ヘルスケア · 完了

アダプティブ・フィットネスコーチ

一つの基盤が、適応型の計画、運動へのライブフィードバック、栄養、健康データ、分析、AIコーチングをつなぎます。

概要

個人向けのフィットネス計画は、その人の目標や身体的な条件、実際の継続度に応えられない一般的な推奨から始まることが少なくありません。同社は、トレーニングと栄養を個別化しつつ、セッションの合間もユーザーの関心をつなぎとめられるモバイル体験を求めていました。

私はクライアントとのやり取りから技術的な納品まで、プロジェクトを主導しました。プロダクトのフィードバックを仕様に翻訳し、モバイル・バックエンド・QAのチームを調整し、毎週デモを行い、Pythonによる運動トラッキングの仕組みを開発しました。

完成した基盤は、適応型のワークアウト計画、食事プラン、カメラによる姿勢と回数の検出、フィットネス分析、予定されたはたらきかけ、断食のためのツール、ヘルス連携、そして領域を限定したAIコーチを組み合わせています。

秘密保持に関する注記：秘密保持のため、クライアント名と企業名は変更または省略しています。作業内容、私の役割、案件の範囲は実際のものです。

Approach

課題と解決策

オンボーディングは、個人の目標・好み・身体スキャンの情報を、実行できるフィットネス計画に変える必要がありました。

オンボーディングの好み、フィットネスの目標、身体スキャンの結果を組み合わせ、個別化されたワークアウトの推奨を支えます。

スマートフォンのカメラが、身体の動きを認識し、運動中の姿勢を評価し、セッション中に回数を数える必要がありました。

MediaPipeとOpenCVを用いたPythonプログラムを開発し、身体のランドマークを追跡し、動作の角度を計算し、姿勢を検出し、運動の回数を数えます。

翌週の推奨は、固定の予定を繰り返すのではなく、ワークアウトの完了状況・頻度・これまでの成績を考慮する必要がありました。

ワークアウトの継続度を週ごとの計画調整に結びつけつつ、個別化された食事、断食、カロリー推定、食品スキャンにも対応します。

AI機能はフィットネスの領域にとどまりつつ、実用的な利用しやすさとモデルの利用コストを両立させる必要がありました。

スキャンとコーチングの機能にGoogle Geminiのモデルを統合し、やり取りをアプリのフィットネス上のロジックに限定し、実用的な利用上限を適用しました。

Technical Detail

モバイル体験はCompose Multiplatformで構築しました。NestJSとPostgreSQLがアプリのAPIとデータを支え、Google Geminiのモデルが身体・食事・計画・コーチングの体験を動かしました。

リアルタイムの運動検出は、MediaPipeとOpenCVを用いた専用のPythonプログラムで行いました。身体のランドマークと関節角度を解釈して動作を特定し、期待される運動の挙動に照らして姿勢を評価し、回数を数えます。

プロジェクトリードとして、クライアントとの関係、毎週のデモ、フィードバックの翻訳、技術仕様、実装方針、チームの調整、そしてモバイル・バックエンド・AI・QAにまたがる納品の監督を担いました。

Stack

クライアントの評価

AI機能によって、この基盤は一人で運動する人にとって、単なるもう一つのフィットネスアプリではなく個人コーチのように感じられるものになりました。週ごとのワークアウト計画、回数のカウント、姿勢の案内、そしてそれらのAI体験を囲む歯止めが、私たちを最も驚かせ、感心させた点でした。

クライアント名は非公開

クライアントの名称は非公開です。この要約は、Muhammad と案件チームに口頭で共有された評価をまとめたものです。

ほかも見る

いま何をつくっている、あるいは改善しているのかをお聞かせください。現実的な次の一歩を一緒に見つけます。

ディスカッション

まだコメントはありません。最初のひとことをどうぞ。