Veri
Her kurulum daha fazla hareket verisi üretir; eklenen her saatlik veri, modeli kopyalamayı daha da zorlaştırır.
Yatırımcılar
Metnin GPT’si, görüntülerin CLIP’i, proteinlerin AlphaFold’u var. WithoutBall, insan hareketi için zeka katmanını inşa ediyor — özdenetimli, gerçek veriyle doğrulanmış, çalışan bir kavram kanıtına tamamen öz kaynaklarla ulaşmış durumda.
Tez
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.
| Modalite | Temel model | Durum |
|---|---|---|
| Metin | GPT | Yerleşik |
| Görüntü | CLIP | Yerleşik |
| Proteinler | AlphaFold | Yerleşik |
| Hareket | WithoutBall — Hierarchical Motion Transformer | Açık — şu anda inşa ediliyor |
Neden şimdi
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.
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.
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.
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.
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.
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.
Kavram kanıtı
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.
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.
Kapatılan riskler
Derin teknoloji riski, sırada bekleyen açık sorular demektir. Bu beş soru kapandı.
| Risk | Başlangıçtaki soru | Bugünkü durum |
|---|---|---|
| Yakınsama | Mimari, gerçek ve gürültülü iskelet verisinde yakınsıyor mu? | Evet — eğitim, 14 günün tamamında kararlı kaldı. |
| Hedef fonksiyonu | Özdenetim, 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 veri | Tek 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. |
| Uygulama | Bu ekip, haftalar süren dağıtık eğitimi büyük ölçekte yürütebilir mi? | Evet — kurucu ekip, 8 GPU’luk eğitimi uçtan uca planladı, yürüttü ve izledi. |
| 2B→3B | Sıradan 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. |
Pazar
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
| Gösterge | Değer | Kaynak |
|---|---|---|
| Spor analitiği | 4,5 milyar $ (2025) → 14+ milyar $ (2030), ~%25 YBBO | Grand View Research; MarketsandMarkets |
| Sakatlık yükü | Avrupa’nın en üst seviyesinde kadro başına sezonda ≈50 sakatlık — yüzlerce oyuncu-günü kaybı | UEFA Elite Club Injury Study |
| Sakatlık ekonomisi | 3–10 milyon € — tek bir büyük sakatlığın üst düzey bir kulübe toplam maliyeti | Sektör tahminleri: tıbbi maliyetler, iyileşme sürecindeki ücretler, bonservis değeri etkisi |
| Performans teknolojisi harcaması | Kulüp başına yılda milyonlarca euro; yıllık ~%25 büyüme | Yayımlanmış kulüp teknoloji bütçeleri |
Kişisel hareket sağlığı — B2C
| Gösterge | Değer | Kaynak |
|---|---|---|
| Fitness teknolojisi | 12+ milyar $ (2025); yıllık ~%12 büyüme | Statista |
| Giyilebilir cihazlar | 60+ milyar $ | IDC |
| Düzenli koşucular | dünya genelinde 150+ milyon; yıllık sakatlık insidansı %37–79 aralığında tahmin ediliyor, çoğu biyomekanik kaynaklı | World Athletics; IHRSA; sistematik derlemeler (van Mechelen; van Gent vd., Br J Sports Med) |
| Spor salonu üyeleri | dünya genelinde ~200 milyon kişi; formun sakatlık riskini belirlediği yüklü hareketler yapıyor | IHRSA sektör tahminleri |
| Bugünkü yürüme analizi | laboratuvar seansı başına 500–2.000 €; yararlanabilecek olanların %1’inden azının erişebildiği bir hizmet | Yayımlanmış laboratuvar seans ücretleri |
| Demografik rüzgâr | 2030’a kadar 60 yaş üstü 1,4 milyar insan; kas-iskelet rahatsızlıkları Avrupa sağlık sistemlerine bugünden yılda 200+ milyar €’ya mal oluyor | WHO |
B2B giriş noktası, kuruluş sayısıyla
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.
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
Tüketici hareket sağlığı — B2C
Tüm kadro için biyomekanik erken uyarı — ince kaymalar, bir oyuncuyu kadrodan düşürmeden haftalar önce gün yüzüne çıkar.
Sıradan videodan temiz 3B hareket verisi, tek ileri geçişte.
Bir sezonluk hareket üzerinde anlamsal arama — etiketleri değil, davranışı sorgulayın.
Yalnızca yürüyüş biçiminden oyuncu kimliği tespiti.
Telefon kamerasından kişisel biyomekanik erken uyarı.
Her koşu için form analizi ve hareket kalitesi göstergeleri.
Klinik ziyaretleri arasında nesnel iyileşme takibi — hiçbir zaman tıbbi bir tanı değildir.
Gerçekte nasıl hareket ettiğinizden türetilen günlük hazırlık sinyali.
Rekabet ortamı
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.
| Kategori | Başlıca örnekler | Ne yapıyorlar | Ne yapamıyorlar |
|---|---|---|---|
| Takip sistemleri | Catapult; Stats Perform; Second Spectrum | Konum, hız, mesafe, yük, olay tespiti | Hareket kalitesini okuyamaz; bir oyuncunun mekaniğinin nasıl değiştiğini göremez |
| Video analitiği | Hudl; Wyscout; InStat | Olay etiketler, klip getirir, istatistik panoları kurar | Hareket benzerliğiyle arama yapamaz; biyomekanik örüntüleri tespit edemez |
| Klinik yürüme laboratuvarları | Vicon; Qualisys | Altın standart 3B yakalama, kuvvet platformları, uzman değerlendirmesi | Laboratuvarın dışına ölçeklenemez — altı haneli kurulumlar, günde bir avuç denek |
| Fitness giyilebilirleri | Whoop; Garmin; Apple Watch; Oura | Adım, kalp atış hızı, uyku, toparlanma skorları | Ne kadar hareket ettiğinizi sayar; nasıl hareket ettiğinizi değerlendiremez |
| Poz tahmini kütüphaneleri | Açık kaynak poz tahmin modelleri | Videodaki eklem konumlarını hızlı ve ücretsiz tespit eder | Tespit ettiği pozun ne anlama geldiğini anlayamaz — tespit var, anlayış yok |
| Hareket zekası | WithoutBall | Hareketin 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.
Savunma hattı
Takip sistemleri ölçer. Video araçları etiketler. Laboratuvarlar analiz eder. Giyilebilir cihazlar sayar. Poz tahmincileri tespit eder. Anlayan yok.
Her kurulum daha fazla hareket verisi üretir; eklenen her saatlik veri, modeli kopyalamayı daha da zorlaştırır.
Yeni ürünler, ortak gömmeler üzerindeki hafif uçlardır — her lansman, bir rakibin yakalamak zorunda kalacağı yüzeyi genişletir.
Kişi bazlı boylamsal referans çizgileri kullanıldıkça değer kazanır — başka çözüme geçmek, kendi geçmişinizi terk etmek demektir.
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:
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.
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.
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.
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.
Veri stratejisi
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.
| Kanal | Ne sağlıyor | Durum |
|---|---|---|
| Büyük ölçekte hareket verisi | İskelet 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 birlikleri | Derinlik ve titizlik: modeli gerçek antrenörlük ve tıbbi iş akışlarına bağlı tutan, profesyonel futbolun genelinden ilişkiler. | Görüşmeler aktif olarak sürüyor |
| Onaylı kullanıcı verisi — gelecekte | Ürünler yayına girdiğinde kurulumlar — açık rıza ile — hareket verisini eğitime geri katabilir; ilk günden tasarlanmış GDPR uyumlu temeller üzerinde. | Tasarlandı, henüz devrede değil |
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.
Ekip
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
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
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
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
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.
Finansman durumu
%100 kurucu mülkiyeti, dış sermaye yok, borç yok. Modelin ölçeklenmesini, ilk kulüp pilotlarını ve tüketici betasını finanse etmek için bir tohum turu yürütülüyor.
| Kalem | Durum |
|---|---|
| Mülkiyet | %100 kurucu mülkiyeti — temiz bir pay defteri |
| Dış sermaye | Yok — kavram kanıtına kadar öz kaynaklarla |
| Borç | Yok |
| Aşama | Gelir öncesi · derin teknoloji Ar-Ge |
| Tur | Tohum turu yürütülüyor |
| İş birlikleri | Profesyonel 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.
Yol haritası
Planı, en yüksek belirsizliği taşıyan sorular önce çözülecek ve mümkün olan en düşük maliyetli deneyler kullanılacak şekilde sıralıyoruz. Aşamalar takvimle değil, kilometre taşlarıyla ilerler.
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
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
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
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.
Metrikler
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
| Metrik | Durum |
|---|---|
| Temel model | Tasarlandı, geliştirildi ve gerçek veriyle doğrulandı |
| Kavram kanıtı eğitimi | 8× NVIDIA H100 · 14 gün · ~2.700 GPU-saat |
| Doğrulanan yetenekler | Temsil öğrenmesi · iskelet yeniden kurma · 2B→3B yükseltme |
| Veri hattı | Ölçekleniyor — hareket videosu, eğitime uygun iskelet verisine dönüştürülüyor |
| Ekip | Dört kurucu ortak: makine öğrenmesi araştırması, elit futbol, mühendislik |
| İş birlikleri | Profesyonel futbolda birden fazla görüşme aktif |
| Kamuya açık varlık | withoutball.com üç dilde yayında; erken erişim bekleme listesi açık |
Sırada — önemli olan kanıt noktaları
| Kanıt noktası | Yanıtladığı soru | Sıra |
|---|---|---|
| Birebir kıyaslama | Model, futbolla ilgili görevlerde en güçlü hazır işlem hattını geçiyor mu? | Aşama 01 |
| İlk kulüp pilotu | Profesyonel bir kulüp ürünü kuracak ve kullanmaya devam edecek mi? | Aşama 01 |
| Ödeme yapan ilk kulüp | Bir pilot, deneme süresinin ardından gelire dönüşecek mi? | Aşama 02 |
| Tüketici betası | Tüketiciler, 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.
SSS
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.
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.
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.
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.
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.
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.
Veri odası
Finansal plan, pay defteri, iş birliği ayrıntıları, veri kaynağı bilgileri ve teknik kıyaslama sonuçları, NDA kapsamında nitelikli yatırımcılara açıktır — info@withoutball.com.