Her veri modalitesi kendi temel modeline kavuşuyor. Sırada hareket var.

İskelet hareketi üzerinde eğitilen tek bir özdenetimli model; teknik açıdan iyi, sağlıklı ve bozulmaya başlayan hareketin neye benzediğini öğreniyor — ve göreve özel etiketler olmadan sakatlık sinyallerine, scouting’e ve bireysel kullanıcılar için hareket sağlığına aktarılıyor.

ModaliteTemel modelDurum
MetinGPTYerleşik
GörüntüCLIPYerleşik
ProteinlerAlphaFoldYerleşik
HareketWithoutBall — Hierarchical Motion TransformerAçık — şu anda inşa ediliyor

Birbirinden bağımsız beş eğilim, tek sonuç.

Bu eğilimlerin hiçbiri bizim kontrolümüzde değil. Her biri kendi başına olgunlaştı; bir araya geldiklerinde ise bir hareket temel modelini bugün inşa edilebilir kılıyor — ve pencereyi, ilk hamleyi kimin yapacağı sorusuna dönüştürüyorlar.

  1. Poz tahmini olgunlaştı

    Sıradan videodan güvenilir iskelet çıkarmak on yıllar boyunca bir araştırma problemiydi. Yaklaşık 2022’den bu yana ise üretim gerçekliği: modern poz tahmin modelleri, herhangi bir kameradan 2B iskeletleri gerçek zamanlı hızda okuyor. Bir hareket modelinin ihtiyaç duyduğu ham girdi, kolayca erişilebilir bir standart hâline geldi.

  2. Temel model paradigması kanıtlandı

    Dil, görüntü, konuşma ve protein yapısında, büyük etiketsiz derlemlerle eğitilen özdenetimli modeller artık göreve özel sistemleri geride bırakıyor. Yöntem oturdu; onu yeni bir modaliteye taşımak artık bir kumar değil.

  3. Hareket videosu büyük ölçekte kullanılabilir hâle geldi

    Hareket videosu, spor dünyasında da gündelik hayatta da bol miktarda var. Temiz iskelet verisine dönüştürülebildiği anda bu bolluk, bir temel modelin ham maddesine dönüşür. Üç yıl önce kullanılamıyordu; bugün kullanılabiliyor.

  4. Spor teknolojisi harcamaları hızlanıyor

    Profesyonel kulüpler performans teknolojisini zaten geniş ölçekte satın alıyor ve analitik bütçeleri yılda yaklaşık %25 büyüyor. Hacim metriklerinin ötesinde analiz talebi açıkça dile getiriliyor — analistler, yük sayılarının tek başına bir oyuncunun nasıl hareket ettiğini açıklayamadığını biliyor.

  5. Hareket sağlığı talebi demografik

    2030’a gelindiğinde 1,4 milyar insan 60 yaşın üzerinde olacak (WHO). Kas-iskelet rahatsızlıkları bugün bile dünya genelinde engelliliğin önde gelen nedeni ve Avrupa sağlık sistemlerine yılda 200 milyar €’dan fazlaya mal oluyor. Hareket kalitesini ölçme ve koruma ihtiyacı dönemsel değil, yapısal.

Bu eğilimler birbirinden bağımsız — hiçbiri bize bağlı değil ve hiçbiri kolay kolay tersine dönmez. Bizim okumamız şu: hareket temel modelini kurmanın penceresi şimdi açık ve yöntem daha fazla araştırma grubu için aşikâr hâle geldikçe bu pencere daralıyor.

Öngörü değil, doğrulanmış sonuç.

Tek bir eğitim turu, temel bilimsel soruyu yanıtladı — bir Transformer, insan hareketinin yapısını yalnızca ham iskeletlerden öğrenebilir mi? Bu sayılar bir planı değil, hâlihazırda gerçekleşeni anlatıyor.

Geliştirilditek kesintisiz eğitimde NVIDIA H100 GPU
Geliştirildi14gün kesintisiz dağıtık eğitim
Geliştirildi~2.700GPU-saat işlem gücü
Geliştirildi0etiket — tamamen özdenetimli
Geliştirildi3ayrı tutulmuş gerçek veriyle doğrulanan yetenek
Geliştirildi4kurucu ortak — araştırma, mühendislik, elit futbol

Bunlar, kavram kanıtı modelinin ayrı tutulmuş veri üzerindeki gözlemlenen çıktıları — öngörü değil. Yol haritasındaki ilk yayımlanacak kilometre taşı, mevcut en güçlü hazır işlem hattıyla yapılacak birebir kıyaslama.

Kavram kanıtının hâlihazırda yanıtladıkları.

Derin teknoloji riski, sırada bekleyen açık sorular demektir. Bu beş soru kapandı.

RiskBaşlangıçtaki soruBugünkü durum
YakınsamaMimari, gerçek ve gürültülü iskelet verisinde yakınsıyor mu?Evet — eğitim, 14 günün tamamında kararlı kaldı.
Hedef fonksiyonuÖzdenetim, etiket olmadan hareketin yapısını öğrenebilir mi?Evet — ham hareket üzerinde yürütülen özdenetimli eğitim, hız, denge ve eklem asimetrilerini kodlayan gömmeler üretti; eğitimde tek bir etiket bile kullanılmadı.
Eksik veriTek bir model, kapanmaları ve boşlukları doğal olarak işleyebilir mi?Evet — model, kapanan ve eksik eklemleri doğal olarak geri kazandırır; boşluklara dayanıklılık sonradan eklenmiş bir yama değil, yerleşik bir özellik.
UygulamaBu ekip, haftalar süren dağıtık eğitimi büyük ölçekte yürütebilir mi?Evet — kurucu ekip, 8 GPU’luk eğitimi uçtan uca planladı, yürüttü ve izledi.
2B→3BSıradan videoyu 3B’ye yükseltmek aynı mimariye sığar mı?Evet — aynı model, kameranın attığı derinliği geri kazandırır: 2B video girer, tutarlı 3B iskeletler tek ileri geçişte çıkar.

İki pazar, tek model.

Hareket, kas-iskelet ve sinir sistemlerinin bütünleşik çıktısıdır — var olan en zengin sağlık ve performans sinyallerinden biri, ama en az kullanılanlarından. Kulüplerin ve tüketicilerin bugün satın aldığı araçlar hacmi ölçer: mesafe, yük, adım, kalp atış hızı. Hiçbirinin yanıtlamadığı soru — bu kişi nasıl hareket ediyor ve bu ne anlama geliyor — pazarın ta kendisi. Tek bir Ar-Ge yatırımı bu pazarın iki tarafını da besliyor.

Profesyonel futbol — B2B

GöstergeDeğerKaynak
Spor analitiği4,5 milyar $ (2025) → 14+ milyar $ (2030), ~%25 YBBOGrand View Research; MarketsandMarkets
Sakatlık yüküAvrupa’nın en üst seviyesinde kadro başına sezonda ≈50 sakatlık — yüzlerce oyuncu-günü kaybıUEFA Elite Club Injury Study
Sakatlık ekonomisi3–10 milyon € — tek bir büyük sakatlığın üst düzey bir kulübe toplam maliyetiSektör tahminleri: tıbbi maliyetler, iyileşme sürecindeki ücretler, bonservis değeri etkisi
Performans teknolojisi harcamasıKulüp başına yılda milyonlarca euro; yıllık ~%25 büyümeYayımlanmış kulüp teknoloji bütçeleri

Kişisel hareket sağlığı — B2C

GöstergeDeğerKaynak
Fitness teknolojisi12+ milyar $ (2025); yıllık ~%12 büyümeStatista
Giyilebilir cihazlar60+ milyar $IDC
Düzenli koşuculardünya genelinde 150+ milyon; yıllık sakatlık insidansı %37–79 aralığında tahmin ediliyor, çoğu biyomekanik kaynaklıWorld Athletics; IHRSA; sistematik derlemeler (van Mechelen; van Gent vd., Br J Sports Med)
Spor salonu üyeleridünya genelinde ~200 milyon kişi; formun sakatlık riskini belirlediği yüklü hareketler yapıyorIHRSA sektör tahminleri
Bugünkü yürüme analizilaboratuvar seansı başına 500–2.000 €; yararlanabilecek olanların %1’inden azının erişebildiği bir hizmetYayımlanmış laboratuvar seans ücretleri
Demografik rüzgâr2030’a kadar 60 yaş üstü 1,4 milyar insan; kas-iskelet rahatsızlıkları Avrupa sağlık sistemlerine bugünden yılda 200+ milyar €’ya mal oluyorWHO

B2B giriş noktası, kuruluş sayısıyla

~98Avrupa’nın en üst beş ligindeki kulüp
200+Avrupa ikinci liglerindeki kulüp
~50millî takım programı
Başlangıçta ulaşılabilir küme ≈350 kuruluş — sonlu, erişilebilir ve bir kurucunun kendi ağının doğrudan tanıdığı. Tüketici ürünü için bir sınav sahası; tavan değil.

Bir kulüp için tek bir büyük sakatlığı önlemek, yılların analitik yatırımını fazlasıyla karşılar. Bir koşucu için telefon kamerası, bugün yüz sporcudan birinden azının erişebildiği laboratuvar ziyaretinin yerini alır.

Tek model, ürünlerden oluşan bir platform.

Aşağıdaki her ürün, aynı hareket gömmelerinin üzerine kurulmuş hafif bir uçtur. Her yeni ürün, sıfırdan bir yığın kurmak yerine ortak temsili yeniden kullanır — bir sonraki ürünü geliştirmek gitgide ucuzlar.

Kulüp analitiği — B2B

  • InjuryRadar
  • SkeletonAPI
  • MoveSearch
  • MoveID

Tüketici hareket sağlığı — B2C

  • Sakatlık önleme
  • Koşu biyomekaniği
  • Rehabilitasyon takibi
  • Harekete hazırlık
384 boyutlu hareket gömmeleri — tek ortak temsil
Hierarchical Motion TransformerÖzdenetimli temel model · sıfır etiket
Platform yığını: ürünler birer uç, gömme uzayı ise asıl varlık. Tüm ürünler Yol Haritası etiketi taşır.
  • InjuryRadarÖncü ürünYol Haritası

    Tüm kadro için biyomekanik erken uyarı — ince kaymalar, bir oyuncuyu kadrodan düşürmeden haftalar önce gün yüzüne çıkar.

  • SkeletonAPIYol Haritası

    Sıradan videodan temiz 3B hareket verisi, tek ileri geçişte.

  • MoveSearchYol Haritası

    Bir sezonluk hareket üzerinde anlamsal arama — etiketleri değil, davranışı sorgulayın.

  • MoveIDYol Haritası

    Yalnızca yürüyüş biçiminden oyuncu kimliği tespiti.

  • Sakatlık önlemeYol Haritası

    Telefon kamerasından kişisel biyomekanik erken uyarı.

  • Koşu biyomekaniğiYol Haritası

    Her koşu için form analizi ve hareket kalitesi göstergeleri.

  • Rehabilitasyon takibiYol Haritası

    Klinik ziyaretleri arasında nesnel iyileşme takibi — hiçbir zaman tıbbi bir tanı değildir.

  • Harekete hazırlıkYol Haritası

    Gerçekte nasıl hareket ettiğinizden türetilen günlük hazırlık sinyali.

Beş kalabalık kategori, tek boş katman.

Mevcut kategorilerin her biri gerçek bir sorunu çözüyor ve gerçek bir iş kurmuş durumda. Ama her biri aynı çizgide duruyor: hareketi anlamadan kaydediyor. Son sütundaki örüntüye dikkat edin — işgal ettiğimiz konum tam orası.

KategoriBaşlıca örneklerNe yapıyorlarNe yapamıyorlar
Takip sistemleriCatapult; Stats Perform; Second SpectrumKonum, hız, mesafe, yük, olay tespitiHareket kalitesini okuyamaz; bir oyuncunun mekaniğinin nasıl değiştiğini göremez
Video analitiğiHudl; Wyscout; InStatOlay etiketler, klip getirir, istatistik panoları kurarHareket benzerliğiyle arama yapamaz; biyomekanik örüntüleri tespit edemez
Klinik yürüme laboratuvarlarıVicon; QualisysAltın standart 3B yakalama, kuvvet platformları, uzman değerlendirmesiLaboratuvarın dışına ölçeklenemez — altı haneli kurulumlar, günde bir avuç denek
Fitness giyilebilirleriWhoop; Garmin; Apple Watch; OuraAdım, kalp atış hızı, uyku, toparlanma skorlarıNe kadar hareket ettiğinizi sayar; nasıl hareket ettiğinizi değerlendiremez
Poz tahmini kütüphaneleriAçık kaynak poz tahmin modelleriVideodaki eklem konumlarını hızlı ve ücretsiz tespit ederTespit ettiği pozun ne anlama geldiğini anlayamaz — tespit var, anlayış yok
Hareket zekasıWithoutBallHareketin kendisinin yapısını ve anlamını öğrenir— yukarıdaki her satırın eksik bıraktığı katman

WithoutBall, poz tahmininin üzerinde ve uygulamaların altında konumlanır — takip ve video tedarikçilerinin rakibi değil, tamamlayıcısıdır. Savunma hattı tek bir engel değil, işletildiği her ayla birlikte sıkılaşan dört döngüdür.

Tek konum, kendini güçlendiren dört döngü.

Takip sistemleri ölçer. Video araçları etiketler. Laboratuvarlar analiz eder. Giyilebilir cihazlar sayar. Poz tahmincileri tespit eder. Anlayan yok.

Veri

Her kurulum daha fazla hareket verisi üretir; eklenen her saatlik veri, modeli kopyalamayı daha da zorlaştırır.

Ürünler

Yeni ürünler, ortak gömmeler üzerindeki hafif uçlardır — her lansman, bir rakibin yakalamak zorunda kalacağı yüzeyi genişletir.

Kullanıcılar

Kişi bazlı boylamsal referans çizgileri kullanıldıkça değer kazanır — başka çözüme geçmek, kendi geçmişinizi terk etmek demektir.

Güven

Kulüpler ve klinisyenler güveni yavaş verir, uzun süre korur. Kanıt öncelikli yanıtlar bu güveni ay be ay büyütür.

Döngüler, savunma hattının neden derinleştiğini açıklar. Dört engel ise neden en baştan var olduğunu — yerleşik bir oyuncunun neden yalnızca bir ekip görevlendirerek arayı kapatamayacağını — açıklar:

Araştırma düzeyinde mimari

Hierarchical Motion Transformer, hazır bir modelin yeni veriye doğrultulmuş hâli değil, amaca özel tasarlanmış bir mimaridir. Spor analitiğinin yerleşik oyuncuları yazılım şirketleridir, Transformer araştırma laboratuvarları değil — böyle bir laboratuvarı kurmak bir ürün sprinti değil, yıllar süren bir dönüşümdür.

İskeletler için özdenetim

Özdenetimli eğitimi hareket hâlindeki iskeletler üzerinde işler kılmak — modelin kestirmeleri değil biyomekaniği öğrenmesini sağlamak — belgelenmiş bir tarif değil, açık bir araştırma problemidir. Bu problemi çözmek, Avrupa’nın en çok atıf alan makine öğrenmesi bilim insanlarından birinin yol göstericiliğinde temsil öğrenmesi derinliği gerektirdi.

Biyomekanik alan bilgisi

Bir model teknik olarak doğru, biyomekanik olarak anlamsız olabilir. Modelin neye duyarlı olması ve neyi görmezden gelmesi gerektiğini bilmek, elit futbol derinliği ister — buradaki her mimari karar, ilk günden itibaren gerçek antrenörlük ve tıbbi iş akışlarıyla sınandı.

Hesaplama ve eğitim altyapısı

Temel modeller, kesintisiz GPU kümesi erişimi ve bu erişimi haftalarca güvenilir biçimde kullanacak dağıtık eğitim mühendisliği ister. Biz ~2.700 GPU-saatlik bir eğitimi uçtan uca yürüttük — çoğu spor teknolojisi şirketinin hiç işletmediği bir altyapı.

Taklit testi: bir rakibin araştırma ekibine, hesaplama gücüne, hareket videosunu büyük ölçekte eğitime uygun iskeletlere dönüştüren bir işlem hattına, modeli dürüst tutacak profesyonel futbol ilişkilerine ve gelirden önce bir yıllık Ar-Ge’yi finanse edecek sabra ihtiyacı var. Her parça tek tek edinilebilir. Bunların tek bir kuruluşta bir araya gelmesi ise savunma hattının ta kendisi — ve veri, ürünler ve güven biriktikçe daha da sıkılaşıyor.

Tasarımı gereği tek bir ortağa bağımlı değil.

Bir temel model, ancak veri stratejisi kadar iyidir. Bizimki tek bir ilke üzerine kurulu: hiçbir ortak, lig veya tedarikçi modeli tek başına kısıtlayamaz. Üç kanal var; her birinin görevi farklı.

KanalNe sağlıyorDurum
Büyük ölçekte hareket verisiİskelet verisine dönüştürülen, devasa ve büyümeye devam eden bir hareket videosu derlemi — sporlar, vücut tipleri, yaşlar ve beceri düzeyleri bakımından çeşitlilik taşıyor. Bir temel modelin genellemek için ihtiyacı olan şey de tam bu çeşitlilik.Şu anda ölçekleniyor
Profesyonel iş birlikleriDerinlik ve titizlik: modeli gerçek antrenörlük ve tıbbi iş akışlarına bağlı tutan, profesyonel futbolun genelinden ilişkiler.Görüşmeler aktif olarak sürüyor
Onaylı kullanıcı verisi — gelecekteÜrünler yayına girdiğinde kurulumlar — açık rıza ile — hareket verisini eğitime geri katabilir; ilk günden tasarlanmış GDPR uyumlu temeller üzerinde.Tasarlandı, henüz devrede değil
Daha fazla kullanıcıDaha fazla hareket verisiDaha iyi bir modelDaha iyi ürünler
…bunlar da daha fazla kullanıcı çeker
Yol Haritası Ürünler sahaya çıktığında hedeflenen döngü — onaylı veri model kalitesine, model kalitesi ürünlere birikerek dönüşür. Döngü, ilk kurulumlarla dönmeye başlar.

Veri kaynaklarına ilişkin ayrıntılar, ilkesel bir tercih olarak gizlidir — stratejiyi işler kılan da bu: kaynaklar, savunma hattının parçasıdır. Nitelikli yatırımcılar için ayrıntı, NDA kapsamında veri odasındadır.

Dört kurucu, tek kesişim.

WithoutBall’u taklit etmek, araştırma düzeyinde makine öğrenmesini, elit futbol alan bilgisini ve üretim mühendisliğini aynı odada buluşturmayı gerektirir. Her biri kıttır. Kesişimleri ise savunma hattının kendisidir.

CEO · Kurucu Ortak

Kemal İnecik

Helmholtz Munich & TUM’da makine öğrenmesi doktora araştırmacısı; yapay zekayı bilime uygulayan dünyanın önde gelen laboratuvarlarından birinde derin üretici modeller geliştiriyor. Aralarında Nature, Cell, ICML ve NeurIPS’in de bulunduğu ondan fazla makine öğrenmesi makalesinin yazarı — yenileri de yolda. Hierarchical Motion Transformer’ı sıfırdan tasarladı ve uçtan uca eğitti.

Kurucu Ortak · ML & AI

Fabian J. Theis

TUM’da profesör ve Helmholtz Munich’te direktör. Almanya’nın en prestijli araştırma ödülü olan Leibniz Ödülü’nün ve ERC Advanced Grant’in sahibi; yaşam bilimlerine yönelik makine öğrenmesinde Avrupa’nın en çok atıf alan bilim insanlarından biri. Araştırma grubu, temel modelleri biyolojik verilere uygulamanın öncülerinden — hareket için bir temel modelin en yakın metodolojik emsali.

Kurucu Ortak · Futbol

Şeref Çiçek

UEFA Pro lisanslı, elit seviyede yirmi iki yıl tecrübeli antrenör. Beşiktaş’ı üst üste iki Süper Lig şampiyonluğuna taşıdı ve Türkiye Millî Takımı’nda görev yaptı. Yapay zekayı sahanın gerçeklerine bağlı tutan alan uzmanı — danışman değil, kurucu ortak.

Kurucu Ortak · Mühendislik

Özgür Ak

Donanım algılama, biyomekanik ve ölçeklenebilir yazılım arasında köprü kuran makine mühendisi. Ham hareket verisinden sunulan tahminlere uzanan üretim hattını kurar — veri alımı, dağıtık eğitim, çıkarım — yazılım soyutlamalarına değil, hareketin fiziğine dayanarak.

Kurucuların herhangi birini çıkarın; şirket, diğerlerinin karşılayamadığı bir yeteneği kaybeder: mimariyi, bilimsel itibarı ve kurumsal erişimi, alan doğrulamasını ve pazar erişimini ya da üretim sistemlerini. Bu tamamlayıcılık bilinçli bir tercih — ve buradaki en zor taklit edilen şey de bu.

Doğrulanmış bir temel modele öz kaynaklarla ulaştık.

%100 kurucu mülkiyeti, dış sermaye yok, borç yok. Modelin ölçeklenmesini, ilk kulüp pilotlarını ve tüketici betasını finanse etmek için bir tohum turu yürütülüyor.

KalemDurum
Mülkiyet%100 kurucu mülkiyeti — temiz bir pay defteri
Dış sermayeYok — kavram kanıtına kadar öz kaynaklarla
BorçYok
AşamaGelir öncesi · derin teknoloji Ar-Ge
TurTohum turu yürütülüyor
İş birlikleriProfesyonel futbol kuruluşlarıyla görüşmeler aktif olarak sürüyor; Helmholtz Munich & TUM ile araştırma iş birliği devam ediyor

Yeni sermayenin büyük çoğunluğu Ar-Ge ve mühendisliğe gidiyor — en etkili satış aracımız, doğru kişiye gösterilen çalışan bir model. Pazarlamaya yalnızca küçük bir pay ayrılıyor.

Tarihler değil, kilometre taşları.

Planı, en yüksek belirsizliği taşıyan sorular önce çözülecek ve mümkün olan en düşük maliyetli deneyler kullanılacak şekilde sıralıyoruz. Aşamalar takvimle değil, kilometre taşlarıyla ilerler.

  1. 01

    Doğrulama Yol Haritası

    Modeli ve veri hattını ölçeklendiriyor, mevcut en güçlü hazır alternatifle birebir kıyaslama yapıyor ve ilk pilot görüşmelerini başlatıyoruz.

    Çıkış ölçütü: yayımlanmış kıyaslama · sürece dâhil 1–2 pilot kulüp

  2. 02

    İlk gelir Yol Haritası

    Pilotları ödeme yapan ilk kulüp müşterilerine dönüştürüyor ve ürünü kulüplerden gelen gerçek geri bildirimle geliştiriyoruz — konuşmaya değil, ödemeye istekli olup olmadıklarını sınıyoruz.

    Çıkış ölçütü: ödeme yapan 1–3 kulüp

  3. 03

    Tüketici betası Yol Haritası

    Teknoloji ve B2B pazarı birlikte doğrulandıktan sonra, kulüp tabanı büyümeye devam ederken odaklı bir tüketici betası açıyoruz — önce koşu biyomekaniği.

    Çıkış ölçütü: tüketici betası yayında · 4–8 kulüp müşterisi

  4. 04

    Büyüme Yol Haritası

    Her iki kanalı ölçeklendiriyor, platform API’sini açıyor ve futbolun ötesindeki komşu dikeyleri keşfediyoruz.

    Çıkış ölçütü: birikerek büyüyen kulüp ve abone tabanı

Sıralama bilinçli. 1. Aşama, en zor teknik soruyu — model, en iyi hazır alternatifi geçiyor mu? — ucuz ve net sonuçlu bir deneyle yanıtlıyor. 2. Aşama, en zor ticari soruyu yanıtlıyor: kulüpler ödeme yapacak mı? 3. Aşama, ancak iki yanıt da alındıktan sonra tüketiciye yöneliyor. Herhangi bir aşama başarısız olursa erken ve düşük maliyetle öğreniyoruz — tohum turu da ilk iki aşamayı eksiksiz finanse edecek ve üçüncüyü başlatacak şekilde boyutlandırıldı; böylece sermaye harcanmadan önce birden fazla karar noktası var.

Neyi ölçüyoruz — neyi öngörmeyi reddediyoruz.

Gelir öncesi derin teknoloji, finansal metriklerle ölçülmez. Teknolojinin çalışıp çalışmadığıyla, ekibin icra edip etmediğiyle ve pazarın ilgi gösterip göstermediğiyle ölçülür. Biz yalnızca hâlihazırda gerçekleşeni yayımlıyoruz; öngörülerin yeri veri odası.

Bugün — teknoloji ve icraat

MetrikDurum
Temel modelTasarlandı, geliştirildi ve gerçek veriyle doğrulandı
Kavram kanıtı eğitimi8× NVIDIA H100 · 14 gün · ~2.700 GPU-saat
Doğrulanan yeteneklerTemsil öğrenmesi · iskelet yeniden kurma · 2B→3B yükseltme
Veri hattıÖlçekleniyor — hareket videosu, eğitime uygun iskelet verisine dönüştürülüyor
EkipDört kurucu ortak: makine öğrenmesi araştırması, elit futbol, mühendislik
İş birlikleriProfesyonel futbolda birden fazla görüşme aktif
Kamuya açık varlıkwithoutball.com üç dilde yayında; erken erişim bekleme listesi açık

Sırada — önemli olan kanıt noktaları

Kanıt noktasıYanıtladığı soruSıra
Birebir kıyaslamaModel, futbolla ilgili görevlerde en güçlü hazır işlem hattını geçiyor mu?Aşama 01
İlk kulüp pilotuProfesyonel bir kulüp ürünü kuracak ve kullanmaya devam edecek mi?Aşama 01
Ödeme yapan ilk kulüpBir pilot, deneme süresinin ardından gelire dönüşecek mi?Aşama 02
Tüketici betasıTüketiciler, telefondan gelen biyomekanik geri bildirimi anlayıp buna göre hareket edebilecek mi?Aşama 03

Birim ekonomisi, raporlanacak gelir oluştuğunda halka açık spor teknolojisi ve tüketici sağlığı emsalleriyle karşılaştırılarak raporlanacak. O zamana kadar hiçbir finansal öngörü yayımlamıyoruz — bunu bir eksiklik değil bir özellik sayıyoruz; bu sitedeki durum etiketlerinin dayattığı dürüstlüğün aynısı.

Yatırımcıların ilk sorduğu sorular.

Büyük ve yerleşik bir oyuncu bunu neden kolayca yapamasın?

Çünkü gereken bileşim nadir: amaca özel bir araştırma mimarisi, iskelet verisi için özdenetimli eğitim uzmanlığı, biyomekanik alan derinliği ve haftalarca süren dağıtık eğitim altyapısı. Spor analitiğinin yerleşik oyuncuları mükemmel yazılım şirketleri — ama Transformer araştırma laboratuvarı değiller ve böyle bir laboratuvar kurmak yıllar süren bir dönüşüm. Yukarıdaki dört engel, bu sorunun uzun yanıtı.

Eğitim verisi nereden geliyor?

Büyük ölçekte hareket verisinden — iskelet verisine dönüştürülen, devasa ve büyümeye devam eden bir hareket videosu derleminden. Derlem, hiçbir ortağın veya tedarikçinin modeli tek başına kısıtlayamayacağı şekilde bilinçli olarak oluşturuluyor. Kaynak ayrıntıları tasarım gereği gizlidir ve nitelikli yatırımcılarla NDA kapsamında paylaşılır.

Bunun poz tahmininden farkı ne?

Poz tahmini, eklemlerin nerede olduğunu kare kare yanıtlar. Temel model ise hareketin ne anlama geldiğini yanıtlar: eklem konumlarını; kaliteyi, stili, simetriyi ve zaman içindeki değişimi kodlayan temsillere dönüştürür. Poz tahmini, yığınımızın en altındaki hazır girdidir; asıl varlık, öğrenilen temsildir.

Bugün ne var, ne yol haritasında?

Temel model, eğitim hattı ve doğrulanan yetenekler bugün var — ayrı tutulmuş gerçek veri üzerinde gösterildi. Üzerlerine kurulan her ürün Yol Haritası etiketi taşıyor ve bu sitedeki her iddianın üzerinde açık bir durum etiketi var. Bu dürüstlüğü bir zayıflık değil, bir satış varlığı olarak görüyoruz.

Neden önce profesyonel futbol?

En keskin giriş noktası orası: kulüpler performans teknolojisine zaten ödeme yapıyor, sakatlık maliyeti argümanı anında karşılık buluyor ve kurucu ortaklardan biri yirmi iki yılını oyunun zirvesinde geçirdi — karar vericilere doğrudan ulaşıyoruz. İnsan biyomekaniği evrenseldir; aynı modelin daha sonra tüketici hareket sağlığına taşınabilmesinin nedeni de bu.

Tohum turu neyi finanse ediyor?

Modelin ölçeklenmesini, veri hattını, ilk kulüp pilotlarını ve tüketici betasının altyapısını — sermayenin büyük çoğunluğu Ar-Ge ve mühendisliğe gidecek şekilde. Tur, ilk iki aşamayı eksiksiz finanse edecek ve üçüncüyü başlatacak şekilde boyutlandırıldı. Koşullar ve ayrıntılı finansal veriler veri odasında.

Ayrıntılar NDA kapsamında.

Finansal plan, pay defteri, iş birliği ayrıntıları, veri kaynağı bilgileri ve teknik kıyaslama sonuçları, NDA kapsamında nitelikli yatırımcılara açıktır — info@withoutball.com.