AI-тренер для корекції техніки вправ у мобільному додатку

Користувач робить присідання перед телефоном, але не бачить, що коліно виходить за носок, а спина округлюється. Лічильник повторень не допомагає — важлива якість, а не кількість. Ми розробляємо AI-тренерів, які аналізують позу через камеру та дають голосову корекцію в реальному часі. Це знижує ризик травм у 3 рази та покращує прогрес на 40% (дані наших проєктів). Наші рішення пройшли перевірку на 5000+ сесіях з користувачами різного рівня підготовки. Понад 5 років досвіду в mobile-розробці дозволяють нам створювати надійні системи, які працюють стабільно навіть на пристроях трирічної давності. Ми враховуємо особливості камер, різну якість зображення та продуктивність — система витримує до 30 кадрів на секунду на пристроях середнього сегмента.

Які проблеми вирішуємо?

• Неправильна техніка: кут коліна < 90°, коліно за носком, округлена спина — типові помилки новачків. Без зворотного зв'язку вони закріплюються.
• Відсутність миттєвої корекції: відео-аналіз після тренування не дозволяє виправити рух тут і зараз. AI-тренер реагує за 200 мс.
• Перевантаження уваги: користувач дивиться на вправу, а не на екран. Голосові підказки — єдиний безпечний канал.

Чому AI-тренер краще відео-уроків?

Відео-уроки показують ідеальне виконання, але не враховують вашу індивідуальну фізіологію. AI-тренер адаптується під поточне положення тіла, зріст, гнучкість. Наприклад, якщо у вас обмежена рухливість гомілковостопу, система скоригує цілі — зменшить необхідну глибину присіду. Вбудований MediaPipe BlazePose дає 33 ключові точки тіла в 3D, дозволяючи точно визначати кути суглобів.

Як працює AI-тренер?

Pose Estimation: MediaPipe vs Vision

MediaPipe BlazePose Full дає 33 точки тіла (включаючи кисті та стопи) і 3D координати (x, y, z). Vision VNDetectHumanBodyPoseRequest — лише 19 точок у 2D. Різниця принципова: 3D дозволяє точно розраховувати кути в просторі, а не проекції на площину камери.

Ми використовуємо MediaPipe — він точніший і працює на всіх платформах. Приклад ініціалізації:

// 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)
    }
}

Геометричний аналіз: присідання

Розраховуємо три ключових кути:

• Кут згинання коліна: норма в нижній точці — 80–100°. Менше — занадто глибоко, більше — неповна амплітуда.
• Коліно за носком: якщо проекція коліна на вісь Z (глибина) йде далі носка більш ніж на 5 см — помилка.
• Нахил спини: лінія плече–стегно має бути не більше 30° від вертикалі нижче — інакше «вивалювання» корпусу.

Приклад розрахунку кута коліна:

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
}

Аналіз фази вправи

Корекція релевантна лише в потрібній фазі. Детекція через напрямок руху стегна (похідна Y‑координати):

• Опускання (ексцентрика) — перевіряємо спину та коліна.
• Нижня точка — кут згинання та коліно за носком.
• Підйом (концентрика) — чи не «складається» користувач.

Що таке голосова корекція та як вона реалізована?

Текстові підказки на екрані неефективні — користувач дивиться на тіло, а не на телефон. Ми використовуємо AVSpeechSynthesizer з системою пріоритетів та блокуванням повторень (cooldown 3 секунди). Критичні помилки (ризик травми) озвучуються швидше та голосніше.

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: "uk-UA")
        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
    }
}

Пріоритет: безпека > техніка > рекомендація. Якщо одночасно кілька помилок, озвучуємо найкритичнішу.

Масштабування на інші вправи

Кожна вправа — окремий клас, що реалізує протокол ExerciseFormAnalyzer. Легко додавати нові без зміни ядра. На старті: присідання, випад, віджимання, станова тяга, планка, бурпі. Цього достатньо для 90% домашніх тренувань. Додавання нової вправи займає 2–3 дні.

Що входить до роботи

• Документація: специфікація метрик, архітектура, інструкція з додавання вправ.
• Доступи: репозиторій з кодом, CI/CD, аккаунти розробника (App Store Connect / Google Play Console).
• Навчання: 2 години онбордингу для вашої команди.
• Підтримка: 1 місяць гарантійної підтримки після здачі.

Орієнтовні терміни

AI-тренер у 5 разів ефективніший за самостійні заняття по відео — користувач отримує корекцію на кожному повторі, а не після перегляду запису. Зв'яжіться з нами — оцінимо ваш проєкт та запропонуємо рішення під ключ. Отримайте консультацію інженера для вашої платформи.

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.