İnsan poz tahmini, üç boyutlu uzayda insan eklemlerinin veya diğer vücut parçalarının konumlarını tahmin etmeye çalışır. Bunun sanal gerçeklikte, insan-bilgisayar arayüz tasarımında ve daha genel olarak bilgisayarlara insan davranışını daha doğal bir şekilde anlamanın öğretilmesinde önemli uygulamaları vardır. Bu teknolojinin faydasına rağmen hâlâ birçok rakip sistem mevcut ve bunların her birinin yaygın olarak benimsenmesini engelleyen önemli dezavantajları var. Yaygın bir yaklaşım, alanın çevresine konumlandırılan sabitleyicilerle birlikte gövdedeki önemli noktalara iliştirilen etiketleri kullanır. Çapalar, etiketleri doğru bir şekilde takip etmek için kablosuz sinyaller kullanır, ancak bu, önemli bir kurulum gerektirir ve yalnızca çapaların çevresi içinde kullanılabilir. Açıkçası bu tam olarak taşınabilir, her yerde kullanılabilen bir çözüm değil.

Vücut pozlarını tahmin etmek için kameralar, ivmeölçerler veya diğer sensörleri kullanan birçok alternatif çözüm mevcut, ancak bunların hepsi pratik olmama, yanlışlıklar ve yüksek maliyetlerle boğuşuyor. Bu teknolojinin insanların günlük yaşamlarında gerçekten geçerli olabilmesi için şeffaf ve taşınabilir olması gerekiyor. İdeal olarak, akıllı telefon veya akıllı saat gibi her zaman yanımızda olan bir cihaza entegre edilmesi gerekir. Günümüzde çoğu poz tahmin sisteminin neye benzediği göz önüne alındığında bu oldukça büyük bir sıçrama gibi görünüyor, ancak Cornell Üniversitesi'ndeki bir mühendis ekibi BodyTrak adı verilen küçük cihaz bu bunu mümkün kılabilir. BodyTrak, tüm vücudun pozunu, hatta görünmeyen alanları bile yüksek doğrulukla tahmin etmek için bileğe monte edilen tek bir kamera kullanır.

Bileğe takılan kuruş büyüklüğündeki kamera, yakalanan görüntüleri işlenmek üzere derin bir sinir ağına gönderiyor. Model, vücudun kısmi görüntüsünü alıp ayrıntıları dolduruyor; şu anda kollar, bacaklar, gövde ve kafadaki toplam on dört eklemi üç boyutlu uzayda gerçek zamanlı olarak tanıyabiliyor. BodyTrak sistemini doğrulamak için dokuz katılımcıdan oluşan küçük bir çalışma yapıldı. Bileklerine takılan kamera verildi ve ardından yürüme, oturma veya egzersiz yapma gibi çeşitli aktiviteler yapmaları istendi. Bu aktiviteler sistemin taşınabilirliğini ve pratikliğini göstermek için farklı durumlarda (iç mekanda, dış mekanda ve farklı kıyafetler giyerken) gerçekleştirildi. Tahmin edilen sonuçlar yer gerçeği ölçümleriyle karşılaştırıldığında, on dört eklemin tahmin edilen konumlarının gerçeklikten ortalama yalnızca 6.9 santimetre saptığı görüldü. Kameranın konumlarını tahmin ettiği tüm eklemleri göremediği göz önüne alındığında bu oldukça etkileyici.

BodyTrak'ın uygulanacağı doğal platform, halihazırda bileğe takıldığı için akıllı saattir. Bu tür cihazlarda genellikle zaten bir kamera bulunur; bu da algoritmanın mevcut donanım tasarımında herhangi bir değişiklik olmadan potansiyel olarak çalışabileceği anlamına gelir. Ancak bunun gerçekleşmesi biraz çalışma gerektirecektir. Algoritma hesaplama açısından yoğundur ve eğer saat ilk etapta BodyTrak'ı çalıştırmak için yeterli kaynağa sahip olsaydı, onu çalıştırmak saatin pilini çok hızlı tüketirdi. Ancak yazılım optimizasyonları ve donanım teknolojisindeki ilerlemeler göz önüne alındığında, bunun mümkün olması çok uzun sürmemelidir.