Главное о проекте
About the project
Если вы любимый клиент фитнес-клубов, который покупает абонемент на год и ходит только один раз, этот пост для вас.
If you're the kind of beloved fitness-club customer who buys an annual membership and shows up exactly once, this one's for you.
Неудобная правда — каждой овечке нужен чабан. В спортивной формулировке таковым является тренер, который будет направлять, говорить в моменте, что конкретно ты делаешь не так или так, мотивировать, корректировать, в общем — тренировать.
An inconvenient truth: every sheep needs a shepherd. In athletic terms, that role belongs to a coach who guides you, tells you in the moment exactly what you're doing right or wrong, motivates, corrects — in short, who trains you.
Хороший тренер — это дорого, редко и географически ограничено. Один человек физически не может качественно работать больше чем с десятком клиентов. Масштабировать это не получается. А плохой тренер — это ещё хуже, чем никакого. Эту несправедливость мы исправили. И теперь за соблюдением техники и качеством тренировки смотрит нейросеть, смотрит, не отвлекаясь, как лев смотрит на добычу — в оба, можно сказать.
A good coach is expensive, scarce, and geographically limited. One person physically can't work well with more than a dozen clients. It doesn't scale. And a bad coach is even worse than none. We fixed this injustice. Now a neural network watches over your form and the quality of your workout — watching without distraction, the way a lion watches its prey, with both eyes, you could say.
Что мы в итоге сделали? Приложение для фитнеса — мобильный AI-тренер, который живёт в камере твоего телефона. Открываешь приложение, начинаешь приседать — и в реальном времени получаешь голосовую обратную связь о том, что именно ты делаешь не так. Не «посмотри разбор после тренировки». Прямо сейчас, в моменте, в ресурсе.
So what did we build in the end? A fitness app — a mobile AI trainer that lives in your phone's camera. You open the app, start doing squats, and get real-time voice feedback on exactly what you're doing wrong. Not «review the breakdown after your workout». Right now, in the moment, while you've still got the energy.
Под капотом: Computer Vision строит скелетную модель по движениям тела, LLM переводит это в человеческий язык, Reinforcement Learning запоминает твои паттерны и адаптирует программу конкретно под тебя — не под «мужчину 30-40 лет с целью похудеть».
Under the hood: computer vision builds a skeletal model from your body's movements, an LLM translates it into human language, and reinforcement learning remembers your patterns and adapts the program specifically to you — not to «a man aged 30–40 looking to lose weight».
Итого: точность анализа движений — 95%. Retention через 3 месяца — 40% против рыночных 20-25%. И такая разница взялась не из пуш-уведомлений и не из системы наград и геймификации. А из того, что пользователь в реальном времени получает ответ «я вообще это правильно делаю?»
The bottom line: 95% accuracy of movement analysis. Retention after 3 months — 40% vs. the market's 20–25%. And that gap didn't come from push notifications or a system of rewards and gamification. It came from the user getting a real-time answer to «am I even doing this right?»
Мы не утверждаем, что заменили хорошего тренера. Мы просто сделали такого, который помещается в карман, не опаздывает и не смотрит в свой телефон, пока ты делаешь выпады. Этически неоднозначно? Немного. Работает? Да. В общем, feedback loop — это не только про ML.
We're not claiming we replaced a good coach. We just made one that fits in your pocket, never shows up late, and doesn't stare at its phone while you do lunges. Ethically ambiguous? A little. Does it work? Yes. In short, a feedback loop isn't only about ML.