피트니스 AI 코칭을 위한 자세 추정 기술의 실용적 분석 리뷰: 자세 교정, 반복 횟수, 운동 범위 분석

A Practical Analytical Review of Posture Estimation Technology for Fitness AI Coaching: Posture Correction, Repetition, and Range of Motion Analysis

본 논문은 실제 피트니스 코칭 환경에서 마커리스 인체 자세 추정 기술의 적용 가능성을 비판적으로 검토해 본다. 학술적 연구 성과와 실제 상용화 사이의 간극을 줄이는 것을 목표로, 본 리뷰는 자세 교정, 반복 횟수 계산, 운동 범위 분석, 운동 인식이라는 네 가지 핵심 기능의 배포 준비성에 초점을 맞췄다. PRISMA 프로토콜에 따라 2020년에서 2025년 사이의 최신 연구 43개를 분석하여, 각 기술의 성과 뿐만 아니라 실제 환경에서 마주하는 근본적인 한계와 과제를 심층적으로 조명해 보았다. 분석 결과, 딥러닝 모델의 발전에도 불구하고, 데이터셋의 편향성, 표준화된 평가 기준의 부재, 다양한 사용자 및 환경에 대한 일반화 성능 부족, 그리고 파편화된 기능 개발이 기술 상용화의 주요 병목 현상임을 확인할 수 있었다. 본 논문은 이러한 한계를 극복하고, 프로토타입 수준의 연구를 넘어 신뢰할 수 있고 확장 가능한 AI 피트니스 코칭 시스템을 구축하기 위한 구체적인 미래 연구 로드맵을 제안해 본다.

This paper critically examines the applicability of markerless human posture estimation technology in real-world fitness coaching environments. Aiming to bridge the gap between academic research and commercialization, this review study focuses on the deployment readiness of four core functions: posture correction, repetition counting, range of motion analysis, and exercise recognition. Following the PRISMA protocol, we analyzed 43 recent studies published between 2020 and 2025 to deeply examine not only the achievements of each technology but also the fundamental limitations and challenges it faces in real-world settings. Our analysis reveals that despite advances in deep learning models, dataset bias, the absence of standardized evaluation criteria, poor generalization across diverse users and environments, and fragmented feature development remain key bottlenecks to technology commercialization. This paper proposes a concrete future research roadmap to overcome these limitations and build a reliable and scalable AI fitness coaching system beyond prototype-level research.