Este estudio explora un método innovador para clasificar ejercicios y predecir la activación de grupos musculares usando inteligencia artificial basada en video, sin necesidad de sensores físicos en el cuerpo. Este avance representa una gran oportunidad para hacer que el entrenamiento físico sea más accesible, seguro y eficiente, especialmente para personas que comienzan en el ejercicio o aquellas con movilidad reducida o discapacidades.

La mayoría de los métodos tradicionales de clasificación de ejercicios y predicción de la activación muscular dependen de sensores (como acelerómetros o sensores EMG) y se limitan a un pequeño conjunto de ejercicios. Estos métodos, aunque precisos, pueden ser poco prácticos y costosos para el usuario promedio. En este trabajo, los investigadores superan estas limitaciones mediante el uso de modelos de aprendizaje profundo basados únicamente en videos, haciendo posible que cualquier persona con un smartphone pueda utilizar la tecnología.

El enfoque propuesto combina dos modelos avanzados de reconocimiento de actividad en video: X3D y SlowFast, que funcionan como una red híbrida. Estos modelos están diseñados para captar detalles espaciales (movimientos en el espacio) y temporales (cambios a lo largo del tiempo) de los ejercicios, permitiendo una alta precisión en la clasificación de actividades y en la predicción de qué grupos musculares se activan en cada ejercicio. Para entrenar y evaluar el modelo, se utilizó un conjunto de datos de videos de ejercicios que cubre una variedad de movimientos, incluyendo entrenamiento de fuerza, lo cual es fundamental para un programa de ejercicio integral.

Los resultados del estudio muestran que este modelo híbrido supera significativamente a los métodos tradicionales y otros modelos de base en precisión y practicidad. La red combinada establece un nuevo estándar en la monitorización de la actividad física, permitiendo que los usuarios optimicen su técnica y, potencialmente, prevengan lesiones causadas por una mala ejecución de los ejercicios. Además, esta tecnología podría ser de gran utilidad para personas con discapacidades, permitiéndoles adaptar sus entrenamientos y recibir retroalimentación en tiempo real sobre los músculos que están trabajando, aumentando su seguridad y eficacia en el ejercicioEste artículo es solo el inicio de un futuro donde la ciencia y el deporte se entrelazan aún más, ofreciendo maneras seguras y efectivas de entrenar. Si quieres conocer más detalles técnicos de este avance, revisa la investigación completa de Manvik Pasula y Pramit Saha (2023).

No olvides seguirnos en TikTok para más contenido sobre motivación, y musculación: @arnold_work

Creditos de imagenes: Foto de Scott Webb en Unsplash

Fuente: Manvik Pasula, Pramit Saha
arXiv:2406.06703