Up

Ambient Assisted Training

Das diesem Demonstrator zugrunde liegende AmI-System soll das Training einer Rennradgruppe optimieren.


Szenario
nach oben

Angenommen wird eine Rennradgruppe von 2 bis 30 Radfahrern. Jeder Radfahrer verfügt über sein eigenes Leistungsprofil und einen eigenen Trainingsplan. Radfahrer und Rennräder sind mit einer Vielzahl von Sensoren (Geschwindigkeit, Puls, Leistungsmessung, Wind etc.) ausgestattet. Die Fahrräder sind untereinander und mit einer Trainereinheit, auf der die Anwendung läuft, über ein Ad-hoc-Funknetz verbunden. Die Aufgabe des AmI-Systems ist die Optimierung des Trainings für die gesamte Gruppe. Dies bedeutet, dass die Differenzen zwischen aktuellem Training und Trainingsplan für alle Radfahrer gleichermaßen minimiert werden sollen. Die Trainingsfahrt ist so zu planen und zu steuern, dass jeder Radfahrer seinen Trainingsplan soweit wie möglich erreicht.

In einem weiterführenden Szenario soll auch das Renngeschehen einer Rennradgruppe unterstützt werden. Mit derselben Technologie besteht dann die Aufgabe darin, ein Rennen zu gewinnen, d.h. auf Basis der gespeicherten Leistungsdaten und der während des Rennens ermittelten Tageskondition und Sensordaten die Renngruppe so zu steuern, dass eine vorgegebene Strecke von A nach B von einem der Fahrer in minimaler Zeit durchfahren wird.

Selbstverständlich kann mit einem solchen AmI-System auch das Training eines einzelnen Sportlers unterstützt werden.

Die Vorteile eines AmI-Systems im Bereich des Trainings soll an zwei Beispielen konkretisiert werden. Es handelt sich zum einen um ein Einzeltraining und zum anderen um ein Gruppentraining.


Einzeltraining

Das AmI-System gibt eine Online-Optimierung der Trainingsbelastung auf der Basis eines individuellen Leistungsprofils und Trainingsplans. Hierbei werden die Steuergrößen Leistung und Herzfrequenz in Abhängigkeit ihrer Verlaufsdynamik angepasst. Die Größen werden in Abhängigkeit des individuellen Beanspruchungsempfindens, der individuellen Stärken sowie der Umwelt- und Streckenbedingungen (Wind, Geländeprofil) modifiziert. Das System ermöglicht damit einerseits eine Online-Expertise und Intervention durch den Trainer während des Trainings und andererseits im Nachhinein eine Trainingsdokumentation und -analyse.

Zwei konkrete Szenarios könnten folgendermaßen aussehen:

  • Die Herzfrequenz des Fahrers liegt unter dem Sollwert für die vorgegebene und erzielte Tretleistung. Die Beanspruchung wird als leicht empfunden. Das System erhöht die Tretleistung, bis die Soll-Herzfrequenz erreicht wird.
  • Bei der Berganfahrt stellt das System einen ungewöhnlich hohen und steilen Anstieg der Herzfrequenz fest. Der Fahrer erhält die Empfehlung langsamer oder mit höherer Übersetzung zu fahren.


Gruppentraining

Auch hier geht es um die Optimierung der Trainingsbelastung jedes einzelnen Fahrers, allerdings beim Fahren in der Gruppe. Das AmI-System muss die Restriktionen der Gruppe berücksichtigen, sodass die Optimierung der Gesamtleistung der Gruppe im Fokus stehen muss. Die vom System vorgegebene Formation und Geschwindigkeit der Gruppe hängt ab von

  • Streckenprofil,
  • Position der Gruppe auf der Strecke,
  • Leistungsfähigkeit und Ermüdung der Fahrer,
  • Umweltbedingungen (Wind, Wetter) und
  • Trainingsplan.

Das AmI-System dient nun zur Überwachung der Trainingsparameter der Einzelfahrer und zur Optimierung der Gruppengeschwindigkeit, der Positionswechsel sowie der Gruppenformation/-zusammensetzung

Auch hier sollen zwei mögliche konkrete Szenarios vorgestellt werden:

  • Die Führungsarbeit im Wind erfordert eine intensivere Beanspruchung, von der sich der Fahrer anschließend im Windschatten erholen kann. Fällt die Herzfrequenz dabei aufgrund der Ermüdung nur langsam ab, ändert das System die Reihenfolge des Positionswechsels so, dass dieser Fahrer eine längere Pause erhält und ein weniger ermüdeter Fahrer mehr Führungsarbeit leistet.
  • Zwei Fahrer auf den letzten Positionen in der Formation können den Anschluss nur mit einer höheren Herzfrequenz als vorgegeben halten. Um ein Übertraining zu vermeiden, werden die Fahrer von der Gruppe getrennt und bilden eine eigene Formation.


AmI-Relevanz
nach oben

Die AmI-spezifischen wissenschaftlichen Herausforderungen für diesen Demonstrator liegen insbesondere auf den Gebieten

  • energieeffizienter und miniaturisierter Sensorik/Hardware,
  • Ad-hoc Kommunikation,
  • Regelungstechnik und
  • Trainingsmethodik.

Das oben in der Einführung beschriebene Szenario ist eine Kurzzusammenfassung eines realistischen Szenarios. Die geschilderten Aufgaben des AmI-Systems werden heute durch einen Trainer mehr oder weniger gut ausgeführt. Der Trainer kennt generell die Qualitäten der Radfahrer, er kennt aber nicht die genaue aktuelle Situation im Training oder Rennen. Hier gibt es noch viel Raum für Verbesserungen durch ein AmI-System, wie Herr Mühlfiedel, Leiter der Rennradabteilung des Heinrich-Heine-Gymnasiums (Sportelitegymnasium neben unserer Universität) bestätigte.

Das Szenario umfasst für sich genommen schon genügend AmI-relevante Fragestellungen. Gefundene Lösungen lassen sich auch auf andere AmI-Bereiche übertragen. Viele der Fragestellungen sind typisch für AmI, was das Szenario und einen zugehörigen Demonstrator für den FSP so interessant macht. Beispiele für AmI-Forschungsfragen sind:

  • Der Mensch (Fahrer und Trainer) steht im Mittelpunkt
    Hauptaufgabe des AmI-Systems ist die Verbesserung der Leistungsfähigkeit eines Sportlers und die Gesundheitsüberwachung aktiver Menschen. Das System muss sich auf den Menschen einstellen und situationsgerecht reagieren.
  • Human-Computer-Interface / Usability
    Auch die Benutzerschnittstelle muss situationsgerecht und rollenspezifisch ausgeprägt sein. Selbst einzelne Radfahrer können verschiedene Rollen wie Gruppenführer und Trainer übernehmen. Neuartige Interaktionsgeräte sind auch in diesem Szenario von großem Interesse.
  • Sensoren
    AmI-Sensoren sollen einfach, billig, leicht, leistungsarm und unaufdringlich sein. Die Kopplung mehrerer solcher einfachen AmI-Sensoren soll mehr Information liefern als heutige teure Sensoren. Alle diese Forderungen liegen bei dem Fahrraddemonstrator vor.
  • Dynamisches Kommunikationsnetz
    Ein zentraler Aspekt des Szenarios ist die Verwendung eines maßgeschneiderten, drahtlosen Ad-hoc-Netzwerks, wie es in vielen anderen Szenarien auch benötigt wird.
  • Komplexe Steuerung
    Das AmI-System hat eine dynamisch ändernde Gruppe zu steuern. Die Zielfunktion hängt von vielen Parametern wie Ort, Situation, aktuelle Leistungsfähigkeit etc. ab. Der Großteil der Abhängigkeiten muss selbst noch mit den Anwendungsexperten quantitativ bestimmt werden.
  • Technologieanforderungen
    Das Fahrradszenario deckt nahezu alle Technologieanforderungen, die an ein AmI-System gestellt werden, ab.


Demonstrator
nach oben

Der Forschungsschwerpunkt hat Mitte 2004 begonnen, einen Demonstrator für das Fahrradszenario zu entwickeln. Der Demonstrator umfasst vier Rennräder, die mit verschiedenen Sensoren und einem Funknetzwerk ausgerüstet sind (s.u.). Der Demonstrator wird so ausgelegt, dass mittelfristig auch Experimente mit Leistungssportlern des kooperierenden Heinrich-Heine-Gymnasiums durchgeführt werden können.

outdoordemonstrator
Outdoor-Demonstrator


Weiterhin ist geplant, dass der Demonstrator sowohl im Freien ("Outdoor-" bzw. "Real-life Demonstrator") als auch im Raum ("Indoor-" bzw. "VR Demonstrator") eingesetzt werden kann. Für letzteres sind die Fahrräder mit zusätzlichen Ergometer-Rollenständen und einer entsprechenden Simulation und Visualisierung ausgestattet. Der Simulator wird hier die Bremskräfte über die Ergometer vorgeben.

indoordemonstrator
Indoor-Demonstrator


indoordemonstratorscreen
Indoor-Demonstrator Visualisierung Screenshot


Realisierung
nach oben

Folgende Aufgaben werden aktuell bearbeitet:

  • Neuartige mit induktiver Energieversorgung arbeitende Low-Power Sensorik zur Messung der Kraft an der Kurbel entwickelt. Die Kraft kann in Abhängigkeit des Tretwinkels, getrennt nach rechter und linker Kurbel, bestimmt werden.
  • Elektronik zur Aufnahme und Vorverarbeitung der verschiedenen Sensordaten.
  • Indoor-Simulator: Simulation von Fahrrad/Radfahrer und Umgebung.
  • Schichtenübergreifendes optimiertes Protokoll für die Kommunikation zwischen den Fahrrädern über ZigBee.
  • Softwareplattform, die es ermöglicht, dynamisch neue Geräte (z.B. Anzeigegeräte, Sensoren) zu integrieren. Diese Plattform findet auch im BelAmI Demonstrator Verwendung.

Mit den aktuell verfügbaren Prototypen wurden bereits erste Experimente erfolgreich durchgeführt:

  • Ein Experiment im Rahmen des BelAmI-Projektes zusammen mit dem ungarischen Partner im Bereich des Sprachverstehens unter körperlicher Last.
  • Eine Analyse von Laktat- und Herzfrequenzparametern im Bereich des maximalen Laktat-Steady-State: diese Untersuchung wurde von Jun.-Prof. Jaitner zusammen mit Dr. Bleckmann vom medizinischen Institut für Leistungsdiagnostik im Sport durchgeführt.
  • Studentenpraktikum: Entwicklung eines AmI-Softwaresystems zum trainerlosen Einzel- und Gruppentraining.


Visionen
nach oben

Abschließend seinen noch einige Visionen rund um dem Assisted-Training-Demonstrator aufgelistet:

Indoor-Demonstrator

  • "Realitätsnahes" Training im Labor, z.B. Einsatz im Wintertraining oder in der Rehabilitation (hieran arbeiten auch mehrere Fahrrad-Ergometer-Hersteller),
  • Entwicklung von Rennstrategien für das Mannschaftszeitfahren durch Simulation,
  • Rennsimulation.

Outdoor-Demonstrator

  • Monitoring von Leistungsparameter über verschiedene Disziplinen in Training und Wettkampf.
  • Online-Steuerung einer Gruppe durch den Trainer (im Begleitfahrzeug) in Training und Wettkampf. Der Trainer kann durch geeignete Software-Assistenten zielgerichtet unterstützt werden.
  • "Temporäres" Einloggen des Trainers/Betreuers, der sich z.B. bei einem Rundkurs an einer festen Position befindet.
  • Optimierung der Mannschaftszusammensetzung und Wechselfolgen beim Mannschaftszeitfahren.
nach oben

Letzte Änderung: 24.10.2007