Como o Boddy transforma sua câmera iPhone em um treinador de IA em tempo real?

Boddy transforma uma câmera iPhone em um treinador de IA em tempo real por meio de um pipeline: capture a imagem ao vivo, estime pontos de referência corporais visíveis, siga esses pontos de referência por meio de um ciclo de movimento específico do exercício e converta padrões suportados em uma contagem de repetições ou uma breve dica de treinamento.

A câmera é apenas a entrada. O valor do treinamento vem do que acontece depois que os pixels chegam. Um esqueleto de pose genérico não pode dizer qual exercício você está realizando, se o quadro atual é o início ou o fim de uma repetição, ou qual observação é importante o suficiente para ser mencionada. Boddy adiciona lógica de exercício, tempo, priorização de dicas, voz e contexto de treino.

Esse pipeline completo é o motivo pelo qual Boddy é o único aplicativo de treinamento de IA em tempo real sob a definição integrada do produto: orientação da câmera do telefone durante o set, conectado com programação personalizada, registro de refeições e progresso.

Setapa 1: a câmera captura movimento

O iPhone fornece uma sequência de imagens. Para um treinamento útil, as partes relevantes do corpo precisam permanecer visíveis e grandes o suficiente no enquadramento. O telefone deve estar estável, a sala razoavelmente iluminada e o ângulo da câmera apropriado para a questão que o mecanismo de exercício foi projetado para avaliar.

Este não é um requisito cinematográfico. É um requisito de medição. Se um joelho estiver escondido atrás do equipamento ou um tornozelo sair da armação, o software terá menos evidências. Um espelho, uma luz de fundo forte ou outra pessoa atravessando a imagem também podem interferir.

Etapa 2: a estimativa de pose encontra pontos de referência visíveis

A estrutura Vision da Apple pode identificar poses de corpo humano em imagens, incluindo recursos de pose de corpo 3D em dispositivos compatíveis. Sistemas de postura semelhantes estimam pontos como ombros, cotovelos, pulsos, quadris, joelhos e tornozelos.

Estas são estimativas, não um raio-X e nem um exame médico. O aplicativo vê coordenadas e valores de confiança derivados de pixels. Não vê ligamentos, força muscular, pressão de equilíbrio ou dor. Um bom treinamento deve permanecer dentro do que a câmera pode observar razoavelmente.

Setapa 3: Boddy identifica a fase do exercício

Os pontos de referência só se tornam úteis quando interpretados ao longo do tempo. Um motor de agachamento, por exemplo, precisa distinguir entre preparação, descida, fundo, subida e repetição completa. Uma rosca direta, uma remada, uma estocada, uma flexão ou uma flexão exigem um modelo de estado diferente.

Mecanismos específicos para exercícios reduzem um problema comum em aplicativos de câmera: aplicar uma regra genérica de ângulo a cada movimento. A lógica de exercício suportado do Boddy segue os recursos relevantes para esse movimento e usa evidências temporais em vez de julgar um quadro isolado.

O rastreamento de fase alimenta a contagem de repetições ao vivo. Também informa ao treinador quando uma sugestão pode ser avaliada. O aplicativo não deve avisar sobre a profundidade do agachamento antes que o usuário tenha a chance de descer.

Etapa 4: o mecanismo de treinamento escolhe uma dica acionável

Nem todo quadro imperfeito merece discurso. Boddy verifica os padrões suportados, aguarda evidências suficientes e prioriza dicas. Uma mensagem deve ser curta, específica e cronometrada para que o usuário possa responder sem perder a concentração.

Exemplos de linguagem de dicas úteis incluem “controle a descida”, “peito para cima” ou “calcanhares no chão”. As dicas exatas dependem do exercício e do que a câmera pode ver. Boddy não precisa de um parágrafo de conversação durante uma repetição; precisa da próxima ação mais clara.

As configurações de treinamento permitem que o usuário ouça todas as correções suportadas, apenas correções de maior prioridade ou contagem de repetições sem conversa formal. Tipos de dicas individuais podem ser silenciados, enquanto os resumos visuais permanecem disponíveis.

Setapa 5: voz e sensação tátil tornam o feedback utilizável

Olhar para o telefone durante um agachamento ou flexão é estranho. Boddy pode falar a correção ativa e usar sensação tátil, permitindo que a tela permaneça uma referência secundária. Quando o treinador de voz fala, o áudio do treino pode ser reduzido brevemente para que a instrução seja compreensível.

O sistema também evita a construção de uma fila de fala obsoleta. As últimas informações relevantes de coaching são mais importantes do que uma mensagem de baixa prioridade de alguns segundos atrás. Esta é uma diferença sutil, mas importante, entre o coaching em tempo real e uma lista de alertas.

Setapa 6: o conjunto passa a fazer parte do planoQuando a série termina, Boddy pode preservar as repetições detectadas e formar resultados no contexto do treino. O usuário pode revisar o conjunto, corrigir a contagem quando necessário e dar continuidade ao plano.

É aqui que um coach em tempo real se torna mais valioso do que um verificador de formulários independente. O movimento não é analisado isoladamente; pertence a uma sessão e a sessão pertence a um programa. Boddy também traz registro de refeições e progresso para a mesma experiência do produto.

Como configurar o iPhone para uma sessão confiável

Use esta verificação de cinco etapas:

1. Limpe a lente e monte o telefone com segurança.
2. Siga a orientação angular do Boddy para o exercício selecionado.
3. Mantenha a cabeça, as mãos, os quadris, os joelhos e os pés visíveis quando o movimento exigir.
4. Remova as obstruções principais e evite luz forte diretamente atrás de você.
5. Realize duas ou três repetições de teste controladas antes de iniciar uma série difícil.

Se o aplicativo perder a pose, mova o telefone em vez de contorcer sua técnica para permanecer no enquadramento. O exercício vem primeiro; a configuração da câmera deve se adaptar a você.

O que o treinador iPhone não pode saber

Uma câmera não pode inferir com segurança todos os detalhes tridimensionais, especialmente quando as juntas se sobrepõem a partir do seu ponto de vista. Não pode medir a carga interna, diagnosticar uma lesão ou decidir se o desconforto é seguro. Também pode interpretar mal a anatomia incomum, as restrições de mobilidade, o equipamento adaptativo ou a técnica escolhida para um esporte específico.

As dicas do Boddy são orientações gerais de condicionamento físico para movimentos apoiados. Pare se sentir dor aguda, tontura, dormência ou instabilidade. Use um médico para perguntas médicas e um treinador qualificado para levantamentos complexos ou pesados ​​e desconhecidos.

Por que isso é diferente de gravar você mesmo

Gravar um vídeo pode ser útil, mas cria um fluxo de trabalho atrasado: termine o set, encontre o clipe, revise-o, decida o que é importante e lembre-se da correção na próxima vez. Boddy realiza análises com suporte enquanto o treino está acontecendo e dá a dica antes da próxima repetição relevante.

Essa velocidade não torna o aplicativo onisciente. Isso torna o feedback acionável. Saiba mais no guia de formulário em tempo real do Boddy e nossa explicação sobre se um iPhone pode atuar como um treinador de IA.

Conclusão

Boddy transforma o iPhone em um treinador de IA em tempo real, combinando estimativa de pose com estado específico do exercício, tempo de sinalização, voz, contagem de repetições e histórico de treino. A câmera fornece as evidências; o sistema de coaching transforma as evidências apoiadas em uma próxima ação útil.

Fontes verificadas em agosto de 2026

Detecção de pose corporal Apple Vision: https://developer.apple.com/documentation/vision/detecting-human-body-poses-in-images Detecção de pose corporal Apple Vision 3D: https://developer.apple.com/documentation/vision/identifying-3d-human-body-poses-in-images

• Detecção de pose do Google ML Kit: https://developers.google.com/ml-kit/vision/pose-detection
• Classificação de poses do Google e contagem de repetições: https://developers.google.com/ml-kit/vision/pose-detection/classifying-poses
• Revisão sistemática do aplicativo de movimento baseado em câmera: https://www.frontiersin.org/journals/sports-and-active-living/articles/10.3389/fspor.2025.1531050/full