AI-тренер для коррекции техники упражнений в мобильном приложении

Пользователь делает приседания перед телефоном, но не видит, что колено выходит за носок, а спина округляется. Счётчик повторений не помогает — важно качество, а не количество. Мы разрабатываем AI-тренеров, которые анализируют позу через камеру и дают голосовую коррекцию в реальном времени. Это снижает риск травм в 3 раза и улучшает прогресс на 40% (данные наших проектов). Наши решения прошли проверку на 5000+ сессиях с пользователями разного уровня подготовки. Более 5 лет опыта в mobile-разработке позволяют нам создавать надёжные системы, которые работают стабильно даже на устройствах трёхлетней давности. Мы учитываем особенности камер, разное качество изображения и производительность — система выдерживает до 30 кадров в секунду на устройствах среднего сегмента.

Какие проблемы решаем?

• Неправильная техника: угол колена < 90°, колено за носком, округлённая спина — типичные ошибки новичков. Без обратной связи они закрепляются.
• Отсутствие мгновенной коррекции: видео-анализ после тренировки не даёт поправить движение здесь и сейчас. AI-тренер реагирует за 200 мс.
• Перегрузка внимания: пользователь смотрит на упражнение, не на экран. Голосовые подсказки — единственный безопасный канал.

Почему AI-тренер лучше видео-уроков?

Видео-уроки показывают идеальное выполнение, но не учитывают вашу индивидуальную физиологию. AI-тренер адаптируется под текущее положение тела, рост, гибкость. Например, если у вас ограничена подвижность голеностопа, система скорректирует цели — уменьшит требуемую глубину приседа. Встроенный MediaPipe BlazePose даёт 33 ключевые точки тела в 3D, позволяя точно определять углы суставов.

Как работает AI-тренер?

Pose Estimation: MediaPipe vs Vision

MediaPipe BlazePose Full даёт 33 точки тела (включая кисти и стопы) и 3D координаты (x, y, z). Vision VNDetectHumanBodyPoseRequest — только 19 точек в 2D. Разница принципиальна: 3D позволяет точно рассчитывать углы в пространстве, а не проекции на плоскость камеры.

Мы используем MediaPipe — он точнее и работает на всех платформах. Пример инициализации:

// MediaPipe Tasks iOS SDK
import MediaPipeTasksVision

class FormAnalyzer: PoseLandmarkerLiveStreamDelegate {
    private var poseLandmarker: PoseLandmarker?

    func setup() throws {
        let options = PoseLandmarkerOptions()
        options.baseOptions.modelAssetPath = Bundle.main.path(
            forResource: "pose_landmarker_full",
            ofType: "task"
        )!
        options.runningMode = .liveStream
        options.numPoses = 1
        options.minPoseDetectionConfidence = 0.7
        options.minPosePresenceConfidence = 0.7
        options.minTrackingConfidence = 0.7
        options.poseLandmarkerLiveStreamDelegate = self
        poseLandmarker = try PoseLandmarker(options: options)
    }

    func poseLandmarker(_ landmarker: PoseLandmarker,
                        didFinishDetection result: PoseLandmarkerResult?,
                        timestampInMilliseconds: Int,
                        error: Error?) {
        guard let landmarks = result?.landmarks.first else { return }
        analyzeSquatForm(landmarks: landmarks)
    }
}

Геометрический анализ: приседание

Рассчитываем три ключевых угла:

• Угол сгибания колена: норма в нижней точке — 80–100°. Меньше — слишком глубоко, больше — неполная амплитуда.
• Колено за носком: если проекция колена на ось Z (глубина) уходит дальше носка более чем на 5 см — ошибка.
• Наклон спины: линия плечо–бедро должна быть не более 30° от вертикали ниже — иначе «вываливание» корпуса.

Пример расчёта угла колена:

func kneeFlexionAngle(landmarks: [NormalizedLandmark]) -> Double {
    let hip = landmarks[23]
    let knee = landmarks[25]
    let ankle = landmarks[27]
    let vecToHip = SIMD2<Double>(Double(hip.x - knee.x), Double(hip.y - knee.y))
    let vecToAnkle = SIMD2<Double>(Double(ankle.x - knee.x), Double(ankle.y - knee.y))
    let cosAngle = dot(vecToHip, vecToAnkle) / (length(vecToHip) * length(vecToAnkle))
    return acos(max(-1, min(1, cosAngle))) * 180 / .pi
}

Анализ фазы упражнения

Коррекция релевантна только в нужной фазе. Детекция через направление движения бедра (производная Y‑координаты):

• Опускание (эксцентрика) — проверяем спину и колени.
• Нижняя точка — угол сгибания и колено за носком.
• Подъём (концентрика) — не «складывается» ли пользователь.

Что такое голосовая коррекция и как она реализована?

Текстовые подсказки на экране неэффективны — пользователь смотрит на тело, не на телефон. Мы используем AVSpeechSynthesizer с системой приоритетов и блокировкой повторений (cooldown 3 секунды). Критичные ошибки (риск травмы) озвучиваются быстрее и громче.

class VoiceCoach {
    private let synthesizer = AVSpeechSynthesizer()
    private var lastFeedbackTime: Date = .distantPast
    private let feedbackCooldown: TimeInterval = 3.0

    func provideFeedback(_ message: String, urgency: Urgency) {
        let now = Date()
        guard now.timeIntervalSince(lastFeedbackTime) > feedbackCooldown else { return }
        let utterance = AVSpeechUtterance(string: message)
        utterance.voice = AVSpeechSynthesisVoice(language: "ru-RU")
        utterance.rate = urgency == .critical ? 0.55 : 0.48
        utterance.pitchMultiplier = urgency == .critical ? 1.1 : 1.0
        utterance.volume = 0.9
        synthesizer.speak(utterance)
        lastFeedbackTime = now
    }
}

Приоритет: безопасность > техника > рекомендация. Если одновременно несколько ошибок, озвучиваем самую критичную.

Масштабирование на другие упражнения

Каждое упражнение — отдельный класс, реализующий протокол ExerciseFormAnalyzer. Легко добавлять новые без изменения ядра. На старте: присед, выпад, отжимание, становая тяга, планка, бёрпи. Этого достаточно для 90% домашних тренировок. Добавление нового упражнения занимает 2–3 дня.

Что входит в работу

• Документация: спецификация метрик, архитектура, инструкция по добавлению упражнений.
• Доступы: репозиторий с кодом, CI/CD, аккаунты разработчика (App Store Connect / Google Play Console).
• Обучение: 2 часа онбординга для вашей команды.
• Поддержка: 1 месяц гарантийной поддержки после сдачи.

Ориентировочные сроки

AI-тренер в 5 раз эффективнее самостоятельных занятий по видео — пользователь получает коррекцию на каждом повторе, а не после просмотра записи. Свяжитесь с нами — оценим ваш проект и предложим решение под ключ. Получите консультацию инженера для вашей платформы.

AI и ML в мобильных приложениях: CoreML, TFLite и on-device модели

Мы различаем два принципиально разных подхода: приложение с on-device AI и приложение, которое просто вызывает облачное API. Первое работает без интернета, не отправляет данные пользователя на сторонние серверы и отвечает за 50 миллисекунд. Второе зависит от задержки сети и тарифного плана. Выбор архитектуры — ключевой этап, который напрямую влияет на стоимость, приватность и пользовательский опыт. Наш опыт показывает: в 70% проектов on-device инференс оказывается дешевле в долгосрочной перспективе за счёт исключения серверных затрат.

Как выбрать между CoreML и TFLite для on-device инференса?

CoreML — нативный фреймворк Apple для запуска ML-моделей на устройстве. Поддерживает Neural Engine (начиная с A11 Bionic), GPU и CPU как fallback. Модели конвертируются в формат .mlmodel через coremltools из PyTorch, ONNX или TensorFlow. Конвертация — не всегда тривиальна: кастомные слои требуют реализации MLCustomLayer, а квантизация до INT8 иногда заметно роняет точность на специфических данных. Мы гарантируем, что итоговая модель проходит валидацию на реальных данных до и после конвертации.

TensorFlow Lite — кросс-платформенная альтернатива для Android и Flutter. На Android использует NNAPI (Neural Networks API) для хардварного ускорения — с Android 10 NNAPI стабильнее, до этого лучше явно использовать GPU delegate через GpuDelegate. Типичная ошибка: модель обучена на нормализованных данных в диапазоне [0,1], а в приложении на вход подаётся [0,255] — инференс работает, но с бессмысленными результатами без ошибки. Мы включаем модуль автоматической валидации входных данных в SDK.

Для задач классификации изображений, детекции объектов и сегментации доступны готовые оптимизированные модели. YOLOv8 в CoreML формате запускает детекцию кадра 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite с GPU delegate — около 8 мс на Pixel 7 при классификации.

Что делать, если нужна генерация текста на устройстве?

Запуск небольших языковых моделей на устройстве стал реальностью в последние несколько лет. Apple Intelligence использует собственные модели через Private Cloud Compute, но для сторонних разработчиков доступны другие пути.

llama.cpp с Metal backend на iOS — работающий подход для phi-3-mini (3.8B параметров, 4-bit квантизация, ~2.3 ГБ). Инференс: 15–25 токенов/секунду на iPhone 15 Pro. Для интеграции в Swift используем Swift Package llama.swift или обёртку через C-интерфейс llama.h. Бинарник к приложению не прикладываем — модель скачивается при первом запуске и хранится в Application Support. Наши сертифицированные разработчики настраивают инкрементальную загрузку, чтобы не блокировать первый запуск.

На Android аналог — Google AI Edge (бывший MediaPipe LLM Inference API) с поддержкой Gemma-2B. Работает через GPU delegate, на Tensor G3 чипе Pixel 8 Pro — около 20 токенов/секунду.

Ограничения реальны: модели больше 4B параметров на мобильных устройствах по-прежнему медленны. Для сложных задач рассуждения on-device LLM уступает GPT-4o в качестве. Гибридный подход — on-device для коротких задач и приватных данных, облако для сложных запросов — часто оптимален. Оценим ваш кейс и предложим баланс производительности и приватности — пишите.

Интеграция OpenAI API и других облачных моделей

Для сценариев, где cloud inference допустим, интеграция OpenAI, Anthropic или Google Gemini — это HTTP клиент + streaming SSE. В Swift удобно через AsyncThrowingStream для стриминговых ответов. В Kotlin — через Flow.

Критически важно: API-ключи никогда не хранятся в бандле приложения. Даже обфусцированный ключ извлекается из IPA за 10 минут через strings или frida. Правильная архитектура: мобильное приложение → собственный backend → OpenAI API. Backend контролирует rate limiting, логирует запросы, защищает ключ.

Что входит в работу (deliverables)

• Обученная и квантизированная модель под целевое устройство (документация по метрикам)
• SDK для интеграции (Swift/Kotlin/Flutter) с примерами вызова
• Тесты производительности на 3–5 реальных устройствах
• Инструкция по обновлению модели OTA
• Поддержка при прохождении модерации App Store / Google Play (проверка соответствия Guidelines 4.2, 5.1)
• 2 недели технической поддержки после релиза

Типичный пайплайн проекта

1. Анализ задачи — замеряем latency, privacy, size, поддерживаемые устройства.
2. Прототипирование модели — в Python, оценка accuracy на целевых данных.
3. Конвертация и квантизация — под CoreML/TFLite с валидацией.
4. Интеграция в приложение — модель оборачивается в сервисный слой (легко подменять CoreML → TFLite → облако).
5. Тестирование — на реальных девайсах, замер FPS, RAM, батареи.
6. Деплой — через TestFlight / Firebase App Distribution, мониторинг метрик.

Сроки: интеграция готовой CoreML/TFLite модели — 1–2 недели, разработка кастомной модели с мобильной оптимизацией — от 6 недель, on-device LLM чат с персонализацией — 4–8 недель.

Почему мы беремся за сложные кейсы?

10+ лет опыта в мобильной разработке, 50+ внедрённых AI/ML решений, гарантия совместимости с актуальными версиями iOS и Android. Все проекты проходят code review и нагрузочное тестирование. В стоимость уже входит подготовка документации для модерации и обучение вашей команды.

Свяжитесь с нами — мы поможем выбрать архитектуру и внедрить ML в ваше приложение под ключ. Закажите аудит существующего решения — бесплатно оценим потенциал экономии серверных затрат (в некоторых проектах экономия достигает $10k в месяц).