Motion AI
Ein neuronales Netz erkennt aus Sensordaten in Echtzeit Übungen und zählt Wiederholungen.
Einblicke
Projekt und Ausgangslage
Motion AI ist eine Deep-Learning-Technologie zur Erkennung menschlicher Bewegungen aus Sensordaten. Mit einem einzelnen Sensor an einem Brustgurt konnten wir bis zu 20 Bodyweight-Übungen in Echtzeit unterscheiden, Wiederholungen zählen und Aussagen über die Bewegungsqualität ableiten.
Später erweiterten wir die Technologie für den Gaming-Markt. Bewegungen wie Springen, Ducken und Seitwärtsschritte ließen sich mit niedriger Latenz zur Steuerung von Spielfiguren auf dem iPhone verwenden.
Ursprünglich war Motion AI als Lizenzprodukt für Fitness-Apps und andere Anbieter gedacht.
Meine Rolle
Als CTO, Mitgründer und Geschäftsführer habe ich Evomo aufgebaut und Motion AI gemeinsam mit einem interdisziplinären Team entwickelt und zur Marktreife gebracht. In der Spitze arbeiteten bis zu neun Personen im Unternehmen.
Ich trug die gesamte technische Verantwortung und übernahm einen großen Teil der Umsetzung selbst. Dazu gehörten die Werkzeuge für Datenaufnahme und Labeling, die Verwaltung der Trainingsdaten, das Training der Modelle, die Cloud-Pipeline und die SDKs für iOS und Android.
Mit Unterstützung eines Investors entwickelten wir die Technologie später für den Gaming-Markt weiter. Die daraus entstandene Fitness-Gaming-App präsentierten wir 2021 bei „Die Höhle der Löwen“.
Technische Grundlagen
Die Bewegungserkennung basiert auf Deep Learning. Beschleunigungs- und Lagedaten werden als Zeitreihen erfasst, gelabelt und zum Training spezialisierter Modelle verwendet.
Die Modelle liefen vollständig auf dem jeweiligen Gerät. Eigene SDKs machten die Technologie auf iOS und Android verfügbar. Eine Cloud-Pipeline verwaltete und verteilte die trainierten Modelle, die eigentliche Erkennung benötigte keine Verbindung zur Cloud.
Die zentralen technischen Herausforderungen
Für das Training benötigten wir eine große Menge an Bewegungsdaten von einer breiten Gruppe von Probanden. Sportwissenschaftler unterstützten uns bei der Datenaufnahme und der fachlichen Zuordnung der Übungen.
Besonders aufwendig war das Labeling. Eigene Werkzeuge visualisierten die Sensordaten und automatisierten Teile des Prozesses. Die vorausgewählten Zeiträume wurden anschließend von Hand korrigiert und feinjustiert.
Die Modelle mussten eine hohe Erkennungsqualität erreichen und trotzdem mit geringer Latenz auf Smartphones und Wearables laufen. Dazu kamen die Bereitstellung und Aktualisierung über eigene SDKs für iOS und Android.
Ergebnis und Nachweis
Motion AI erkannte mehr als 20 Übungen mit einer Genauigkeit von über 95 Prozent. Die Technologie wurde als SDK für iOS, watchOS und Android umgesetzt und kam in mehreren eigenen Produkten und Kundenprojekten zum Einsatz.
2019 gewann Motion AI den Movesense Innovation Contest mit mehr als 30 teilnehmenden Teams. Die Weiterentwicklung für den Gaming-Markt bildete später die technische Grundlage einer eigenen Fitness-Gaming-App, die wir 2021 bei „Die Höhle der Löwen“ präsentierten.
Meine Einordnung
Motion AI war für mich der Schritt von einzelnen ML-Modellen zu einer vollständigen, marktreifen Technologie. Entscheidend war die Verbindung aus Trainingsdaten, eigenem Tooling, mobilen SDKs und einer zuverlässigen Ausführung direkt auf dem Gerät.
Die Technologie wird bis heute weiterentwickelt und in realen Produkten eingesetzt.