Body Shape Control Suit — Julien Quenneville

Overview

Modern workplaces adapt to us through software. Physical posture interventions stay static: the same chair, the same advice, the same reminder to sit up straight.

The Body Shape Control Suit explores an adaptable, modular wearable, customizable in both its sensing and its feedback, to analyse posture and movement risk for desk-based work. It deliberately avoids real-time correction and focuses on post-session biofeedback: the patterns of strain, asymmetry and slouching that build up over hours, not the single bad moment.

E-textile garments with sewn EMG sensors, BITalino and battery — The e-textile pieces. EMG sensors sewn onto clothing, wired to a PLUX BITalino and a battery.

Multimodal sensing

Two modalities are fused: surface EMG for muscle activity, and motion capture for body kinematics. EMG runs on a PLUX BITalino through OpenSignals. Full-body kinematics come from the Rokoko Smartsuit and its IMUs.

Rokoko Smartsuit: full-body IMU motion capture.

IMU sensor in use, driving a 3D mannequin — An IMU feeding a live 3D mannequin during capture.

Wiring the EMG chain: BITalino (r)evolution Plugged

Every EMG reading in this project starts with the same five-minute assembly. Worth documenting, because most of what gets called “bad EMG data” turns out to be a cable in the wrong port or a sampling rate nobody checked.

The BITalino kit laid out: board with battery, EMG sensor module, two cables, three pre-gelled electrodes — The kit: the (r)evolution Plugged board and its LiPo, the EMG sensor module, two PLUX cables, three pre-gelled electrodes.

Plugging a PLUX cable into one of the board's analog channel ports — **1 ·** Plug a PLUX cable into one of the board's analog ports.

Back of the board showing the labelled A1–A6 ports and the MAC address sticker — **2 ·** Flip it over. Ports are labelled `A1` to `A6`, and the sticker carries the Bluetooth MAC.

OpenSignals device panel: channels set to EMG on A1–A3, sampling rate 100 Hz — **3 ·** Pair the board in **OpenSignals** with that MAC, declare each channel (here `A1` to `A3` as **EMG**) and set the sampling rate. Whatever is ticked here is what the recording actually contains.

Both cables being connected to the EMG sensor module — **4 ·** The EMG module sits *between* the two cables. Board side `A1 / REF / AVCC / GND`, body side `IN− / REF / IN+`.

The assembled chain: board, cable, EMG module — **5 ·** The chain assembled: board, cable, sensor.

The three electrode leads plugged into the EMG module's inputs — **6 ·** Three electrodes. `IN+` and `IN−` straddle the muscle belly along the fibre direction, `REF` goes on a bony, electrically quiet spot. That differential pair is what rejects everything the muscle did not produce.

One module per channel. Adding a second muscle means another cable, another sensor, another port, and that is exactly what makes the suit modular rather than a fixed garment.

AI pose estimation and anatomy

A pose-estimation pipeline is adapted to the Rokoko armature, and an AI model is trained on Z-Anatomy muscle descriptions so it can reason about back-muscle activation and posture deviation.

3D armature used for pose estimation — The rigged armature used for pose estimation.

Z-Anatomy 3D muscular model — The Z-Anatomy muscular model, used as anatomical ground truth.

Z-Anatomy: support tool, not my project

An open-source, interactive 3D atlas of human anatomy. I used its layer-by-layer muscle model and its descriptions to train the posture-analysis AI. Credit goes to its authors. It is a dependency of this project, not my work.

↗ Try the software ↗ GitHub

Z-Anatomy software interface — The Z-Anatomy software. Selectable anatomical systems, used as the AI's knowledge base.

Applications

Office ergonomics, workplace-injury prevention, physical rehabilitation. The goal is to help desk workers see the postures that quietly cause long-term musculoskeletal strain.

Correct vs incorrect sitting postures — What the system is trained to tell apart: healthy versus harmful sitting posture.

R&D: feedback, later

Beyond analysis, the roadmap explores active feedback. Full-body haptic suits such as the Teslasuit were studied as a way to nudge posture in real time.

Teslasuit haptic feedback suit — Teslasuit, explored as a complementary haptic feedback modality.

Described in depth in my Master’s thesis, From Gameplay to Workplace Health: EMG and Motion Capture for Posture Detection and Biofeedback Analysis.

Überblick

Moderne Arbeitswelten passen sich uns über Software an. Eingriffe in die körperliche Haltung bleiben statisch: derselbe Stuhl, derselbe Rat, dieselbe Erinnerung, gerade zu sitzen.

Der Body Shape Control Suit erforscht ein anpassbares, modulares Wearable, das sowohl in der Erfassung als auch im Feedback konfigurierbar ist, um Haltung und Bewegungsrisiko am Schreibtisch zu analysieren. Er verzichtet bewusst auf Korrektur in Echtzeit und konzentriert sich auf Biofeedback nach der Sitzung: die Muster aus Belastung, Asymmetrie und Zusammensacken, die sich über Stunden aufbauen, nicht der eine schlechte Moment.

E-Textil-Kleidung mit eingenähten EMG-Sensoren, BITalino und Akku — Die E-Textil-Teile. EMG-Sensoren, in Kleidung eingenäht, verkabelt mit einem PLUX BITalino und einem Akku.

Multimodale Erfassung

Zwei Modalitäten werden verschmolzen: Oberflächen-EMG für Muskelaktivität und Motion Capture für Körperkinematik. Das EMG läuft über einen PLUX BITalino mit OpenSignals. Die Ganzkörperkinematik kommt vom Rokoko Smartsuit und seinen IMUs.

IMU-Sensor im Einsatz, der eine 3D-Puppe antreibt — Eine IMU speist während der Aufnahme eine 3D-Puppe in Echtzeit.

Die EMG-Kette verkabeln: BITalino (r)evolution Plugged

Jede EMG-Messung in diesem Projekt beginnt mit demselben Fünf-Minuten-Aufbau. Das ist dokumentationswürdig, denn das meiste, was „schlechte EMG-Daten“ genannt wird, entpuppt sich als Kabel im falschen Port oder als Abtastrate, die niemand geprüft hat.

Das ausgelegte BITalino-Kit: Board mit Akku, EMG-Sensormodul, zwei Kabel, drei vorgelierte Elektroden — Das Kit: das (r)evolution-Plugged-Board mit LiPo, das EMG-Sensormodul, zwei PLUX-Kabel, drei vorgelierte Elektroden.

step 1 — **1 ·** Ein PLUX-Kabel in einen der analogen Ports des Boards stecken.

step 2 — **2 ·** Umdrehen. Die Ports sind mit `A1` bis `A6` beschriftet, und der Aufkleber trägt die Bluetooth-MAC.

**3 ·** Das Board in **OpenSignals** mit dieser MAC koppeln, jeden Kanal deklarieren (hier `A1` bis `A3` als **EMG**) und die Abtastrate setzen. Was hier angehakt ist, ist genau das, was die Aufnahme enthält.

step 4 — **4 ·** Das EMG-Modul sitzt *zwischen* den beiden Kabeln. Boardseite `A1 / REF / AVCC / GND`, Körperseite `IN− / REF / IN+`.

step 5 — **5 ·** Die fertige Kette: Board, Kabel, Sensor.

step 6 — **6 ·** Drei Elektroden. `IN+` und `IN−` umschließen den Muskelbauch in Faserrichtung, `REF` kommt auf einen knöchernen, elektrisch ruhigen Punkt. Dieses Differenzpaar verwirft alles, was der Muskel nicht erzeugt hat.

Ein Modul pro Kanal. Ein zweiter Muskel bedeutet ein weiteres Kabel, einen weiteren Sensor, einen weiteren Port, und genau das macht den Anzug modular statt starr.

KI-Posenschätzung und Anatomie

Eine Pipeline zur Posenschätzung wird auf die Rokoko-Armatur angepasst, und ein Modell wird auf den Muskelbeschreibungen von Z-Anatomy trainiert, um über Rückenmuskelaktivierung und Haltungsabweichungen zu schließen.

Für die Posenschätzung genutzte 3D-Armatur — Die geriggte Armatur für die Posenschätzung.

3D-Muskelmodell von Z-Anatomy — Das Z-Anatomy-Muskelmodell, als anatomische Referenz.

Z-Anatomy: Hilfsmittel, nicht mein Projekt

Ein quelloffener, interaktiver 3D-Atlas der menschlichen Anatomie. Ich habe sein schichtweises Muskelmodell und seine Beschreibungen genutzt, um die KI zur Haltungsanalyse zu trainieren. Der Verdienst gehört den Autoren. Es ist eine Abhängigkeit dieses Projekts, nicht meine Arbeit.

↗ Software ausprobieren ↗ GitHub

Oberfläche der Z-Anatomy-Software — Die Z-Anatomy-Software. Auswählbare anatomische Systeme, genutzt als Wissensbasis der KI.

Anwendungen

Büroergonomie, Prävention von Arbeitsverletzungen, Rehabilitation. Ziel ist, Schreibtischarbeitenden sichtbar zu machen, welche Haltungen still und leise langfristige Muskel-Skelett-Beschwerden verursachen.

Richtige und falsche Sitzhaltungen — Was das System unterscheiden lernt: gesunde und schädliche Sitzhaltung.

F&E: Feedback, später

Über die Analyse hinaus erkundet die Roadmap aktives Feedback. Ganzkörper-Haptikanzüge wie der Teslasuit wurden als Weg untersucht, Haltung in Echtzeit zu stupsen.

Teslasuit, Anzug mit haptischem Feedback — Der Teslasuit, untersucht als ergänzende haptische Feedback-Modalität.

Ausführlich beschrieben in meiner Masterarbeit From Gameplay to Workplace Health: EMG and Motion Capture for Posture Detection and Biofeedback Analysis.

Vue d’ensemble

Le monde du travail s’adapte à nous par le logiciel. Les interventions sur la posture physique, elles, restent figées : même chaise, même conseil, même rappel de se tenir droit.

La Body Shape Control Suit explore un vêtement adaptable et modulaire, personnalisable à la fois dans ses capteurs et dans son retour, pour analyser la posture et les risques de mouvement au bureau. Elle évite délibérément la correction en temps réel et se concentre sur le biofeedback après séance : les schémas de tension, d’asymétrie et d’avachissement qui s’installent sur des heures, pas le mauvais instant isolé.

Vêtements e-textile avec capteurs EMG cousus, BITalino et batterie — Les pièces e-textile. Des capteurs EMG cousus sur le vêtement, reliés à un PLUX BITalino et à une batterie.

Capter sur deux modalités

Deux modalités sont fusionnées : l’EMG de surface pour l’activité musculaire, et la motion capture pour la cinématique du corps. L’EMG tourne sur un PLUX BITalino via OpenSignals. La cinématique complète vient de la Rokoko Smartsuit et de ses centrales inertielles.

Capteur inertiel en usage, pilotant un mannequin 3D — Une centrale inertielle alimentant un mannequin 3D en direct pendant la capture.

Câbler la chaîne EMG : BITalino (r)evolution Plugged

Toute mesure EMG de ce projet commence par le même montage de cinq minutes. Il mérite d’être documenté, parce que la plupart de ce qu’on appelle « mauvaises données EMG » se révèle être un câble dans le mauvais port ou une fréquence d’échantillonnage que personne n’a vérifiée.

Le kit BITalino déballé : carte avec batterie, module capteur EMG, deux câbles, trois électrodes pré-gélifiées — Le kit : la carte (r)evolution Plugged et sa batterie LiPo, le module capteur EMG, deux câbles PLUX, trois électrodes pré-gélifiées.

Un module par canal. Ajouter un second muscle demande un câble de plus, un capteur de plus, un port de plus, et c’est exactement ce qui rend la combinaison modulaire plutôt que figée.

Estimation de pose par IA et anatomie

Un pipeline d’estimation de pose est adapté à l’armature Rokoko, et un modèle est entraîné sur les descriptions musculaires de Z-Anatomy pour raisonner sur l’activation des muscles du dos et les écarts de posture.

Armature 3D utilisée pour l’estimation de pose — L'armature riggée utilisée pour l'estimation de pose.

Modèle musculaire 3D Z-Anatomy — Le modèle musculaire Z-Anatomy, utilisé comme vérité anatomique de référence.

Z-Anatomy : outil support, pas mon projet

Un atlas 3D interactif et open source de l'anatomie humaine. J'ai utilisé son modèle musculaire couche par couche et ses descriptions pour entraîner l'IA d'analyse posturale. Le crédit revient à ses auteurs. C'est une dépendance de ce projet, pas mon travail.

↗ Essayer le logiciel ↗ GitHub

Interface du logiciel Z-Anatomy — Le logiciel Z-Anatomy. Systèmes anatomiques sélectionnables, utilisés comme base de connaissances de l'IA.

Applications

Ergonomie de bureau, prévention des blessures au travail, rééducation. L’objectif est d’aider les personnes en poste assis à voir les postures qui provoquent en silence des troubles musculo-squelettiques durables.

Postures assises correctes et incorrectes — Ce que le système apprend à distinguer : une posture assise saine et une posture nocive.

R&D : le retour, plus tard

Au-delà de l’analyse, la feuille de route explore le retour actif. Des combinaisons haptiques corps entier comme la Teslasuit ont été étudiées comme moyen de pousser la posture en temps réel.

Combinaison à retour haptique Teslasuit — La Teslasuit, explorée comme modalité complémentaire de retour haptique.

Décrit en détail dans mon mémoire de master, From Gameplay to Workplace Health: EMG and Motion Capture for Posture Detection and Biofeedback Analysis.

概要

いまの職場はソフトウェアを通じて人に合わせてきます。ところが身体の姿勢への介入は動きません。同じ椅子、同じ助言、同じ「背筋を伸ばして」の通知です。

Body Shape Control Suit は、センシングとフィードバックの両方を組み替えられる、適応的でモジュール式のウェアラブルを探る試みです。目的はデスクワークにおける姿勢と動作リスクの分析。あえてリアルタイムの矯正は避け、セッション後のバイオフィードバックに集中します。狙うのは、たった一度の悪い瞬間ではなく、何時間もかけて積み上がる負荷・左右差・猫背のパターンです。

EMG センサーを縫い込んだ e テキスタイルの衣服、BITalino、バッテリー — e テキスタイルのパーツ。衣服に縫い付けた EMG センサーを、PLUX BITalino とバッテリーに配線しています。

2つのモダリティで捉える

融合するのは2つです。筋活動をみる表面筋電（sEMG）と、身体の運動学をみるモーションキャプチャ。筋電は PLUX BITalino を OpenSignals 経由で動かします。全身の運動学は Rokoko Smartsuit とその IMU から取得します。

3D マネキンを動かしている使用中の IMU センサー — 収録中、IMU がリアルタイムで 3D マネキンを動かしています。

EMG チェーンの配線：BITalino (r)evolution Plugged

このプロジェクトの筋電計測は、毎回この5分の組み立てから始まります。書き残す価値があるのは、「EMG のデータが悪い」と言われるものの大半が、実際にはケーブルの挿し間違いか、誰も確認しなかったサンプリングレートだからです。

広げた BITalino キット。バッテリー付きボード、EMG センサーモジュール、ケーブル2本、ゲル付き電極3枚 — キットの中身。(r)evolution Plugged ボードと LiPo バッテリー、EMG センサーモジュール、PLUX ケーブル2本、ゲル付き電極3枚。

チャンネルごとにモジュールが1つ。筋肉を1つ増やすたびにケーブル、センサー、ポートが1つずつ増えます。まさにそれが、このスーツを固定された衣服ではなくモジュール式にしている点です。

AI による姿勢推定と解剖学

姿勢推定のパイプラインを Rokoko のアーマチュアに合わせ、Z-Anatomy の筋肉記述で AI モデルを学習させて、背部の筋活動と姿勢のずれについて推論させます。

姿勢推定に用いた 3D アーマチュア — 姿勢推定に使ったリグ済みのアーマチュア。

Z-Anatomy の 3D 筋肉モデル — Z-Anatomy の筋肉モデル。解剖学的な基準として使用しました。

Z-Anatomy：支援ツールであり、自作ではありません

人体解剖のオープンソースかつインタラクティブな 3D アトラスです。層ごとの筋肉モデルとその記述を、姿勢分析 AI の学習に使わせてもらいました。功績は作者の方々にあります。本プロジェクトの依存物であって、私の制作物ではありません。

↗ ソフトを試す ↗ GitHub

Z-Anatomy ソフトウェアの画面 — Z-Anatomy のソフトウェア。解剖学的な系統を選べるようになっており、AI の知識ベースとして使いました。

応用先

オフィスの人間工学、労働災害の予防、リハビリテーション。デスクワークをする人が、長期的な筋骨格系の負担を静かに生んでいる姿勢を自分で見られるようにするのが狙いです。

正しい座り方と悪い座り方 — システムが見分けられるように学習する対象。健康な座位と、体を痛める座位です。

R&D：フィードバックはこの先

分析の先として、ロードマップでは能動的なフィードバックを検討しています。Teslasuit のような全身ハプティックスーツを、リアルタイムに姿勢をそっと促す手段として調べました。

ハプティックフィードバックスーツ Teslasuit — Teslasuit。補完的な触覚フィードバックの手段として検討しました。

詳細は修士論文 From Gameplay to Workplace Health: EMG and Motion Capture for Posture Detection and Biofeedback Analysis に記載しています。

概览

现代职场通过软件来适应我们，但对身体姿势的干预始终是静止的：同一把椅子、同一句建议、同一条「坐直」的提醒。

Body Shape Control Suit 探索的是一件可适应、模块化的可穿戴设备，在传感和反馈两端都能重新配置，用来分析久坐工作的姿势与动作风险。它刻意不做实时纠正，而是专注于训练后的生物反馈：那些在几小时里慢慢累积的紧张、不对称和塌陷模式，而不是某个孤立的坏瞬间。

缝入 EMG 传感器的电子织物服装、BITalino 与电池 — 电子织物部件。EMG 传感器缝在衣物上，连到 PLUX BITalino 与电池。

多模态感知

融合两种模态：测量肌肉活动的表面肌电（sEMG），以及测量身体运动学的动作捕捉。肌电通过 PLUX BITalino 配合 OpenSignals 采集，全身运动学则来自 Rokoko Smartsuit 及其惯性测量单元。

正在使用的 IMU 传感器，驱动一个 3D 人偶 — 采集过程中，IMU 实时驱动 3D 人偶。

连接 EMG 链路：BITalino (r)evolution Plugged

这个项目里每一次肌电测量，都从同样的五分钟装配开始。值得写下来，是因为大多数被称作「EMG 数据不好」的情况，最后都归结为线插错了口，或者没人核对采样率。

摊开的 BITalino 套件：带电池的板子、EMG 传感器模块、两根线缆、三枚预涂凝胶电极 — 套件内容：(r)evolution Plugged 板和它的锂电池、EMG 传感器模块、两根 PLUX 线缆、三枚预涂凝胶电极。

每个通道一个模块。多接一块肌肉，就是多一根线、多一个传感器、多一个端口，而这恰恰是这套服装之所以模块化、而非一件固定衣物的原因。

AI 姿态估计与解剖学

姿态估计流程适配到 Rokoko 骨架上，并用 Z-Anatomy 的肌肉描述训练 AI 模型，让它能就背部肌肉激活和姿势偏差进行推断。

Z-Anatomy 的 3D 肌肉模型 — Z-Anatomy 肌肉模型，用作解剖学基准。

Z-Anatomy：辅助工具，不是我的项目

一个开源的人体解剖交互式 3D 图谱。我用了它逐层的肌肉模型和文字描述来训练姿势分析 AI。功劳归于它的作者。它是本项目的依赖，不是我的作品。

↗ 试用软件 ↗ GitHub

Z-Anatomy 软件界面 — Z-Anatomy 软件。可选择的解剖系统，被用作 AI 的知识库。

应用方向

办公人体工学、工伤预防、康复训练。目标是让久坐工作的人看见那些正在悄悄造成长期肌肉骨骼负担的姿势。

研发：反馈留到后面

在分析之外，路线图还在探索主动反馈。研究过 Teslasuit 这类全身触觉服装，把它当作实时轻推姿势的一种方式。

Teslasuit 触觉反馈服 — Teslasuit，作为补充性的触觉反馈方式来研究。

详细内容写在我的硕士论文 From Gameplay to Workplace Health: EMG and Motion Capture for Posture Detection and Biofeedback Analysis 中。