Al medir velocidad de la barra con el Apple Watch durante los levantamientos de peso muerto, ¿importa si llevas el reloj en la muñeca o lo sujetas a la barra? Después de compartir las últimas mejoras de Spleeft, una de las preguntas más frecuentes fue por qué aparecía un Apple Watch sujeto a la barra en lugar de en mi muñeca.
Entiendo la reacción. Un reloj en una barra llama la atención y, sí, sabía que esa imagen podía despertar la curiosidad. Pero detrás de ella había una cuestión que llevábamos tiempo investigando: ¿Podríamos hacer que las mediciones fueran aún más fiables colocando el reloj sobre la barra? En la práctica, las mediciones del peso muerto con el reloj puesto en la muñeca no parecían tan fiables como las de otros ejercicios, como la sentadilla. El estudio independiente de validación del Apple Watch también señaló esta diferencia.
En nuestras pruebas de peso muerto simultáneo, el reloj fijado a la barra registró menos oscilaciones antes del ascenso. Cuando reconstruimos ambas señales siguiendo el mismo procedimiento, su curva de velocidad también se acercó más a la del codificador en la mayoría de las repeticiones. A continuación se muestran los datos y los límites de dicha comparación.
El Apple Watch en la barra o en la muñeca: ¿qué movimiento mide el sensor?
Cuando llevas un Apple Watch en la muñeca mientras realizas un levantamiento de peso muerto, la mano se mueve junto con la barra. Sin embargo, eso no significa que sus movimientos sean idénticos en todo momento.
Antes de levantar peso, es posible que ajustes la sujeción, tenses los brazos o cambies ligeramente la posición de la muñeca. Esos movimientos pueden activarse en el sensor incluso cuando la barra apenas se ha movido. El ajuste de la correa y las vibraciones también pueden influir en el registro.
Nuestra hipótesis era que algunas de las irregularidades iniciales se debían a la interacción entre el cuerpo, la muñeca y el reloj. Fijarlo a la barra podría reducir esos movimientos relativos y acercar la señal al objeto cuya velocidad queríamos medir.
Esto es importante porque Spleeft reconstruye la velocidad a partir de la aceleración. Un pequeño error en esa señal puede acumularse durante la integración. Lo que ocurra justo antes del ascenso puede afectar al punto de partida y, por consiguiente, al trazado de toda la repetición.
Cómo probamos el Apple Watch durante los levantamientos de peso muerto frente al Vitruve
Esta investigación forma parte de nuestro trabajo en curso sobre grabaciones de formación, que describimos en nuestro artículo sobre Mejora del algoritmo de velocidad de Spleeft con datos reales. En este artículo, mostraremos tres señales registradas simultáneamente durante las mismas series:
- Un Apple Watch SE (1.ª generación) fijado a la barra, en el que se ejecuta la nueva versión del algoritmo.
- Un Apple Watch Series 8 en la muñeca, con la versión anterior instalada.
- Un codificador lineal Vitruve como referencia externa.
Esto nos permitió comparar la misma ejecución, sin tener que dar por sentado que dos series realizadas en momentos distintos fueran equivalentes.
Para este análisis, mostraremos cuatro series de peso muerto con las tres grabaciones: una a 60 kg, dos a 70 kg y una a 80 kg. Eso dejó 15 repeticiones equivalentes. Una repetición más carecía de datos suficientes sobre la muñeca antes del levantamiento, por lo que se excluyó; en otra serie, el reloj solo había registrado los datos de la barra.
Resultados: Velocidad de la barra a lo largo de 15 repeticiones de peso muerto
El reloj que había en la barra generó una traza de velocidad más cercana a la de Vitruve en 14 de las 15 repeticiones, con un error medio menor en las cuatro series.
Para cuantificar esa proximidad, hemos calculado el RMSE: una medida de la diferencia entre las curvas, muestra por muestra. Un valor más bajo indica que las curvas están más próximas entre sí en esta comparación.
| Mide a lo largo de las 15 repeticiones compartidas | Reloj de bar | Reloj de pulsera |
|---|---|---|
| RMSE medio durante el ascenso | 0,033 m/s | 0,092 m/s |
| RMSE medio al principio | 0,011 m/s | 0,057 m/s |
El intervalo inicial abarca desde 0,25 segundos antes hasta 0,15 segundos después del inicio de la fase concéntrica, identificada mediante Vitruve. Estas cifras son promedios del error de trazado por repetición; no se trata de errores de velocidad media ni de porcentajes de fiabilidad de la aplicación.
Al analizar la aceleración, también observamos menos oscilaciones en la barra antes de varias subidas. Esa diferencia ayuda a explicar por qué es importante mejorar la señal que entra en el algoritmo, además de mejorar el propio algoritmo.
Hay casos en los que la muñeca registra oscilaciones antes de que el codificador muestre un ascenso claro. En esos casos, la velocidad reconstruida puede presentar un desfase o una desviación en la amplitud. El reloj de la barra sigue la referencia con mayor precisión en muchos de esos casos.
¿Y las zancadas? La diferencia no era la misma
En esa sesión, también registramos dos series de zancadas con 50 kg, utilizando simultáneamente el reloj de la barra, el reloj de la muñeca y Vitruve.
Aquí, las señales de aceleración de la muñeca y del manillar eran muy similares entre sí y a las del codificador. No observamos una separación tan clara entre las series como la que habíamos visto antes de varias series de peso muerto.
Conclusiones para la formación
Esta comparación nos ofrece una razón práctica para seguir estudiando la colocación de la barra durante los levantamientos de peso muerto: acerca el sensor al movimiento que queremos medir y, en estas pruebas, ha generado una señal más estable antes del levantamiento y curvas de velocidad más cercanas a las de Vitruve.
La ventaja observada en el peso muerto y el resultado menos claro en las zancadas nos animan a estudiar cada ejercicio por separado. Sin embargo, creemos que la colocación de la barra podría resultar beneficiosa en los ejercicios en los que la barra se sujeta con las manos sin apoyarla contra el cuerpo, lo que podría incluir el press de banca.
En cuanto a otros ejercicios, como las sentadillas y las elevaciones de cadera, seguimos creyendo que llevar el reloj en la muñeca ofrece un equilibrio entre comodidad y fiabilidad.
Datos de velocidad y aceleración en Spleeft: cómo aprender a utilizar cada tecnología
Este trabajo también dio lugar a una función de Spleeft, introducida en el Smart Zero, controles del Apple Watch y actualización con nuevos parámetros: poner a disposición de los usuarios los registros de velocidad y aceleración dentro de la aplicación, para que puedan repasar lo que ocurrió durante su actuación.
En algunas grabaciones de peso muerto, se aprecia claramente que la velocidad no se corresponde con lo que debería ocurrir: antes de que comience una repetición, cuando la barra está inmóvil, la curva puede mostrar oscilaciones o desviarse del cero. Los pequeños movimientos de muñeca, las vibraciones y otros factores externos pueden contribuir a estas irregularidades.
Mostrar la señal permite a los usuarios compararla con su ejecución. ¿Vuelve la curva a situarse cerca de cero durante una pausa? ¿Aparece algún movimiento antes de la elevación? ¿Hay alguna irregularidad que coincida con un ajuste del agarre o del reloj? Estas preguntas ayudan a los usuarios a reconocer cuándo es necesario revisar una medición y cómo mejorar la colocación o su procedimiento en la siguiente serie.
Queremos que los usuarios comprendan sus datos y aprendan a utilizar mejor la herramienta. La fiabilidad también depende de que se enseñe dónde colocar el sensor, qué señales merece la pena revisar y cuándo hay que interpretar un resultado con mayor cautela. Permitir a los usuarios acceder a las grabaciones les ayuda a aprender a partir de lo que ha ocurrido durante su propio entrenamiento.
Nuestro objetivo: datos que te ayuden a tomar decisiones
La inteligencia artificial está haciendo que el desarrollo de aplicaciones sea más accesible. Nos ayuda a escribir código, explorar ideas y avanzar más rápido. En Spleeft, también la utilizamos para analizar grabaciones y revisar nuestras propias interpretaciones, tal y como hicimos en esta comparación.
Esto me ha llevado a centrar mis esfuerzos en lo que considero más valioso para las personas que entrenan con la aplicación: la calidad de los datos y su utilidad para la toma de decisiones cotidianas.
Apple proporciona el dispositivo y sus sensores. Nuestra labor consiste en comprender cómo se comportan durante el entrenamiento, desarrollar el algoritmo que interpreta esas señales y probarlo en condiciones reales con nuestros usuarios. La experiencia en el entrenamiento, las pruebas de campo y el análisis de datos contribuyen a ello, con el apoyo de la inteligencia artificial.
Nuestra prioridad es mejorar la fiabilidad de las mediciones y ayudar a los usuarios a reconocer sus límites, de modo que la velocidad registrada pueda aportar información útil a la hora de ajustar una carga, supervisar la fatiga o evaluar el progreso.
Queremos que el entrenamiento basado en la velocidad sea más accesible, y esa accesibilidad también exige prestar atención a la calidad de lo que medimos. Ese es el trabajo que queremos seguir haciendo en Spleeft: utilizar herramientas que nos ayuden a avanzar más rápido para crear métricas que resulten cada vez más útiles en el entrenamiento real.
Preguntas frecuentes sobre el Apple Watch para el levantamiento de peso muerto
¿Es mejor colocar el Apple Watch en la barra que en la muñeca?
En esta sesión de peso muerto, la velocidad reconstruida a partir del reloj situado en la barra se acercó más a la de Vitruve en 14 de las 15 repeticiones comparables. Se trata de un resultado exploratorio: el modelo de reloj y la versión del software eran diferentes, y la reconstrucción utilizó información del codificador. No demuestra una ventaja universal ni la precisión independiente de la aplicación.
¿Muestran los gráficos la velocidad que calcula Spleeft en tiempo real?
No. Para comparar las señales, aplicamos un procedimiento habitual a los datos de aceleración exportados, con la ayuda de Vitruve para delimitar los ascensos y establecer la condición inicial. Los gráficos muestran esa reconstrucción fuera de línea.
¿Qué puedo aprender al revisar las grabaciones de mi equipo?
Puedes comprobar si la velocidad se aproxima a cero durante las pausas y si aparecen irregularidades antes de levantar el peso. Comparar la curva con tu ejecución te ayuda a revisar la colocación y la técnica; una curva coherente por sí sola no garantiza la precisión.
Si quieres probar el entrenamiento basado en la velocidad con tu Apple Watch o tu iPhone, Descarga Spleeft desde la App Store. Empieza por revisar tus propias series y cómo se relacionan las grabaciones con tu ejecución.
