Ученые МГУ разрабатывают интеллектуальную систему контроля и оптимизации физических упражнений

Специалисты факультета вычислительной математики и кибернетики МГУ имени М. В. Ломоносова в сотрудничестве с экспертами Национального медицинского исследовательского центра терапии и профилактической медицины Минздрава России создали прототип инновационной интеллектуальной системы. Она предназначена для оценки выполнения физических упражнений и выдачи индивидуальных рекомендаций пользователю. По сообщению CNews, система объединяет методы компьютерного зрения и нечёткой логики, что делает её перспективной для использования в спортивной, медицинской и оздоровительной сферах. Работа системы основана на анализе видеоизображений с применением технологий двумерной оценки позы человека. Это позволяет отслеживать движения в реальном времени и вычислять набор признаков, которые описывают выполнение упражнений. Эти признаки делятся на две категории: статические, такие как правильность позы в определённый момент времени, и динамические, включая интенсивность, выносливость и синхронность движений. Аспирант кафедры интеллектуальных информационных технологий факультета ВМК МГУ Иван Шергин отметил, что основная цель системы — не только фиксировать ошибки в упражнениях, но и предоставлять персональные рекомендации на основе физической динамики пользователя. «Мы стремимся создать умного помощника, способного обучать, подсказывать и адаптироваться к конкретному пользователю, который мог бы контролировать процесс тренировки на уровне профессионального тренера или врача ЛФК», — подчеркнул он. Система управления построена на базе нечёткой логики, что позволяет обрабатывать размытые и субъективные оценки качества выполнения упражнений, приближая алгоритмы к мышлению человеческого тренера. Эксперты из Центра Терапии и профилактической медицины выступают в роли экспертов-тренеров, используя свой многолетний опыт в области лечебной физкультуры и реабилитации для разработки базы знаний. Эта база позволяет контролировать выполнение любых физических упражнений. На основе набора правил система анализирует параметры движения и выдаёт рекомендации, например, увеличить темп, улучшить синхронность или сделать паузу. Профессор кафедры интеллектуальных информационных технологий Александр Рыжов отметил, что в системе используется гибридный подход, сочетающий нейросетевые методы и нечёткие логические правила. Это обеспечивает интерпретируемость и гибкость в работе с различными типами пользователей. Разработанный подход может быть реализован в виде веб-приложения или мобильной платформы, что делает его доступным для широкой аудитории. Система может применяться как в любительском спорте, так и в программах физической реабилитации, помогая снизить риск травм, улучшить технику и сократить время на освоение новых движений.