Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Skill Performance Estimation from cARdiac Signals

Descrizione del progetto

Sfruttare i segnali cardiaci per un allenamento fisico personalizzato

Nei diversi contesti di apprendimento, le capacità e le motivazioni individuali variano, mettendo in discussione l’efficacia degli approcci formativi standardizzati. La letteratura scientifica sottolinea il potenziale dei segnali cardiaci (CS, Cardiac Signals) per misurare gli stati cognitivi e fisici, cruciali per esperienze di apprendimento su misura. In questo contesto, il progetto SPEARS, finanziato dal CER, utilizzerà i CS per adattarsi dinamicamente agli stati cognitivi e fisici degli utenti. Sulla base del successo del progetto BrainConquest, che si è concentrato sull’allenamento personalizzato tramite interfacce cervello-computer, SPEARS intende migliorare gli algoritmi di apprendimento automatico e di elaborazione del segnale per la previsione delle prestazioni utilizzando i dati CS provenienti da sensori di livello consumer come gli smartwatch. SPEARS intende integrare la sua tecnologia predittiva in un’applicazione per l’allenamento sportivo, offrendo soluzioni di allenamento su misura per gli atleti di resistenza di tutto il mondo.

Obiettivo

In any learning situation, be it math education, language learning or sport training, different learners have different abilities, motivations and capacities at any given time. Thus, an optimal learning can only be achieved with personalized training solutions, dynamically adapted to each learner’s cognitive and/or physical states. The scientific literature showed that such states could be estimated from Cardiac Signals (CS). In ERC PoC SPEARS, we thus propose to redefine consumer training apps, by enabling them to propose personalized and adaptive training plans according to an estimation of their users’ cognitive and/or physical states from their CS measured with consumer grade sensors, e.g. smartwatches. The outcome of ERC project BrainConquest should enable us to tackle this challenge. Indeed, in BrainConquest we explored such a personalized training approach for users of Brain-Computer Interfaces (BCI). In doing so, we developed Machine Learning (ML) and Signal Processing (SP) algorithms to estimate users’ mental states and predict their upcoming performances from their brain and physiological signals, including CS. In SPEARS, we thus aim at adapting, improving and assessing BrainConquest ML & SP algorithms, initially designed for BCI performance prediction from research grade brain and CS sensors in the lab, to predict cognitive and physical performance from consumer grade CS sensors in the wild. Such algorithms could be used for adaptive training apps in education, cognitive training for healthy aging or sport training. We will then explore a commercial application of this technology for sport training in particular, in collaboration with the startup Flit Sport, which sells an app for providing personalized training exercises for endurance sport athletes, based on their past performances and ML. By integrating our CS-based prediction into Flit Sport training app, we should design optimally personalized training solutions for millions of runners worldwide.

Campo scientifico (EuroSciVoc)

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-ERC-POC - HORIZON ERC Proof of Concept Grants

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) ERC-2023-POC

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

INSTITUT NATIONAL DE RECHERCHE EN INFORMATIQUE ET AUTOMATIQUE
Contributo netto dell'UE
€ 150 000,00
Indirizzo
DOMAINE DE VOLUCEAU ROCQUENCOURT
78153 Le Chesnay Cedex
Francia
Regione
Ile-de-France Ile-de-France Yvelines
Tipo di attività
Research Organisations
Collegamenti
Costo totale
Nessun dato

Beneficiari (1)

Partner (1)