Por Erick Remedios Muiños

Baseball Smart Coach: pulsera con machine learning para analizar el swing

Prototipo de pulsera sin pantalla con sensores inerciales y app móvil que analiza el swing del bateador y lo compara con peloteros profesionales.

Deporte Startup 50.000 – 100.000 € 6 – 12 meses

El precio incluye diseño, prototipado funcional, test de producto y optimización.

Pulsera Baseball Smart Coach sin pantalla, con pelotas bordadas en la correa y app de análisis del swing
Visualización ilustrativa basada en el prototipo desarrollado por Let’s Prototype.

¿Por qué desarrollar una pulsera con machine learning para el béisbol?

1

Análisis cuantitativo del swing

El objetivo era un producto novedoso y barato que cuantificara el swing del bateador en distintos escenarios.

2

Sensores precisos

Una pulsera gestiona sensores que dan pistas precisas sobre el trazo del movimiento mecánico.

3

Comparación con profesionales

La app muestra la similitud entre el movimiento del jugador y el de peloteros con características físicas parecidas.

4

Datos multimodales

Los datos físicos que pide la app y los ambientales del wearable completan el modelo.

Primer prototipo de Baseball Smart Coach

Pulsera Baseball Smart Coach sin pantalla con sensor abierto, placa electrónica y batería visibles
Visualización ilustrativa basada en el prototipo desarrollado por Let’s Prototype.

Pulsera sin pantalla

Pulsera de tejido con sensor compacto, sin pantalla.

Sensores inerciales

Recogen el trazo del movimiento mecánico del swing.

Wearable IoT

Envía los datos recogidos para su análisis.

Modelo de machine learning

Modelo matemático calibrado exclusivamente para este prototipo.

App móvil a medida

Velocidad, número de swings y evolución técnica, con comparación gráfica.

Integración electrónica

PCB, sensor inercial y batería integrados en el módulo.

Machine learning para prototipos deportivos

Las pulseras inteligentes para deportes de raqueta y béisbol se entrenan con técnicas de machine learning. Estos son los tres enfoques principales.

1

Supervisado

Algoritmos entrenados con datos de entrada y resultados correctos.

2

No supervisado

Algoritmos que interpretan patrones en los datos sin resultados etiquetados.

3

Por refuerzo

Sistemas que aprenden por ciclos de prueba y error.

Jefe de proyecto de Baseball Smart Coach

Iván Bedia, CEO y director técnico de Let’s Prototype
Iván Bedia
CEO y director técnico, Let’s Prototype
LinkedIn
“Una pulsera sin pantalla parece simple por fuera, pero por dentro sensores inerciales, firmware y app tienen que ir a la par. Ahí está el verdadero diseño. Si pudimos con esto, seguro que podemos con tu idea.”

Hablemos de tu proyecto

¿Tienes una idea como esta? Cuéntanos tu proyecto.