{"id":11403,"date":"2026-10-12T19:14:12","date_gmt":"2026-10-12T17:14:12","guid":{"rendered":"https:\/\/spleeft.app\/?p=11403"},"modified":"2026-10-12T19:14:16","modified_gmt":"2026-10-12T17:14:16","slug":"barra-del-apple-watch-frente-a-peso-muerto-de-muneca","status":"publish","type":"post","link":"https:\/\/spleeft.app\/es\/barra-del-apple-watch-frente-a-peso-muerto-de-muneca\/","title":{"rendered":"El Apple Watch para el peso muerto: \u00bfen la barra o en la mu\u00f1eca?"},"content":{"rendered":"<p>Al medir <strong>velocidad de la barra con el Apple Watch durante los levantamientos de peso muerto<\/strong>, \u00bfimporta si llevas el reloj en la mu\u00f1eca o lo sujetas a la barra? Despu\u00e9s de compartir las \u00faltimas mejoras de Spleeft, una de las preguntas m\u00e1s frecuentes fue por qu\u00e9 aparec\u00eda un Apple Watch sujeto a la barra en lugar de en mi mu\u00f1eca.<\/p>\n\n<p>Entiendo la reacci\u00f3n. Un reloj en una barra llama la atenci\u00f3n y, s\u00ed, sab\u00eda que esa imagen pod\u00eda despertar la curiosidad. Pero detr\u00e1s de ella hab\u00eda una cuesti\u00f3n que llev\u00e1bamos tiempo investigando: <strong>\u00bfPodr\u00edamos hacer que las mediciones fueran a\u00fan m\u00e1s fiables colocando el reloj sobre la barra?<\/strong> En la pr\u00e1ctica, las mediciones del peso muerto con el reloj puesto en la mu\u00f1eca no parec\u00edan tan fiables como las de otros ejercicios, como la sentadilla. El estudio independiente de validaci\u00f3n del Apple Watch tambi\u00e9n se\u00f1al\u00f3 esta diferencia.<\/p>\n\n<p>In our simultaneous deadlift tests, the watch attached to the bar recorded fewer oscillations before the ascent. When we reconstructed both signals using the same procedure, its velocity curve was also closer to the encoder&#8217;s in most repetitions. Here are the data and the limits of that comparison.<\/p>\n\n\n<figure class=\"wp-block-image aligncenter size-large\"><img fetchpriority=\"high\" decoding=\"async\" src=\"https:\/\/spleeft.app\/wp-content\/uploads\/2026\/10\/apple-watch-encoder-on-bar-768x1024.jpg\" alt=\"Apple Watch fijado a la barra junto al cable de un codificador lineal\" class=\"wp-image-11400\" width=\"412\" height=\"550\" style=\"width:412px;height:auto;max-width:100%;max-height:550px;object-fit:contain\" title=\"\" srcset=\"https:\/\/spleeft.app\/wp-content\/uploads\/2026\/10\/apple-watch-encoder-on-bar-768x1024.jpg 768w, https:\/\/spleeft.app\/wp-content\/uploads\/2026\/10\/apple-watch-encoder-on-bar-225x300.jpg 225w, https:\/\/spleeft.app\/wp-content\/uploads\/2026\/10\/apple-watch-encoder-on-bar.jpg 1200w\" sizes=\"(max-width: 412px) 100vw, 412px\" \/><figcaption class=\"wp-element-caption\">La configuraci\u00f3n utilizada en nuestras pruebas de campo: el reloj fijado a la barra, con un codificador como referencia externa. La fotograf\u00eda ilustra la disposici\u00f3n; no identifica una repetici\u00f3n concreta en los gr\u00e1ficos.<\/figcaption><\/figure>\n\n\n<h2>El Apple Watch en la barra o en la mu\u00f1eca: \u00bfqu\u00e9 movimiento mide el sensor?<\/h2>\n\n<p>Cuando llevas un Apple Watch en la mu\u00f1eca mientras realizas un levantamiento de peso muerto, la mano se mueve junto con la barra. Sin embargo, eso no significa que sus movimientos sean id\u00e9nticos en todo momento.<\/p>\n\n<p>Antes de levantar peso, es posible que ajustes la sujeci\u00f3n, tenses los brazos o cambies ligeramente la posici\u00f3n de la mu\u00f1eca. Esos movimientos pueden activarse en el sensor incluso cuando la barra apenas se ha movido. El ajuste de la correa y las vibraciones tambi\u00e9n pueden influir en el registro.<\/p>\n\n<p>Nuestra hip\u00f3tesis era que algunas de las irregularidades iniciales se deb\u00edan a la interacci\u00f3n entre el cuerpo, la mu\u00f1eca y el reloj. Fijarlo a la barra podr\u00eda reducir esos movimientos relativos y acercar la se\u00f1al al objeto cuya velocidad quer\u00edamos medir.<\/p>\n\n<p>Esto es importante porque Spleeft reconstruye la velocidad a partir de la aceleraci\u00f3n. Un peque\u00f1o error en esa se\u00f1al puede acumularse durante la integraci\u00f3n. Lo que ocurra justo antes del ascenso puede afectar al punto de partida y, por consiguiente, al trazado de toda la repetici\u00f3n.<\/p>\n\n<h2>C\u00f3mo probamos el Apple Watch durante los levantamientos de peso muerto frente al Vitruve<\/h2>\n\n<p>Esta investigaci\u00f3n forma parte de nuestro trabajo en curso sobre grabaciones de formaci\u00f3n, que describimos en nuestro art\u00edculo sobre <a href=\"https:\/\/spleeft.app\/spleeft-bar-velocity-algorithm\/\">improving Spleeft&#8217;s velocity algorithm with real data<\/a>. En este art\u00edculo, mostraremos tres se\u00f1ales registradas simult\u00e1neamente durante las mismas series:<\/p>\n\n<ul><li>Un Apple Watch SE (1.\u00aa generaci\u00f3n) fijado a la barra, en el que se ejecuta la nueva versi\u00f3n del algoritmo.<\/li><li>Un Apple Watch Series 8 en la mu\u00f1eca, con la versi\u00f3n anterior instalada.<\/li><li>Un codificador lineal Vitruve como referencia externa.<\/li><\/ul>\n\n<p>Esto nos permiti\u00f3 comparar la misma ejecuci\u00f3n, sin tener que dar por sentado que dos series realizadas en momentos distintos fueran equivalentes.<\/p>\n\n<p>Para este an\u00e1lisis, mostraremos cuatro series de peso muerto con las tres grabaciones: una a 60 kg, dos a 70 kg y una a 80 kg. Eso dej\u00f3 <strong>15 repeticiones equivalentes<\/strong>. Una repetici\u00f3n m\u00e1s carec\u00eda de datos suficientes sobre la mu\u00f1eca antes del levantamiento, por lo que se excluy\u00f3; en otra serie, el reloj solo hab\u00eda registrado los datos de la barra.<\/p>\n\n<h2>Resultados: Velocidad de la barra a lo largo de 15 repeticiones de peso muerto<\/h2>\n\n<p>El reloj que hab\u00eda en la barra gener\u00f3 una traza de velocidad m\u00e1s cercana a la de Vitruve en <strong>14 de las 15 repeticiones<\/strong>, con un error medio menor en las cuatro series.<\/p>\n\n<p>Para cuantificar esa proximidad, hemos calculado el RMSE: una medida de la diferencia entre las curvas, muestra por muestra. Un valor m\u00e1s bajo indica que las curvas est\u00e1n m\u00e1s pr\u00f3ximas entre s\u00ed en esta comparaci\u00f3n.<\/p>\n\n<figure class=\"wp-block-table\"><table><thead><tr><th>Mide a lo largo de las 15 repeticiones compartidas<\/th><th>Reloj de bar<\/th><th>Reloj de pulsera<\/th><\/tr><\/thead><tbody><tr><td>RMSE medio durante el ascenso<\/td><td>0,033 m\/s<\/td><td>0,092 m\/s<\/td><\/tr><tr><td>RMSE medio al principio<\/td><td>0,011 m\/s<\/td><td>0,057 m\/s<\/td><\/tr><\/tbody><\/table><\/figure>\n\n<p><em>El intervalo inicial abarca desde 0,25 segundos antes hasta 0,15 segundos despu\u00e9s del inicio de la fase conc\u00e9ntrica, identificada mediante Vitruve. Estas cifras son promedios del error de trazado por repetici\u00f3n; no se trata de errores de velocidad media ni de porcentajes de fiabilidad de la aplicaci\u00f3n.<\/em><\/p>\n\n<p>Al analizar la aceleraci\u00f3n, tambi\u00e9n observamos menos oscilaciones en la barra antes de varias subidas. Esa diferencia ayuda a explicar por qu\u00e9 es importante mejorar la se\u00f1al que entra en el algoritmo, adem\u00e1s de mejorar el propio algoritmo.<\/p>\n\n\n<figure class=\"wp-block-image aligncenter size-large\"><img decoding=\"async\" src=\"https:\/\/spleeft.app\/wp-content\/uploads\/2026\/10\/watch-placement-deadlift-velocity-only-en-823x1024.png\" alt=\"Comparaci\u00f3n de la velocidad reconstruida en cuatro repeticiones de peso muerto con 70 kg\" class=\"wp-image-11401\" width=\"442\" height=\"550\" style=\"width:442px;height:auto;max-width:100%;max-height:550px;object-fit:contain\" title=\"\" srcset=\"https:\/\/spleeft.app\/wp-content\/uploads\/2026\/10\/watch-placement-deadlift-velocity-only-en-823x1024.png 823w, https:\/\/spleeft.app\/wp-content\/uploads\/2026\/10\/watch-placement-deadlift-velocity-only-en-241x300.png 241w, https:\/\/spleeft.app\/wp-content\/uploads\/2026\/10\/watch-placement-deadlift-velocity-only-en.png 1620w\" sizes=\"(max-width: 442px) 100vw, 442px\" \/><figcaption class=\"wp-element-caption\">Cuatro repeticiones con la misma serie de 70 kg. Velocidad reconstruida a partir del reloj de la barra (verde azulado), el reloj de la mu\u00f1eca (naranja) y Vitruve (oscuro). La l\u00ednea discontinua marca el inicio de la subida seg\u00fan Vitruve.<\/figcaption><\/figure>\n\n\n<p>Hay casos en los que la mu\u00f1eca registra oscilaciones antes de que el codificador muestre un ascenso claro. En esos casos, la velocidad reconstruida puede presentar un desfase o una desviaci\u00f3n en la amplitud. El reloj de la barra sigue la referencia con mayor precisi\u00f3n en muchos de esos casos.<\/p>\n\n<h2>\u00bfY las zancadas? La diferencia no era la misma<\/h2>\n\n<p>En esa sesi\u00f3n, tambi\u00e9n registramos dos series de zancadas con 50 kg, utilizando simult\u00e1neamente el reloj de la barra, el reloj de la mu\u00f1eca y Vitruve.<\/p>\n\n<p>Aqu\u00ed, <strong>the acceleration signals from the wrist and bar were very similar to each other and to the encoder&#8217;s<\/strong>. No observamos una separaci\u00f3n tan clara entre las series como la que hab\u00edamos visto antes de varias series de peso muerto.<\/p>\n\n\n<figure class=\"wp-block-image aligncenter size-large\"><img decoding=\"async\" src=\"https:\/\/spleeft.app\/wp-content\/uploads\/2026\/10\/watch-placement-lunge-velocity-only-en-1024x637.png\" alt=\"Velocidad calculada a partir de dos repeticiones de zancadas con 50 kg registradas en la barra, la mu\u00f1eca y el codificador\" class=\"wp-image-11402\" width=\"600\" height=\"373\" style=\"width:600px;height:auto;max-width:100%;max-height:550px;object-fit:contain\" title=\"\" srcset=\"https:\/\/spleeft.app\/wp-content\/uploads\/2026\/10\/watch-placement-lunge-velocity-only-en-1024x637.png 1024w, https:\/\/spleeft.app\/wp-content\/uploads\/2026\/10\/watch-placement-lunge-velocity-only-en-300x186.png 300w, https:\/\/spleeft.app\/wp-content\/uploads\/2026\/10\/watch-placement-lunge-velocity-only-en.png 1620w\" sizes=\"(max-width: 600px) 100vw, 600px\" \/><figcaption class=\"wp-element-caption\">Las dos repeticiones de la primera serie de zancadas. Colores: barra en verde azulado, mu\u00f1eca en naranja y Vitruve en oscuro. La velocidad reconstruida incluye el descenso previo y utiliza una condici\u00f3n inicial asistida por codificador. En esta serie, ambas colocaciones siguen de cerca la referencia.<\/figcaption><\/figure>\n\n\n<h2>Conclusiones para la formaci\u00f3n<\/h2>\n\n<p>Esta comparaci\u00f3n nos ofrece una raz\u00f3n pr\u00e1ctica para seguir estudiando la colocaci\u00f3n de la barra durante los levantamientos de peso muerto: acerca el sensor al movimiento que queremos medir y, en estas pruebas, ha generado una se\u00f1al m\u00e1s estable antes del levantamiento y curvas de velocidad m\u00e1s cercanas a las de Vitruve.<\/p>\n\n<p>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 colocaci\u00f3n de la barra podr\u00eda resultar beneficiosa en los ejercicios en los que la barra se sujeta con las manos sin apoyarla contra el cuerpo, lo que podr\u00eda incluir el press de banca.<\/p>\n\n<p>En cuanto a otros ejercicios, como las sentadillas y las elevaciones de cadera, seguimos creyendo que llevar el reloj en la mu\u00f1eca ofrece un equilibrio entre comodidad y fiabilidad.<\/p>\n\n<h2>Datos de velocidad y aceleraci\u00f3n en Spleeft: c\u00f3mo aprender a utilizar cada tecnolog\u00eda<\/h2>\n\n<p>Este trabajo tambi\u00e9n dio lugar a una funci\u00f3n de Spleeft, introducida en el <a href=\"https:\/\/spleeft.app\/smart-zero-apple-watch-control-vbt-update\/\">Smart Zero, controles del Apple Watch y actualizaci\u00f3n con nuevos par\u00e1metros<\/a>: <strong>poner a disposici\u00f3n de los usuarios los registros de velocidad y aceleraci\u00f3n dentro de la aplicaci\u00f3n<\/strong>, para que puedan repasar lo que ocurri\u00f3 durante su actuaci\u00f3n.<\/p>\n\n<p>En algunas grabaciones de peso muerto, se aprecia claramente que la velocidad no se corresponde con lo que deber\u00eda ocurrir: antes de que comience una repetici\u00f3n, cuando la barra est\u00e1 inm\u00f3vil, la curva puede mostrar oscilaciones o desviarse del cero. Los peque\u00f1os movimientos de mu\u00f1eca, las vibraciones y otros factores externos pueden contribuir a estas irregularidades.<\/p>\n\n<p>Mostrar la se\u00f1al permite a los usuarios compararla con su ejecuci\u00f3n. \u00bfVuelve la curva a situarse cerca de cero durante una pausa? \u00bfAparece alg\u00fan movimiento antes de la elevaci\u00f3n? \u00bfHay alguna irregularidad que coincida con un ajuste del agarre o del reloj? Estas preguntas ayudan a los usuarios a reconocer cu\u00e1ndo es necesario revisar una medici\u00f3n y c\u00f3mo mejorar la colocaci\u00f3n o su procedimiento en la siguiente serie.<\/p>\n\n\n<figure class=\"wp-block-image aligncenter size-large\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/spleeft.app\/wp-content\/uploads\/2026\/08\/imu-data-playground-corrected-velocity-471x1024.png\" alt=\"Entorno de pruebas de datos de la IMU de Spleeft que muestra la velocidad corregida, los marcadores de repetici\u00f3n y los intervalos de velocidad cero\" class=\"wp-image-11338\" width=\"253\" height=\"550\" style=\"width:253px;height:auto;max-width:100%;max-height:550px;object-fit:contain\" title=\"\" srcset=\"https:\/\/spleeft.app\/wp-content\/uploads\/2026\/08\/imu-data-playground-corrected-velocity-471x1024.png 471w, https:\/\/spleeft.app\/wp-content\/uploads\/2026\/08\/imu-data-playground-corrected-velocity-138x300.png 138w, https:\/\/spleeft.app\/wp-content\/uploads\/2026\/08\/imu-data-playground-corrected-velocity-scaled.png 1177w\" sizes=\"(max-width: 253px) 100vw, 253px\" \/><figcaption class=\"wp-element-caption\">IMU Data Playground en Spleeft: velocidad corregida en verde, marcadores de repetici\u00f3n en azul e intervalos identificados como velocidad cero en naranja. La captura de pantalla muestra c\u00f3mo revisar una grabaci\u00f3n en la aplicaci\u00f3n; no identifica el ejercicio ni muestra una desviaci\u00f3n en reposo ni una diferencia entre la colocaci\u00f3n de la barra y la mu\u00f1eca.<\/figcaption><\/figure>\n\n\n<p><strong>Queremos que los usuarios comprendan sus datos y aprendan a utilizar mejor la herramienta.<\/strong> La fiabilidad tambi\u00e9n depende de que se ense\u00f1e d\u00f3nde colocar el sensor, qu\u00e9 se\u00f1ales merece la pena revisar y cu\u00e1ndo 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.<\/p>\n\n<h2>Nuestro objetivo: datos que te ayuden a tomar decisiones<\/h2>\n\n<p>La inteligencia artificial est\u00e1 haciendo que el desarrollo de aplicaciones sea m\u00e1s accesible. Nos ayuda a escribir c\u00f3digo, explorar ideas y avanzar m\u00e1s r\u00e1pido. En Spleeft, tambi\u00e9n la utilizamos para analizar grabaciones y revisar nuestras propias interpretaciones, tal y como hicimos en esta comparaci\u00f3n.<\/p>\n\n<p>Esto me ha llevado a centrar mis esfuerzos en lo que considero m\u00e1s valioso para las personas que entrenan con la aplicaci\u00f3n: <strong>la calidad de los datos y su utilidad para la toma de decisiones cotidianas<\/strong>.<\/p>\n\n<p>Apple provides the device and its sensors. Our work is to understand how they behave during training, develop the algorithm that interprets those signals and test it in our users&#8217; real conditions. Training experience, field tests and data analysis all contribute, supported by AI.<\/p>\n\n<p>Nuestra prioridad es mejorar la fiabilidad de las mediciones y ayudar a los usuarios a reconocer sus l\u00edmites, de modo que la velocidad registrada pueda aportar informaci\u00f3n \u00fatil a la hora de ajustar una carga, supervisar la fatiga o evaluar el progreso.<\/p>\n\n<p><strong>Queremos que el entrenamiento basado en la velocidad sea m\u00e1s accesible, y esa accesibilidad tambi\u00e9n exige prestar atenci\u00f3n a la calidad de lo que medimos.<\/strong> Ese es el trabajo que queremos seguir haciendo en Spleeft: utilizar herramientas que nos ayuden a avanzar m\u00e1s r\u00e1pido para crear m\u00e9tricas que resulten cada vez m\u00e1s \u00fatiles en el entrenamiento real.<\/p>\n\n<h2>Preguntas frecuentes sobre el Apple Watch para el levantamiento de peso muerto<\/h2>\n\n<h3>\u00bfEs mejor colocar el Apple Watch en la barra que en la mu\u00f1eca?<\/h3>\n\n<p>In this deadlift session, the reconstructed velocity from the watch on the bar was closer to Vitruve in 14 of the 15 comparable repetitions. This is an exploratory result: the watch model and software version differed, and the reconstruction used information from the encoder. It does not demonstrate a universal advantage or the app&#8217;s independent accuracy.<\/p>\n\n<h3>\u00bfMuestran los gr\u00e1ficos la velocidad que calcula Spleeft en tiempo real?<\/h3>\n\n<p>No. Para comparar las se\u00f1ales, aplicamos un procedimiento habitual a los datos de aceleraci\u00f3n exportados, con la ayuda de Vitruve para delimitar los ascensos y establecer la condici\u00f3n inicial. Los gr\u00e1ficos muestran esa reconstrucci\u00f3n fuera de l\u00ednea.<\/p>\n\n<h3>What Can I Learn by Reviewing My Set&#8217;s Recordings?<\/h3>\n\n<p>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 ejecuci\u00f3n te ayuda a revisar la colocaci\u00f3n y la t\u00e9cnica; una curva coherente por s\u00ed sola no garantiza la precisi\u00f3n.<\/p>\n\n<p>Si quieres probar el entrenamiento basado en la velocidad con tu Apple Watch o tu iPhone, <a href=\"https:\/\/apps.apple.com\/us\/app\/spleeft\/id1606893985\" target=\"_blank\" rel=\"noopener\">Descarga Spleeft desde la App Store<\/a>. Empieza por revisar tus propias series y c\u00f3mo se relacionan las grabaciones con tu ejecuci\u00f3n.<\/p>","protected":false},"excerpt":{"rendered":"<p>Comparamos las grabaciones simult\u00e1neas del Apple Watch realizadas desde la barra y desde la mu\u00f1eca con las de un codificador lineal durante los levantamientos de peso: qu\u00e9 cambios se producen en la se\u00f1al y qu\u00e9 conclusiones podemos extraer.<\/p>","protected":false},"author":1,"featured_media":11401,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"footnotes":""},"categories":[142],"tags":[67,21],"class_list":["post-11403","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-case-studies","tag-apple-watch","tag-vbt"],"_links":{"self":[{"href":"https:\/\/spleeft.app\/es\/wp-json\/wp\/v2\/posts\/11403","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/spleeft.app\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/spleeft.app\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/spleeft.app\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/spleeft.app\/es\/wp-json\/wp\/v2\/comments?post=11403"}],"version-history":[{"count":2,"href":"https:\/\/spleeft.app\/es\/wp-json\/wp\/v2\/posts\/11403\/revisions"}],"predecessor-version":[{"id":11406,"href":"https:\/\/spleeft.app\/es\/wp-json\/wp\/v2\/posts\/11403\/revisions\/11406"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/spleeft.app\/es\/wp-json\/wp\/v2\/media\/11401"}],"wp:attachment":[{"href":"https:\/\/spleeft.app\/es\/wp-json\/wp\/v2\/media?parent=11403"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/spleeft.app\/es\/wp-json\/wp\/v2\/categories?post=11403"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/spleeft.app\/es\/wp-json\/wp\/v2\/tags?post=11403"}],"curies":[{"name":"gracias","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}