Nalaganje ...
Projekti / Programi vir: ARIS

AiCoachU - Vadba z umetno inteligenco

Raziskovalna dejavnost

Koda Veda Področje Podpodročje
5.10.00  Družboslovje  Šport   

Koda Veda Področje
3.03  Medicinske in zdravstvene vede  Zdravstvene vede 
Ključne besede
tek, rekreacija, zdravje, tveganje za poškodbe, nosljivi senzorji, biomehanika, globoko učenje, analiza signalov, modeliranje
Vrednotenje (metodologija)
vir: COBISS
Organizacije (3) , Raziskovalci (17)
0587  Univerza v Ljubljani, Fakulteta za šport
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacijŠtev. publikacij
1.  55242  Miha Drobnič  Vzgoja in izobraževanje  Raziskovalec  2021 - 2023  15 
2.  58357  Irinej Papuga    Tehnični sodelavec  2023 - 2024 
3.  31550  dr. Samo Rauter  Šport  Raziskovalec  2022 - 2025  207 
4.  04959  dr. Vojko Strojnik  Vzgoja in izobraževanje  Raziskovalec  2021 - 2025  601 
5.  20755  dr. Matej Supej  Šport  Vodja  2021 - 2025  373 
6.  39158  dr. Nina Verdel  Šport  Raziskovalec  2022 - 2025  88 
7.  22502  dr. Goran Vučković  Vzgoja in izobraževanje  Raziskovalec  2021 - 2025  370 
0106  Institut "Jožef Stefan"
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacijŠtev. publikacij
1.  26454  dr. Matjaž Depolli  Računalništvo in informatika  Raziskovalec  2021 - 2025  102 
2.  52909  dr. Mitja Jančič  Računalništvo in informatika  Raziskovalec  2022 - 2023  27 
3.  28366  dr. Gregor Kosec  Računalništvo in informatika  Raziskovalec  2021 - 2025  183 
4.  39398  Miha Mohorčič    Tehnični sodelavec  2022 - 2025  19 
5.  32441  dr. Aleksandra Rashkovska Koceva  Računalništvo in informatika  Raziskovalec  2021 - 2025  87 
6.  39158  dr. Nina Verdel  Šport  Raziskovalec  2023 - 2025  88 
1538  Univerza v Ljubljani, Fakulteta za elektrotehniko
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacijŠtev. publikacij
1.  11805  dr. Simon Dobrišek  Računalništvo in informatika  Raziskovalec  2021 - 2025  296 
2.  50843  dr. Jon Natanael Muhovič  Računalništvo in informatika  Raziskovalec  2021 - 2025  29 
3.  20183  dr. Boštjan Murovec  Računalništvo in informatika  Raziskovalec  2022 - 2025  224 
4.  21310  dr. Janez Perš  Sistemi in kibernetika  Raziskovalec  2021 - 2025  256 
Povzetek
Telesna dejavnost je eden ključnih dejavnikov, ki prispevajo k zdravju in kakovosti življenja. Tek je priljubljen in učinkovit ter cenovno ugoden način telesne dejavnosti. Če pa je izveden nepravilno, lahko povzroči poškodbe, ki vodijo do slabše kakovosti življenja ter dodatnih zdravstvenih in socialnih stroškov. Zato je pomembno zagotoviti orodja za učinkovito telesno dejavnost brez poškodb. V tej študiji bo nova generacija IMU senzorjev v obliki pametnih obližev z manjšo velikostjo in maso uporabljena za merjenje stabilnosti petnice in medenice ter njunih sprememb zaradi utrujenosti med tekom pri različnih hitrostih in naklonih površine. To bomo analizirali skozi vzorce gibanja medenice in petnice, ki uporabljajo globoko učenje. Rezultati te študije bodo pokazali primernost za razvoj spletnega virtualnega tekaškega trenerja za varen tek in izbiro ustreznih tekaških čevljev. Glavni cilj projekta je prikazati uspešno prepoznavanje pojava utrujenosti in pretiranega gibanja medeničnega in zadnjega dela nog pri različnih hitrostih teka in naklonih terena z uporabo globokega učenja. Cilji študije vezani na delovne sklope WP1: Razvita bo programska platforma za zajem, shranjevanje sinhronizacijo in obdelavo podatkov zajetih v okviru projekta. Platforma bo integrirana s strojnim delom zajema podatkov ter bo omogočala tako avtomatski dostop do podatkov kot tudi dostop preko uporabniškega vmesnika. Glavnina platforme se bo nahajala v oblaku, njeni deli pa bodo segali tudi do zajemnih naprav in računalnikov na katerih bo potekal razvoj. V končni fazi bo platforma ključni del demonstratorjev, kjer bo omogočala svetovanje na osnovi analize v skoraj realnem času. WP2: Izvajanje ključnih meritev za potrebe izvajanja projekta. Najprej se bo zbralo podatke z namestitvijo senzorjev na različne položaje za optimalno zaznavanje gibalnih vzorcev in njihovih sprememb globokega učenja. Nato se bo zajelo meritve, ki se potrebujejo za biomehanske analize (WP3) in metode globokega učenja in njihovega preverjanja (WP4). WP3: Zagotoviti informacije o optimalni namestitvi IMU senzorjev in kondicioniranju signala za zanesljivo sledenje gibanju medenice in petnice ter določiti merila za določanje stopnje utrujenosti kot vhodni podatek za globoko učenje. WP4: Preizkus najsodobnejših (SOTA) globokih rekurentnih mrež na nalogi inference biomehanskih anotacij iz šumnih podatkov, pridobljenih iz nosljivih senzorjev. Prilagoditev le-teh s ciljem izboljšanja učinkovitosti na tem specifičnem problemu. WP5: Razvilo se bo demonstratorje, ki bodo prikazali uporabnost novo razvitega znanja uporabe metod strojnega učenja na izmerkih pametnih obližev (AiCoachU) v skladu z glavnim ciljem projekta.
Zgodovina ogledov
Priljubljeno