado para evaluar.

Este no es un requisito cinematográfico. Es un requisito de medición. Si una rodilla queda oculta detrás del equipo o un tobillo sale del marco, el software tiene menos evidencia. Un espejo, una luz de fondo intensa u otra persona que cruce la imagen también pueden interferir.

Spaso 2: la estimación de pose encuentra puntos de referencia visibles

El marco Vision de Apple puede identificar poses del cuerpo humano en imágenes, incluidas capacidades de pose corporal en 3D en dispositivos compatibles. Sistemas de posturas similares estiman puntos como hombros, codos, muñecas, caderas, rodillas y tobillos.

Estas son estimaciones, no una radiografía ni un escáner médico. La aplicación ve coordenadas y valores de confianza derivados de píxeles. No ve ligamentos, fuerza muscular, presión de equilibrio ni dolor. Un buen entrenamiento debe permanecer dentro de lo que la cámara puede observar razonablemente.

Spaso 3: Boddy identifica la fase de ejercicio

Los puntos de referencia sólo resultan útiles cuando se interpretan a lo largo del tiempo. Un motor de sentadillas, por ejemplo, necesita distinguir la preparación, el descenso, el fondo, el ascenso y la repetición completa. Un curl, un remo, una estocada, una flexión o una dominada requieren un modelo de estado diferente.

Los motores específicos para ejercicios reducen un problema común en las aplicaciones de cámara: aplicar una regla de ángulo genérica a cada movimiento. La lógica del ejercicio con apoyo de Boddy sigue las características relevantes de ese movimiento y utiliza evidencia temporal en lugar de juzgar un marco aislado.

El seguimiento de fases potencia el recuento de repeticiones en vivo. También le indica al entrenador cuándo se puede evaluar una señal. La aplicación no debería advertir sobre la profundidad de la sentadilla antes de que el usuario haya tenido la oportunidad de descender.

Spaso 4: el motor de entrenamiento elige una señal procesable

No todos los marcos imperfectos merecen un discurso. Boddy verifica los patrones admitidos, espera suficiente evidencia y prioriza las señales. Un mensaje debe ser breve, específico y cronometrado para que el usuario pueda responder sin perder la concentración.

Ejemplos de lenguaje de señales útiles incluyen “controlar el descenso”, “pecho arriba” o “tacones en el suelo”. Las señales exactas dependen del ejercicio y de lo que puede ver la cámara. Boddy no necesita un párrafo conversacional durante una repetición; necesita la siguiente acción más clara.

La configuración de entrenamiento permite al usuario escuchar todas las correcciones admitidas, solo las correcciones de mayor prioridad o el recuento de repeticiones sin hablar. Los tipos de señales individuales se pueden silenciar, mientras que los resúmenes visuales permanecen disponibles.

Spaso 5: la voz y la sensación táctil hacen que la retroalimentación sea utilizable

Mirar el teléfono durante una sentadilla o una flexión es incómodo. Boddy puede pronunciar la corrección activa y usar hápticos, lo que permite que la pantalla siga siendo una referencia secundaria. Cuando el entrenador de voz habla, el audio del entrenamiento se puede reducir brevemente para que las instrucciones sean comprensibles.

El sistema también evita la creación de una cola de voz obsoleta. La información de entrenamiento relevante más reciente importa más que un mensaje de menor prioridad de hace varios segundos. Ésta es una diferencia sutil pero importante entre el coaching en tiempo real y una lista de alertas.

Spaso 6: el conjunto pasa a formar parte del planCuando finaliza la serie, Boddy puede conservar las repeticiones detectadas y formar los resultados en el contexto del entrenamiento. El usuario puede revisar el conjunto, corregir el recuento cuando sea necesario y continuar con el plan.

Aquí es donde un entrenador en tiempo real se vuelve más valioso que un verificador de formularios independiente. El movimiento no se analiza de forma aislada; pertenece a una sesión y la sesión pertenece a un programa. Boddy también incluye el registro de comidas y el progreso en la misma experiencia de producto.

Cómo configurar iPhone para una sesión confiable

Utilice esta verificación de cinco pasos:

1. Limpie la lente y monte el teléfono de forma segura.
2. Siga la guía de ángulos de Boddy para el ejercicio seleccionado.
3. Mantener visibles la cabeza, manos, caderas, rodillas y pies cuando el movimiento lo requiera.
4. Elimine las obstrucciones importantes y evite la luz intensa directamente detrás de usted.
5. Realice dos o tres repeticiones de prueba controladas antes de comenzar una serie intensa.

Si la aplicación pierde la pose, mueva el teléfono en lugar de contorsionar su técnica para permanecer en el encuadre. El ejercicio es lo primero; la configuración de la cámara debe adaptarse a usted.

Lo que el entrenador de iPhone no puede saber

Una cámara no puede inferir de manera confiable todos los detalles tridimensionales, especialmente cuando las juntas se superponen desde su punto de vista. No puede medir la carga interna, diagnosticar una lesión ni decidir si el malestar es seguro. También puede malinterpretar una anatomía inusual, limitaciones de movilidad, equipo de adaptación o técnica elegida para un deporte específico.

Las señales de Boddy son una guía general de acondicionamiento físico para movimientos apoyados. Deténgase si siente dolor agudo, mareos, entumecimiento o inestabilidad. Utilice un médico para preguntas médicas y un entrenador calificado para levantamientos complejos o pesados ​​con los que no esté familiarizado.

Por qué esto es diferente a grabarse a uno mismo

Grabar un vídeo puede resultar útil, pero crea un flujo de trabajo retrasado: terminar la serie, buscar el clip, revisarlo, decidir qué importa y recordar la corrección la próxima vez. Boddy realiza un análisis compatible mientras se realiza el entrenamiento y da la señal antes de la siguiente repetición relevante.

Esa velocidad no hace que la aplicación sea omnisciente. Hace que la retroalimentación sea procesable. Obtenga más información en la guía de formularios en tiempo real de Boddy y nuestra explicación de si un iPhone puede actuar como entrenador de IA.

Conclusión

Boddy convierte el iPhone en un entrenador de IA en tiempo real al combinar la estimación de postura con el estado específico del ejercicio, el tiempo de las señales, la voz, el conteo de repeticiones y el historial de entrenamiento. La cámara proporciona la evidencia; El sistema de coaching convierte la evidencia respaldada en una siguiente acción útil.

Fuentes verificadas en agosto de 2026

• Detección de pose corporal de Apple Vision: https://developer.apple.com/documentation/vision/detecting-human-body-poses-in-images
• Detección de pose corporal Apple Vision 3D: https://developer.apple.com/documentation/vision/identifying-3d-human-body-poses-in-images
• Detección de pose de Google ML Kit: https://developers.google.com/ml-kit/vision/pose-detection
• Clasificación de poses de Google y conteo de repeticiones: https://developers.google.com/ml-kit/vision/pose-detection/classifying-poses
• Revisión sistemática de la aplicación de movimiento basada en cámara: https://www.frontiersin.org/journals/sports-and-active-living/articles/10.3389/fspor.2025.1531050/full