En pilotstudie av en mobilapplikation för hållningsanalys och träningsstöd i Shotokan‑karate

Att få karateträning i fickan

För många karateutövare är det svåraste med att träna hemma att veta om ens ställning verkligen är korrekt. Den här studien undersöker en enkel idé med stor potential: att använda en vanlig smarttelefon för att övervaka din hållning och ge omedelbar vägledning, ungefär som en digital tränarassistent. Genom att förvandla telefonens kamera och inbyggda artificiella intelligens till en hållningskontroll vill forskarna ge Shotokan‑karateutövare ett verktyg för att träna säkrare och mer effektivt mellan lektionerna.

Varför ställningen är viktig i karate

Shotokan‑karate lägger stor vikt vid hur du står. Stabilt, välanpassade ställningar är grunden för kraftfulla slag och för att undvika skador. Traditionellt lär sig elever genom att härma instruktören och få muntliga korrigeringar. Det innebär att återkopplingen ofta är subjektiv och försvinner när lektionen är slut. När man tränar ensam hemma kan det vara svårt att upptäcka små fel, som att luta sig för mycket, böja knäna ojämnt eller placera fötterna på fel avstånd. Författarna menar att ett lågkostnads, objektivt verktyg som pekar ut sådana detaljer skulle kunna göra självständig träning både säkrare och mer produktiv.

Hur appen ser och bedömer dina rörelser

Teamet byggde en mobilapplikation som fungerar på vanliga Android‑ och iOS‑telefoner. Med Googles ML Kit Pose Detection identifierar kameran 33 punkter på kroppen — som axlar, höfter, knän och vrister — utan markörer eller specialdräkter. Ur en sidovy beräknar appen vinklar vid höft, knä och fotled och kontrollerar hur bålen linjerar över fötterna. Dessa mätvärden omvandlas till enkla regler som speglar traditionell undervisning för tre grundläggande ställningar: Zenkutsu Dachi (framstöt), Kokutsu Dachi (bakstöt) och Kiba Dachi (hästställning). Om främre knäet böjs mer än bakre knäet och kroppen hålls upprätt över en bred bas känner appen till exempel igen en framstöt; om båda knäna böjs på liknande sätt med en bred sidobas signalerar den hästställning.

Mer än ställningar: övningar och ett reflexspel

Utöver statisk hållning stödjer appen även grundläggande kondition och reaktionsträning. Vid knäböj följer den hur knävinkeln ändras när användaren sänker sig och reser sig, och räknar en repetition när rörelsen tydligt passerar "top" och "botten". Vid armhävningar bedömer den armbågens böjning och kroppens rakhet. Ett enkelt spel ber användaren att kasta ett slag mot ett mål på skärmen; telefonen mäter hur snabbt handen rör sig efter att signalen visas. Alla dessa aktiviteter samlas i en statistikvy som visar hur många korrekta ställningar eller repetitioner användaren uppnått över tid, vilket hjälper till att följa framsteg utan att lagra identifierande videomaterial.

Vad pilotstudien faktiskt visade

För att avgöra om idén alls fungerade genomförde forskarna en strikt kontrollerad pilot med bara en vuxen deltagare. Personen utförde de tre målställningarna samt knäböj och armhävningar i en väl upplyst inomhusmiljö medan kameran stod 1,5 meter bort i rät vinkel. En erfaren Shotokan‑instruktör granskade utvalda videoramar och uppskattade nyckelledvinklar, vilka sedan jämfördes med appens egna uppskattningar. I genomsnitt skiljde sig appens uppskattningar av knä‑ och underbensvinklarna från expertens värden med bara ett par grader under dessa ideala förhållanden, och ställningsetiketterna matchade oftast instruktörens bedömning. Studien avslöjade dock också svagheter: systemet hade problem när leder delvis var dolda, när bålen inte var centrerad eller när användare gjorde obekväma pauser under övningarna, och missade ibland eller räknade felaktiga repetitioner.

Begränsningar, lärdomar och vägen framåt

Eftersom detta var ett en‑personers genomförbarhetstest betonar författarna att resultaten bara är en tidig demonstration, inte bevis för att appen är pålitlig för alla karateka. Systemet förutsätter en fast sidovinkel för kameran, bra ljusförhållanden och en fri sikt över hela kroppen — villkor som kanske inte gäller i en full dojo eller ett trångt vardagsrum. Det använder även fasta gränsvärden för vinklar som kanske inte passar alla kroppstyper eller stilvariationer. Nästa steg, menar författarna, är en större studie med åtminstone 30 utövare på nybörjar-, mellan‑ och avancerad nivå, flera instruktörer som gör oberoende bedömningar och mer rigorösa statistiska kontroller av noggrannhet och konsistens. Trots detta tyder piloten på att vardagliga telefoner en dag kan erbjuda meningsfull, realtidsåterkoppling om karateställning och grundläggande kondition — som ett hjälpsamt komplement snarare än en ersättning för en mänsklig sensei.

Citering: Silva, C.M., Pataca, A.O., Branco, F. et al. A pilot study of a mobile application for postural analysis and training support in Shotokan Karate. Sci Rep 16, 11129 (2026). https://doi.org/10.1038/s41598-026-41414-5

Nyckelord: Shotokan Karate, mobil träningsapp, pose estimation, hållningsanalys, markerless motion capture