Honest Jump가 점프를 측정하는 방법

이 페이지는 영어 원문을 번역한 것입니다.

측정에는 약 15초가 걸리고, 휴대폰과 설 자리만 있으면 됩니다. 측정하는 동안 어떤 일이 일어나는지, 휴대폰을 어떻게 잡는지, 리포트의 각 숫자가 어디서 나오는지 설명합니다.

휴대폰을 가슴에 대고 점프합니다. 15초 뒤 화면에 힘 곡선이 나타납니다. 이 페이지에서는 그 사이에 일어나는 일을 설명합니다.

준비물

측정 과정

  1. 시작을 누릅니다. 그런 다음 휴대폰을 계속 둘 자리에 둡니다.
  2. 두 손으로 휴대폰을 가슴에 평평하게 댑니다. 주머니에 넣거나 한 손으로 옆구리에 들고 있으면 안 됩니다.
  3. 가만히 섭니다. 앱이 어느 쪽이 위인지 파악하는 중입니다.
  4. 카운트를 기다립니다. 3부터 1까지 센 다음 "점프"라고 말합니다.
  5. 점프합니다. 한 동작으로 내려갔다가 올라가며, 최대한 높이 뜁니다.
  6. 2초 동안 가만히 섭니다. 일찍 걸어 나가면 착지 도중에 기록이 끊깁니다.
  7. 리포트를 확인합니다.

휴대폰 잡는 법

단단히, 평평하게, 가슴 한가운데에, 두 손으로, 착지가 끝날 때까지 잡습니다.

가장 중요한 부분입니다. 앱은 휴대폰의 가속도를 읽고 그것을 사용자의 가속도로 간주합니다. 그래서 휴대폰이 미끄러지면 휴대폰의 움직임을 측정하게 됩니다. 두 손으로 잡으면 팔도 점프에 끼어들지 않으므로, 모든 측정이 같은 방식으로 이루어집니다.

휴대폰이 감지하는 것

휴대폰에는 가속도계와 자이로스코프가 있습니다. 휴대폰은 자신이 어떻게 움직이는지, 어느 쪽으로 기울어져 있는지 감지합니다. 힘은 감지하지 못합니다. 힘을 재는 것은 힘판이며, 힘판은 몸이 그 위를 누르는 힘을 측정합니다.

논문의 결과

힘 곡선은 점프 전체의 모양입니다. 체중에서 시작해 몸을 낮출 때 아래로 내려가고, 밀어 올리는 동안 올라가며, 발이 바닥에서 떨어질 때 끝납니다. 힘판이 보고하는 거의 모든 값은 이 곡선에서 읽어 냅니다.

이 앱의 바탕이 된 논문은 시간에 따라 이어지는 신호를 위해 만든 신경망으로, 휴대폰의 움직임에서 이 곡선을 예측합니다.

성인 19명이 이 앱이 요구하는 자세처럼 휴대폰을 가슴 높이에 들고 각자 점프를 10번 했고, 힘판 두 개가 실제 힘을 함께 기록했습니다. 그런 다음 모델이 한 번도 보지 못한 점프로 모델을 검증했습니다.

예측한 곡선은 측정한 곡선에 가깝게 유지되었고, 곡선에서 읽어 낸 지표 대부분에서 오차가 5% 미만이었습니다 1. 이 연구의 정오표도 출판되었습니다 2.

Honest Jump가 하는 일

최대 힘은 예측한 곡선의 가장 높은 지점입니다.

리포트의 곡선과 구간도 같은 곡선에서 읽어 냅니다.

점프 높이와 이륙 속도는 이와 달리 공중에 머문 시간에서 구합니다. mRSI는 이 점프 높이를 움직임 시작부터 이륙까지 걸린 시간으로 나눈 값입니다. 이 방법들은 숫자의 의미에 정리되어 있습니다.

웹앱 검증 결과

내부적으로 이 웹앱을 힘판 측정과 비교한 결과, 평균 오차는 힘 파형과 개별 요약 지표에서 약 6%였습니다. 이 웹앱 결과는 위에 소개한 출판 연구와는 별개입니다.

측정이 잘못되는 경우

출판 연구와 웹앱 검사는 모두 실험실 측정을 사용했습니다. 단단한 바닥에서, 이 페이지가 안내한 방식으로 휴대폰을 잡고 측정했습니다. 그 밖의 상황에서는 다음이 문제가 됩니다.

다음 글

참고 문헌

  1. Kim H, Kong T, Han H, Ha D, Kipp K (2026). Smartphone IMU-Based Prediction of Vertical Ground Reaction Force During Countermovement Jumps: A Deep Learning Approach. Journal of Strength and Conditioning Research. Advance online publication. doi:10.1519/JSC.0000000000005597
  2. Kim H, Kong T, Han H, Ha D, Kipp K (2026). Erratum: Smartphone IMU-Based Prediction of Vertical Ground Reaction Force During Countermovement Jumps: A Deep Learning Approach. Journal of Strength and Conditioning Research. Advance online publication. doi:10.1519/JSC.0000000000005699