Diagnostyka uderzeń IMU wysokiego g — i Perception Neuron 3 jako odniesienie

Uderzenia w sportach walki są wrogim środowiskiem dla czujników inercyjnych. Tylny prosty, który mierzyliśmy na platformie sił, siedział w okolicy 1700 N; przyspieszenia pięści w tamtym badaniu dochodziły do rzędu 90 m/s². Tanie, konsumenckie IMU się nasycają. Laboratoryjne systemy optyczne są dokładne i nieruchome. Trenerzy i tak chcą liczby, którą da się zabrać pod worek, a nie rezerwacji w hali motion capture.

IMU Strike Diagnostics to sprzętowa odpowiedź, którą opublikowaliśmy: kompletny projekt, firmware i zestaw skryptów Python pod tani układ inercyjny na wysokie przeciążenia, do 200 g, pod diagnostykę uderzeń. Przyspieszenie liniowe i prędkość kątowa, rejestrowane na urządzeniu, które przypniesz na nadgarstek albo goleń, a potem liczone w Pythonie zamiast zamykać się w GUI producenta. Schematy i kod: github.com/biokineticum/imu_dareczin.

Dlaczego 200 g to nie marketingowa okrągła liczba

Szczytowe przyspieszenie liniowe przy impakcie jest krótkie i brzydkie. Jeśli czujnik się nasyca, nie dostajesz lekko błędnego piku — dostajesz płaską linię i opowieść o „ciosie, który zabił chip”. Diagnostyka uderzeń zaczyna się więc od zakresu pomiarowego, potem od częstotliwości próbkowania, potem od mocowania, które samo nie staje się drugim uderzeniem. Firmware musi trzymać zegar w ryzach; strona w Pythonie musi segmentować próby tak samo każdego popołudnia.

Ta ostatnia część to ten sam problem co w stosie laboratoryjnym. Noraxon Strike Analyzer już tnie ciągłe nagrania Ultium EMG i AMTI na pojedyncze uderzenia i rysuje średnie profile siły. Otwarty zestaw IMU to wersja, którą zbudujesz, gdy nie masz Ultium na wózku. Ten sam nawyk naukowy: segmentuj, uśredniaj, patrz na outlier, nie ufaj pojedynczemu surowemu spike’owi.

Nie wymyślam tu tabeli walidacyjnej dla otwartego hardware’u. Praca bokserska używała laboratoryjnych IMU na nadgarstku, przedramieniu i ramieniu plus certyfikowanej platformy; to inny instrument. Zestaw to blueprint dla tych, którzy chcą śladów wysokiego g bez czekania na grant na pełny Noraxon. Jeśli potrzebujesz systemu odniesienia — to inna półka.

Co mówi literatura

Noszone czujniki inercyjne nie są gadżetem, gdy pytanie dotyczy kątów stawowych poza wolumenem optycznym. Poitras i współpracownicy systematycznie przejrzeli trafność i rzetelność M/IMU w zależności od stawu i złożoności zadania: trafność kryterialna była generalnie silniejsza dla prostszych zadań i dla zgięcia–wyprostu kończyny dolnej, a ostrożność rośnie wraz ze złożonością (Sensors, 2019). Zeng i wsp. zrobili metaanalizę IMU dla kinematyki kończyny dolnej w biegu: doskonała trafność współbieżna dla kilku parametrów spatio-temporalnych i kąta stawu skokowego w płaszczyźnie strzałkowej, z większą ostrożnością dla innych płaszczyzn (Sports Med Open, 2022).

Rekomendacje ISB z 2024 r. dotyczące kinematyki stawów z IMU pchają dziedzinę w stronę powtarzalnego raportowania — kalibracja czujnika, protokół, model kinematyczny, kalibracja osobnicza, ocena jakości — a nie jednego magicznego algorytmu (Cereatti i wsp., J Biomech, 2024). Ta rama pasuje do tego, jak używam stosu: DIY IMU wysokiego g pod piki impaktu, których pełny kombinezon mocap nie jest zbudowany podkreślać; Perception Neuron 3 / Noitom pod łańcuch ruchu, który ten pik wyprodukował.

Uczciwe granice: IMU bywają lepsze od kamery w niektórych płaszczyznach i zadaniach o wysokiej częstotliwości, a gorsze od skalibrowanego wolumenu optycznego, gdy potrzebujesz trajektorii markerów w milimetrach. Żadne z nich nie zastępuje platformy sił, gdy potrzebujesz niutonów przy worku.

Perception Neuron 3 jako półka odniesienia

Biokineticum jest oficjalnym partnerem Noitom w Polsce. Perception Neuron 3 to przenośny inercyjny system motion capture — Axis Studio, streaming HTTP, BVH, który da się zachować — z polskim oprogramowaniem analitycznym napisanym pod ten potok. Praca magisterska z 2026 r., którą promowałem na Uniwersytecie Jana Długosza w Częstochowie, o śledzeniu stawów i analizie kątów z feedbackiem w czasie rzeczywistym dla fizjoterapii, używała Perception Neuron 3 jako odniesienia dla narzędzia bezmarkerowego. Raportowane korelacje wynosiły od r = 0,6 do ponad 0,9. To zdanie należy do tej pracy, nie jako blankietowa deklaracja dokładności dla każdego IMU, które wysyłamy.

Na GitHubie przykład single-sensor Noitom pokazuje, jak streamować surowe przyspieszenie z jednej jednostki Perception Neuron 3 przez Axis Studio SDK (Mocap.api) w Pythonie i C++. To ścieżka biofeedbacku: jeden czujnik, telemetria na żywo, własna nakładka. MotionScope 3D przenosi BVH dalej do przeglądarki. Na YouTube są przykłady analizy kopnięć z tego samego toolchainu. Sprzęt jest mały, względnie odporny na zakłócenia i wyceniony pod laboratoria, które nie mogą zamrozić sali pod kamery optyczne.

Pakiety na stronie Noitom są celowo grube: Start (sprzęt i oprogramowanie), Sport/Pro (plus szkolenie i analiza), University (sprzęt plus oprogramowanie specjalizowane dla badaczy). Szkolenie może iść na tych samych jednostkach Perception Neuron, których potem używa się do capture. Cen ulicznych tu nie wypisuję; dostępność idzie przez formularz kontaktowy.

Jak realnie użyłbym obu razem

DIY IMU wysokiego g należą na kończynę uderzającą, gdy interesują Cię piki impaktu. Perception Neuron 3 należy na resztę łańcucha — rotacja tułowia, krok, gard — gdy interesuje Cię ruch, który ten pik wyprodukował. Praca bokserska już powiedziała cichą część: cross nie jest izolowaną ręką; to ścieżka od stóp przez tułów. Mierzenie tylko pięści to sposób na szybkie, słabe ciosy, które ładnie wyglądają na telefonie.

Jeśli jesteś kliniką, laboratorium uniwersyteckim albo klubem, który chce liczb na uderzeniach bez udawania, że akcelerometr w telefonie jest instrumentem naukowym, zacznij od blueprintu albo od dema Perception Neuron 3. Oba są udokumentowane. Żadne nie zastępuje platformy sił, gdy potrzebujesz niutonów przy worku. Zastępują wzruszenie ramion, że uderzenie jest za szybkie, żeby je zmierzyć.

Piśmiennictwo

1. Poitras I, Dupuis F, Bielmann M, et al. Validity and reliability of wearable sensors for joint angle estimation: a systematic review. Sensors. 2019;19(7):1555. doi:10.3390/s19071555
2. Zeng Z, Liu Y, Hu X, Tang M, Wang L. Validity and reliability of inertial measurement units on lower extremity kinematics during running: a systematic review and meta-analysis. Sports Med Open. 2022;8:86. doi:10.1186/s40798-022-00477-0
3. Cereatti A, Gurchiek R, Mündermann A, et al. ISB recommendations on wearable inertial measurement technology for joint kinematics. J Biomech. 2024;173:112225. doi:10.1016/j.jbiomech.2024.112225
4. Mosler D, Kacprzak J, Wąsik J. Higher values of force and acceleration in rear cross than lead jab. Appl Sci. 2024;14(7):2830. doi:10.3390/app14072830

Napisane przez: dr hab. Dariusz Mosler

Naukowiec, wykładowca i fizjoterapeuta. Łączy analitykę danych badawczych, inżynierię zdrowia i biomechanikę, aby optymalizować układ ruchu oraz profesjonalną rehabilitację pacjentów.