PostureGuard

PostureGuard zaczął się od prostego hacka: kamera patrzy na pozycję głowy i daje znać, kiedy zaczynam się garbić. Potem przeniosłem ten pomysł do ekosystemu Apple, gdzie feedback może być cichy, szybki i mniej irytujący.

Pochylanie głowy nad ekranem prowadzi do bólu szyi i pleców, ale użytkownik zwykle zauważa problem dopiero po czasie. Potrzebny jest dyskretny feedback w momencie, kiedy postawa zaczyna się psuć.

Jeśli postawa jest mierzona pasywnie przez kamerę albo AirPods, a feedback trafia na Apple Watch jako haptic cue, produkt może działać bez kolejnej aplikacji do pamiętania.

• Pierwsza wersja: Python, webcam, OpenCV, MediaPipe i alert głosowy przez Siri.
• iPhone app: kamera, AVFoundation, Apple Vision i pomiar kąta szyi.
• Apple Watch companion: ring UI, start/stop, haptics przy złej postawie.
• macOS target i menu-bar eksperyment dla pracy przy biurku.
• AirPods direction: HeadphoneMotionService i sygnały z nachylenia głowy.

W pierwszej wersji AI/ML to pose estimation przez MediaPipe. W wersji Swift warstwa percepcji opiera się o Apple Vision, a AirPods-first wykorzystuje sensory ruchu zamiast klasycznego LLM.

SwiftUI, AVFoundation, Apple Vision, WatchConnectivity, CoreHaptics/WKInterfaceDevice, SwiftData, Live Activities oraz wcześniejszy Python/OpenCV/MediaPipe prototype.

• Najpierw sprawdzić hipotezę tanio przez webcam i MediaPipe.
• Potem przenieść doświadczenie do ekosystemu Apple, gdzie feedback może być natywny i dyskretny.
• AirPods jako lepszy sensor codziennego użycia niż ciągłe patrzenie kamerą.

Aktywny prototyp na kilku powierzchniach: iPhone, Apple Watch, macOS i wcześniejszy prototyp w Pythonie. Dobry przykład przejścia od szybkiego hacka do natywnego produktu.

Zweryfikować stabilność danych z AirPods, domknąć kalibrację i zdecydować, czy głównym produktem ma być iPhone+Watch czy macOS przy biurku.