디지털 트윈 디스플레이 — 운동장치 (Case 110 · Deck 120 · Belt 121)
운동장치 · 디지털 트윈
Case 110 · Deck 120 · Belt 121
투명 돔 커버 111모터 130 · FOC충격센서 141
현재 운동 상태 · 실시간
현재 운동
Live
현재 운동
속보
현재 속도
0.0 km/h
위치
중앙
안전 상태
정상 운전
우리 아이가 트레드밀 중앙에서 편안하게 운동 중입니다. 처짐·앞섬·이상이 감지되면 자동으로 속도를 조절하고, 위험 시 즉시 정지합니다.
운동량 & 건강 대시보드 (146)
운동량 & 건강
Monitor · 146
누적 거리
0.00 km
활동 시간
0:00
소모 칼로리
0 kcal
평균 케이던스
0.0 Hz
일일 운동 목표0%
보행양식 분포 (Gait distribution)
보행 walk속보 trot질주 gallop
AI 훈련 — 단일 상태 관찰 라벨링 (사람 판정 타이밍·일관성 학습)
관찰 라벨링
Single-state Labeling · 149
선택한 질주 상태로 들어가는 대비 세트(예: 정상→질주, 질주→지침, 처짐→중앙)를
반복 재현합니다. 관찰자는 미리 무엇을 태그할지 알고, 그 상태가 될 때마다 버튼을 누르면 됩니다 —
순발력 테스트가 아니라, 같은 상황을 사람·AI가 각각 판정해 대조 학습 데이터를 축적하는 방식입니다.
연출 단계—
지금 실제(GT)—
지금 AI 판정—
클릭 정확도 사람 규정 일관성
—
포착률 연출 대비 태그
—
사람 반응 상태 시작→클릭
—
AI 반응 상태 시작→판정
—
반복 연출 세트 수
0
훈련 샘플 누적
0
위에서 훈련할 상태를 고르면 그 상황이 반복 연출됩니다. 그 상태일 때마다 버튼을 눌러 사람 판정을 축적하세요 — AI 판정과 타이밍·일관성이 대조됩니다.
관찰자 라벨 → AI 판정 학습 반영 (학습 데이터 축적부 149 · 데이터 플라이휠)
저장된 관찰자 라벨0
이 상태 예시 pos / neg0 / 0
학습된 임계값—
기본(공장) 임계값—
학습 전 부합
—
→
학습 후 부합
—
라벨 수집 중
사람이 태그한 라벨(positive)과 연출 baseline(negative)로 이 상태의 판정 임계값을 재보정하고, 배포 분류기(교사·학생)가 채택합니다 — 사용자·개발자 모드의 운동상태 판정 정확도에도 그대로 반영됩니다.
💾 영구 저장(브라우저): — — 태그하면 자동 저장되고, 다시 실행해도 학습된 임계값에서 이어집니다 (종별 분리 저장).
시각
목표
클릭 시 실제
정확
사람 지연
기록 없음
🔒 개발자 모드
엔지니어링 인터페이스(6채널 신호 계측 · 전이학습 · 안전 회로 내부)는 암호화되어 있습니다. 비밀번호를 입력하면 이 페이지 안에서 복호화되어 열립니다. 서버로 전송되는 것은 없습니다.
PBKDF2-HMAC-SHA256 60,000회 · SHA-256 스트림 암호 + HMAC 인증 · 페이지 소스에는 평문이 포함되지 않습니다.