Quando si effettua la misurazione velocità della barra con l'Apple Watch durante gli stacchi da terra, fa differenza se si indossa l’orologio al polso o lo si fissa alla barra? Dopo aver condiviso gli ultimi miglioramenti apportati a Spleeft, una delle domande più frequenti è stata: perché l’Apple Watch appariva fissato alla barra invece che al mio polso?.
Capisco la reazione. Un orologio appeso a un bancone attira l’attenzione e, sì, sapevo che quell’immagine avrebbe potuto suscitare curiosità. Ma dietro c’era una domanda su cui stavamo indagando già da un po’: Potremmo rendere le misurazioni ancora più affidabili appoggiando l'orologio sulla barra? In pratica, le misurazioni relative allo stacco di peso con l’orologio al polso non sono risultate affidabili quanto quelle relative ad altri esercizi, come lo squat. Anche lo studio indipendente di validazione dell’Apple Watch ha evidenziato questa differenza.
Nei nostri test di stacco simultanei, l’orologio fissato al bilanciere ha registrato un numero inferiore di oscillazioni prima della fase di sollevamento. Quando abbiamo ricostruito entrambi i segnali utilizzando la stessa procedura, anche la sua curva di velocità risultava più vicina a quella dell’encoder nella maggior parte delle ripetizioni. Ecco i dati e i limiti di tale confronto.
Apple Watch al polso o appeso al bar: quale movimento rileva il sensore?
Quando si indossa un Apple Watch al polso durante un deadlift, la mano si muove insieme al bilanciere. Tuttavia, ciò non significa che i loro movimenti siano identici in ogni momento.
Prima di sollevare il peso, potresti regolare la presa, tendere le braccia o modificare leggermente la posizione del polso. Questi movimenti possono essere rilevati dal sensore anche quando il bilanciere si è mosso di pochissimo. Anche la vestibilità del cinturino e le vibrazioni possono influire sulla registrazione.
La nostra ipotesi era che alcune delle irregolarità riscontrate all’inizio derivassero dall’interazione tra il corpo, il polso e l’orologio. Fissandolo alla barra avremmo potuto ridurre quei movimenti relativi e avvicinare il segnale all’oggetto di cui volevamo misurare la velocità.
Questo è importante perché Spleeft ricostruisce la velocità a partire dall'accelerazione. Un piccolo errore in quel segnale può accumularsi durante l'integrazione. Ciò che accade proprio prima della salita può influire sul punto di partenza e, di conseguenza, sul tracciato dell'intera ripetizione.
Come abbiamo testato l’Apple Watch durante gli stacchi di terra a confronto con Vitruve
Questa ricerca fa parte del nostro lavoro in corso sulle registrazioni dei corsi di formazione, che descriviamo nel nostro articolo su miglioramento dell'algoritmo di velocità di Spleeft con dati reali. In questo articolo presenteremo tre segnali registrati contemporaneamente durante le stesse serie:
- Un Apple Watch SE (1ª generazione) fissato alla barra, su cui è in esecuzione la nuova versione dell'algoritmo.
- Un Apple Watch Series 8 al polso, con la versione precedente installata.
- Un encoder lineare Vitruve come riferimento esterno.
Questo ci ha permesso di confrontare la stessa esecuzione, senza dover presumere che due serie eseguite in momenti diversi fossero equivalenti.
Per questa analisi, presenteremo quattro serie di stacchi con tutte e tre le registrazioni: una a 60 kg, due a 70 kg e una a 80 kg. Ciò ha lasciato 15 ripetizioni simili. Una ripetizione in più non presentava dati sufficienti relativi al polso prima del sollevamento ed è stata esclusa; in un’altra serie era presente solo la registrazione dell’orologio relativa al bilanciere.
Risultati: velocità della barra durante 15 ripetizioni di stacco da terra
L'orologio sul bancone ha prodotto una traccia di velocità più vicina a quella di Vitruve in 14 delle 15 ripetizioni, con un errore medio inferiore in tutte e quattro le serie.
Per quantificare tale vicinanza, abbiamo calcolato l'RMSE: una misura della differenza tra le curve, campione per campione. Un valore più basso indica che le curve sono più vicine in questo confronto.
| Calcolare il totale delle 15 ripetizioni condivise | Orologio da bar | Orologio da polso |
|---|---|---|
| RMSE medio durante la salita | 0,033 m/s | 0,092 m/s |
| RMSE medio all’inizio | 0,011 m/s | 0,057 m/s |
L'intervallo iniziale va da 0,25 secondi prima a 0,15 secondi dopo l'inizio della fase concentrica, identificata tramite Vitruve. Questi valori rappresentano le medie dell'errore di tracciamento per ripetizione; non si tratta di errori di velocità media né di percentuali di affidabilità dell'app.
Nell'analizzare l'accelerazione, abbiamo anche notato un minor numero di oscillazioni sul grafico prima di diverse salite. Questa differenza aiuta a spiegare perché, oltre a migliorare l'algoritmo stesso, sia importante anche migliorare il segnale in ingresso all'algoritmo.
Ci sono casi in cui il polso registra delle oscillazioni prima che l’encoder mostri una chiara salita. La velocità ricostruita potrebbe quindi risultare sfalsata o presentare una deviazione in termini di ampiezza. In molti di questi casi, l’orologio montato sulla barra segue più da vicino il riferimento.
E gli affondi? La differenza non era la stessa
In quella sessione abbiamo anche registrato due serie di affondi con 50 kg, utilizzando contemporaneamente l’orologio montato sul bilanciere, quello al polso e Vitruve.
Qui, i segnali di accelerazione provenienti dal polso e dalla barra erano molto simili tra loro e a quelli dell’encoder. Non abbiamo osservato una separazione così netta tra le serie come quella che avevamo notato prima di diverse serie di deadlift.
Cosa possiamo dedurre per quanto riguarda la formazione
Questo confronto ci fornisce una ragione pratica per continuare a studiare il posizionamento del bilanciere durante gli stacchi: avvicina il sensore al movimento che vogliamo misurare e, in questi test, ha prodotto un segnale più stabile prima del sollevamento e curve di velocità più vicine a quelle di Vitruve.
Il vantaggio osservato negli stacchi da terra e il risultato meno evidente negli affondi ci spingono a studiare ciascun esercizio separatamente. Tuttavia, riteniamo che il posizionamento del bilanciere possa essere vantaggioso negli esercizi in cui il bilanciere viene tenuto con le mani senza essere appoggiato al corpo, tra cui potenzialmente anche la distensione su panca.
Per altri esercizi, come gli squat e gli hip thrust, continuiamo a ritenere che indossare l'orologio al polso garantisca un buon equilibrio tra praticità e affidabilità.
Dati relativi alla velocità e all’accelerazione in Spleeft: imparare a utilizzare ciascuna tecnologia
Questo lavoro ha portato anche alla creazione di una funzionalità di Spleeft, introdotta nel Smart Zero, comandi per Apple Watch e aggiornamento delle nuove metriche: mettere a disposizione degli utenti, all’interno dell’app, i dati relativi alla velocità e all’accelerazione, in modo che possano rivedere ciò che è successo durante la loro esibizione.
In alcune registrazioni relative allo stacco da terra, è evidente che la velocità non corrisponde a quanto dovrebbe verificarsi: prima dell’inizio di una ripetizione, quando il bilanciere è fermo, la curva può presentare oscillazioni o discostarsi dallo zero. Piccoli movimenti del polso, vibrazioni e altri fattori esterni possono contribuire a queste irregolarità.
La visualizzazione del segnale consente agli utenti di confrontarlo con la propria esecuzione. La curva torna vicino allo zero durante una pausa? Si nota un movimento prima del sollevamento? C’è un’irregolarità che coincide con una regolazione della presa o dell’orologio? Queste domande aiutano gli utenti a riconoscere quando una misurazione deve essere rivista e come migliorare il posizionamento o la procedura nella serie successiva.
Vogliamo che gli utenti comprendano i propri dati e imparino a utilizzare meglio lo strumento. L'affidabilità dipende anche dall'insegnamento di dove posizionare il sensore, quali segnali vale la pena esaminare e quando interpretare un risultato con maggiore cautela. Consentire agli utenti di accedere alle registrazioni favorisce tale apprendimento, mettendo a disposizione ciò che è accaduto durante il loro stesso allenamento.
Il nostro obiettivo: dati che ti aiutano a prendere decisioni
L'intelligenza artificiale sta rendendo lo sviluppo delle app più accessibile. Ci aiuta a scrivere codice, a esplorare idee e ad agire più rapidamente. Noi di Spleeft la utilizziamo anche per analizzare le registrazioni e verificare le nostre interpretazioni, come abbiamo fatto in questo confronto.
Questo mi ha portato a concentrare i miei sforzi su ciò che ritengo più utile per chi si allena con l'app: la qualità dei dati e la loro utilità per le decisioni quotidiane.
Apple fornisce il dispositivo e i relativi sensori. Il nostro compito è capire come si comportano durante la fase di addestramento, sviluppare l’algoritmo che interpreta tali segnali e testarlo nelle condizioni reali dei nostri utenti. L’esperienza di addestramento, i test sul campo e l’analisi dei dati contribuiscono tutti a questo processo, con il supporto dell’intelligenza artificiale.
La nostra priorità è migliorare l'affidabilità delle misurazioni e aiutare gli utenti a riconoscerne i limiti, affinché la velocità registrata possa fornire informazioni utili per regolare un carico, monitorare la fatica o valutare i progressi.
Vogliamo che l'allenamento basato sulla velocità sia più accessibile, e tale accessibilità richiede anche un'attenzione particolare alla qualità di ciò che misuriamo. Questo è il lavoro che vogliamo continuare a svolgere in Spleeft: utilizzare strumenti che ci aiutino ad agire più rapidamente per sviluppare metriche sempre più utili nell'allenamento vero e proprio.
Domande frequenti sull'Apple Watch per lo stacco da terra
È meglio appoggiare l'Apple Watch sul bancone piuttosto che indossarlo al polso?
In questa sessione di stacco da terra, la velocità ricostruita dall’orologio montato sul bilanciere era più vicina a quella rilevata da Vitruve in 14 delle 15 ripetizioni comparabili. Si tratta di un risultato preliminare: il modello dell’orologio e la versione del software erano diversi, e la ricostruzione si è basata sulle informazioni fornite dall’encoder. Ciò non dimostra un vantaggio universale né l’accuratezza indipendente dell’app.
I grafici mostrano la velocità calcolata da Spleeft in tempo reale?
No. Per confrontare i segnali, abbiamo applicato una procedura standard ai dati di accelerazione esportati, avvalendoci di Vitruve per delimitare le fasi di salita e stabilire la condizione iniziale. I grafici mostrano tale ricostruzione offline.
Cosa posso imparare rivedendo le registrazioni del mio gruppo?
È possibile verificare se la velocità si avvicina allo zero durante le pause e se si verificano irregolarità prima del sollevamento. Il confronto della curva con la propria esecuzione aiuta a rivedere il posizionamento e la procedura; una curva coerente, di per sé, non garantisce la precisione.
Se vuoi provare l'allenamento basato sulla velocità con il tuo Apple Watch o iPhone, Scarica Spleeft dall'App Store. Inizia esaminando le tue registrazioni e valutando in che modo queste si rapportano alla tua esecuzione.
