Learning the correct rowing technique on an ergometer is a challenging task for amateur athletes: the biomechanical complexity of the stroke, combined with the absence of immediate corrective feedback, forces beginners to rely entirely on a qualified coach. This thesis presents the design, development and field validation of a plug-and-play Augmented Reality exergaming system for indoor rowing coaching, capable of delivering expert-level real-time biomechanical feedback on standard consumer hardware, without markers or wearable sensors. The system uses the markerless pose estimation framework MediaPipe within a Unity application to analyse the athlete’s posture from a single RGB camera. A biomechanical study of the rowing stroke identified the most discriminative kinematic parameters, which are compared in real time against an ideal model (Ghost) built from an expert athlete’s averaged stroke cycles; a scale-adaptive alignment algorithm overlays the user’s skeleton on the Ghost without manual calibration. Multiple AR visual interfaces present the biomechanical data in accessible form, alongside a six-level gamified tutorial that introduces AR elements progressively and enables self-directed learning with no prior technical knowledge. A dedicated neural network, developed specifically for this application, handles real-time error recognition. The system was validated at Canottieri Varese on 52 athletes across three experience levels (competitive, amateur and novice). The System Usability Scale yielded a global score of 96.4, classified as Best Imaginable. Seven athletes with no prior ergometer experience reached a technically recognisable stroke within ten minutes of their first session, guided solely by the AR visual feedback without verbal instruction. These results confirm that a low-cost, marker-free AR coaching system can substantially lower the access threshold to a technically demanding sport, democratising quality biomechanical feedback beyond the professional coaching context.

L’apprendimento della tecnica corretta al remoergometro è una sfida significativa per gli atleti amatoriali: la complessità biomeccanica della palata, unita all’assenza di feedback correttivo immediato, costringe il principiante a dipendere dalla presenza di un allenatore qualificato. Questa tesi presenta la progettazione, lo sviluppo e la validazione sul campo di un sistema di exergaming in Realtà Aumentata plug-and-play per il coaching del canottaggio indoor, capace di restituire in tempo reale un feedback biomeccanico di livello esperto su hardware consumer standard, senza marker né sensori indossabili. Il sistema integra il framework markerless MediaPipe in un’applicazione Unity per analizzare la postura dell’atleta da una singola telecamera RGB. Uno studio biomeccanico della palata ha portato all’identificazione dei parametri cinematici più discriminanti, confrontati in tempo reale con un modello ideale (Ghost) costruito mediando i cicli di un atleta esperto; un algoritmo di allineamento adattivo sovrappone lo scheletro dell’utente al Ghost senza calibrazione manuale. Molteplici interfacce AR presentano i dati in forma accessibile, affiancate da una struttura tutorial gamificata a sei livelli che introduce gli elementi AR progressivamente, abilitando l’apprendimento autonomo senza conoscenze tecniche pregresse. Una rete neurale sviluppata appositamente per l’applicazione gestisce il riconoscimento degli errori in tempo reale. Il sistema è stato validato presso Società Canottieri Varese A.S.D su 52 atleti di tre categorie (agonisti, amatoriali e nuovi rematori). Il questionario System Usability Scale ha prodotto un punteggio globale di 96.4, classificato come Best Imaginable. Sette atleti senza alcuna esperienza al remoergometro hanno raggiunto una palata tecnicamente riconoscibile entro i primi dieci minuti di sessione, guidati esclusivamente dal feedback visivo AR. I risultati confermano che un sistema di coaching in AR ad alta accessibilità può abbassare significativamente la soglia di accesso a uno sport tecnicamente impegnativo, democratizzando il feedback biomeccanico di qualità al di là del contesto dell’allenamento professionale.

AR Coaching for Rowing: A markerless augmented reality exergaming system for indoor rowing

GAGLIONE, MARCO
2025/2026

Abstract

Learning the correct rowing technique on an ergometer is a challenging task for amateur athletes: the biomechanical complexity of the stroke, combined with the absence of immediate corrective feedback, forces beginners to rely entirely on a qualified coach. This thesis presents the design, development and field validation of a plug-and-play Augmented Reality exergaming system for indoor rowing coaching, capable of delivering expert-level real-time biomechanical feedback on standard consumer hardware, without markers or wearable sensors. The system uses the markerless pose estimation framework MediaPipe within a Unity application to analyse the athlete’s posture from a single RGB camera. A biomechanical study of the rowing stroke identified the most discriminative kinematic parameters, which are compared in real time against an ideal model (Ghost) built from an expert athlete’s averaged stroke cycles; a scale-adaptive alignment algorithm overlays the user’s skeleton on the Ghost without manual calibration. Multiple AR visual interfaces present the biomechanical data in accessible form, alongside a six-level gamified tutorial that introduces AR elements progressively and enables self-directed learning with no prior technical knowledge. A dedicated neural network, developed specifically for this application, handles real-time error recognition. The system was validated at Canottieri Varese on 52 athletes across three experience levels (competitive, amateur and novice). The System Usability Scale yielded a global score of 96.4, classified as Best Imaginable. Seven athletes with no prior ergometer experience reached a technically recognisable stroke within ten minutes of their first session, guided solely by the AR visual feedback without verbal instruction. These results confirm that a low-cost, marker-free AR coaching system can substantially lower the access threshold to a technically demanding sport, democratising quality biomechanical feedback beyond the professional coaching context.
ING - Scuola di Ingegneria Industriale e dell'Informazione
21-lug-2026
2025/2026
L’apprendimento della tecnica corretta al remoergometro è una sfida significativa per gli atleti amatoriali: la complessità biomeccanica della palata, unita all’assenza di feedback correttivo immediato, costringe il principiante a dipendere dalla presenza di un allenatore qualificato. Questa tesi presenta la progettazione, lo sviluppo e la validazione sul campo di un sistema di exergaming in Realtà Aumentata plug-and-play per il coaching del canottaggio indoor, capace di restituire in tempo reale un feedback biomeccanico di livello esperto su hardware consumer standard, senza marker né sensori indossabili. Il sistema integra il framework markerless MediaPipe in un’applicazione Unity per analizzare la postura dell’atleta da una singola telecamera RGB. Uno studio biomeccanico della palata ha portato all’identificazione dei parametri cinematici più discriminanti, confrontati in tempo reale con un modello ideale (Ghost) costruito mediando i cicli di un atleta esperto; un algoritmo di allineamento adattivo sovrappone lo scheletro dell’utente al Ghost senza calibrazione manuale. Molteplici interfacce AR presentano i dati in forma accessibile, affiancate da una struttura tutorial gamificata a sei livelli che introduce gli elementi AR progressivamente, abilitando l’apprendimento autonomo senza conoscenze tecniche pregresse. Una rete neurale sviluppata appositamente per l’applicazione gestisce il riconoscimento degli errori in tempo reale. Il sistema è stato validato presso Società Canottieri Varese A.S.D su 52 atleti di tre categorie (agonisti, amatoriali e nuovi rematori). Il questionario System Usability Scale ha prodotto un punteggio globale di 96.4, classificato come Best Imaginable. Sette atleti senza alcuna esperienza al remoergometro hanno raggiunto una palata tecnicamente riconoscibile entro i primi dieci minuti di sessione, guidati esclusivamente dal feedback visivo AR. I risultati confermano che un sistema di coaching in AR ad alta accessibilità può abbassare significativamente la soglia di accesso a uno sport tecnicamente impegnativo, democratizzando il feedback biomeccanico di qualità al di là del contesto dell’allenamento professionale.
File allegati
File Dimensione Formato  
2026_07_Gaglione_Tesi.pdf

non accessibile

Descrizione: Testo Tesi
Dimensione 27.35 MB
Formato Adobe PDF
27.35 MB Adobe PDF   Visualizza/Apri
2026_07_Gaglione_Executive_Summary.pdf

non accessibile

Descrizione: Executive summary
Dimensione 10.29 MB
Formato Adobe PDF
10.29 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/260834