Для оцифровки движения используем сам хаптик. Он с частотой до 1000 Гц фиксирует координаты точек по мере движения оператора, после чего записанная траектория передается в программный мост и дальше используется для управления роботом.
А вот работу на сложных поверхностях пока отдельно не тестировали, поэтому по точности здесь не хочу забегать вперед. Это один из следующих этапов экспериментов.
Сейчас бот действительно работает только с интро. Это осознанное решение для MVP — в интро человек обычно пишет о своём опыте, интересах и задачах, поэтому из них проще извлечь смысл и найти пересечения.
При этом мы тоже думаем про анализ контекста общения. В статье как раз упоминаем, что дальше хотим учитывать не только интро, но и сами диалоги в чате — тогда бот сможет находить совпадения по темам обсуждений и рабочим интересам.
Используем YOLOv8 с дообучением на собственном датасете. Модель детектирует бойцов и синаи, дальше мы анализируем последовательность кадров: сопоставляем детекции во времени, строим траектории движения и считаем векторы смещения. Отдельно экспериментировали с ключевыми точками и анализом динамики удара.
Событие формируется логикой поверх детекций: проверяем траекторию синаев, направление движения, потенциальное пересечение с разрешёнными зонами и минимальную длительность эпизода. Если выполняется набор геометрических и временных условий при достаточном confidence, фиксируем «потенциальный удар» с таймкодом.
Для оцифровки движения используем сам хаптик. Он с частотой до 1000 Гц фиксирует координаты точек по мере движения оператора, после чего записанная траектория передается в программный мост и дальше используется для управления роботом.
А вот работу на сложных поверхностях пока отдельно не тестировали, поэтому по точности здесь не хочу забегать вперед. Это один из следующих этапов экспериментов.
Спасибо за комментарий, хороший вопрос.
Сейчас бот действительно работает только с интро. Это осознанное решение для MVP — в интро человек обычно пишет о своём опыте, интересах и задачах, поэтому из них проще извлечь смысл и найти пересечения.
При этом мы тоже думаем про анализ контекста общения. В статье как раз упоминаем, что дальше хотим учитывать не только интро, но и сами диалоги в чате — тогда бот сможет находить совпадения по темам обсуждений и рабочим интересам.
Итог — получился крутой pet-проект 🙂
Используем YOLOv8 с дообучением на собственном датасете. Модель детектирует бойцов и синаи, дальше мы анализируем последовательность кадров: сопоставляем детекции во времени, строим траектории движения и считаем векторы смещения. Отдельно экспериментировали с ключевыми точками и анализом динамики удара.
Событие формируется логикой поверх детекций: проверяем траекторию синаев, направление движения, потенциальное пересечение с разрешёнными зонами и минимальную длительность эпизода. Если выполняется набор геометрических и временных условий при достаточном confidence, фиксируем «потенциальный удар» с таймкодом.
Хороший вопрос 🙂
Мы видели в этом не попытку «оцифровать» смысл кендо или свести всё к очкам. Скорее — это pet-проект с исследовательским интересом.
Для нас это про эксперименты с видеоаналитикой, работу с данными и проверку гипотез. Не замена судей, а способ посмотреть на процесс под другим углом.
失礼します。