Proyecto de clienteIAEn vivo
Wellnix
Producto de salud con IA con dos módulos en funcionamiento: MuscleAI revisa la técnica de levantamiento a partir del vídeo del entrenamiento, y NutriAI lee una etiqueta nutricional y la puntúa según tus objetivos.
Resultado
Revisión de técnica y lectura de etiquetas en un solo producto
El problema
Entrenar en casa significa que nadie te dice que la técnica está mal hasta que algo duele.
Lo que construí
Se construyó un pipeline de visión por computador que revisa postura y movimiento desde grabaciones de móvil corrientes, y un lector de etiquetas que extrae ingredientes y tablas nutricionales y los puntúa según los objetivos y el patrón alimentario del usuario. Ambos alimentan un solo perfil.
El resultado
Corrección de la técnica sin un entrenador en la sala, y una puntuación de consumo clara, con su razonamiento, para cualquier alimento envasado, adaptada a la persona que la lee.
Cómo funciona
- 01
El usuario graba un movimiento con la cámara de un móvil corriente, sin wearable y sin sensor de profundidad.
- 02
La estimación de pose extrae las posiciones articulares por fotograma y el movimiento se puntúa frente a la forma que debería tener el ejercicio.
- 03
La corrección vuelve como la indicación concreta, no como una puntuación, porque un número no le dice a nadie qué cambiar.
- 04
La foto de una etiqueta nutricional se lee para obtener ingredientes y valores de la tabla, y se devuelve como una puntuación de consumo con el razonamiento que la respalda, ajustada a los objetivos y al contexto de salud del usuario.
La capa de IA
Estimación de pose sobre los fotogramas y después puntuación basada en reglas del esqueleto extraído frente a criterios de técnica por ejercicio. La puntuación deliberadamente no es un modelo: las reglas de técnica son conocidas, explicables y más fáciles de corregir cuando un entrenador no está de acuerdo. En la parte nutricional, la extracción de la etiqueta alimenta un modelo que explica la puntuación en función del perfil del propio usuario.
La capa de ingeniería
Captura en el cliente con análisis en el servidor, muestreo de fotogramas para que salga asequible, y un modelo de datos que mantiene movimiento y nutrición en un solo perfil en vez de en dos aplicaciones.
Decisiones técnicas clave
Puntuación determinista sobre un modelo aprendido.
La estimación de pose es la parte que solo un modelo puede hacer. Juzgar si una rodilla pasó de la punta del pie es aritmética, y hacerlo en código vuelve explicable cada juicio para el usuario.