Mänsklig poseuppskattning försöker förutsäga placeringen av mänskliga leder, eller andra kroppsdelar, i tredimensionellt utrymme. Detta har viktiga tillämpningar inom virtuell verklighet, gränssnittsdesign mellan människa och dator, och mer allmänt, för att lära datorer att ha en mer naturlig förståelse av mänskligt beteende. Trots användbarheten av denna teknik finns det fortfarande många konkurrerande system, vart och ett med betydande nackdelar som hindrar deras utbredda användning. Ett vanligt tillvägagångssätt använder taggar som är fästa på viktiga punkter på kroppen, i kombination med ankare som är placerade runt områdets omkrets. Ankarna använder trådlösa signaler för att exakt spåra taggarna, men detta kräver betydande inställningar och kan endast användas inom ankarnas omkrets. Uppenbarligen är detta inte precis en bärbar lösning som kan användas var som helst.

Det finns många alternativa lösningar som använder kameror, accelerometrar eller andra sensorer för att uppskatta kroppspositioner, men de är alla plågade av problem med opraktiskhet, felaktigheter och höga kostnader. För att denna teknik verkligen ska bli relevant i människors vardag måste den bli transparent och bärbar. Helst skulle den integreras i en enhet som vi redan har med oss ​​hela tiden, som en smartphone eller smartklocka. Det låter som ett stort steg med tanke på hur de flesta ställningsuppskattningssystem ser ut idag, men ett team av ingenjörer vid Cornell University har designat en liten enhet som heter BodyTrak som kanske bara gör det möjligt. BodyTrak använder en enda handledsmonterad kamera för att uppskatta positionen för hela kroppen, även osynliga områden, med en hög grad av noggrannhet.

Kameran i storleken av en krona som bärs på handleden skickar tagna bilder till ett djupt neuralt nätverk för bearbetning. Modellen tar den delbilden av kroppen och fyller i detaljerna - för närvarande kan den känna igen totalt fjorton leder på armar, ben, bål och huvud i tredimensionellt utrymme i realtid. En liten studie bestående av nio deltagare genomfördes för att validera BodyTrak-systemet. De fick den handledsmonterade kameran och ombads sedan att utföra en mängd olika aktiviteter, som att gå, sitta eller träna. Dessa aktiviteter genomfördes under olika situationer - inomhus, utomhus och i olika kläder för att visa systemets bärbarhet och praktiska funktion. När man jämförde de förutspådda resultaten med marksanningsmätningar, visade sig de förutspådda platserna för de fjorton lederna avvika från verkligheten med i genomsnitt endast 6.9 centimeter. Detta är ganska imponerande med tanke på att kameran inte ens har utsikt över alla leder som den förutsäger platser för.

Den naturliga plattformen för BodyTrak att implementeras i är en smartklocka, eftersom de redan bärs på handleden. Sådana enheter har vanligtvis redan en kamera, vilket innebär att algoritmen potentiellt kan köras utan några ändringar i den befintliga hårdvarudesignen. Detta kommer dock att kräva lite arbete att få till stånd. Algoritmen är beräkningsintensiv, och att köra den skulle tömma klockans batteri mycket snabbt, om klockan ens hade tillräckliga resurser för att köra BodyTrak i första hand. Men mellan mjukvaruoptimeringar och framsteg inom hårdvaruteknik bör det inte dröja för lång tid innan detta blir möjligt.