AppleのARKitは、iPhoneをマーカーレスの3Dモーショントラッカーに変えます——マーカーもラボも不要です。では、ARKitのモーションキャプチャ精度は実際どれくらいなのか。被験者11名・10種目で、ARKitの関節角度を2Dの動画分析と比較して検証しました。この記事（上の動画の要約）では、実際の誤差の数値とともに結果を解説します。先に結論を言えば、精度は姿勢によって大きく変わります。
目次
ARKitの精度をどう検証したか
方法はシンプルです。被験者11名が10種目を行い、iPhone 11 Proを約4m離して撮影しました。ARKitアプリの関節角度を動画分析の基準と比較し、各動作の最大角度と最小角度の両方を評価しました。この「最大・最小」の切り分けが極めて重要でした。ARKitは、一つの動作の中でも一様に正確なわけではないからです。
画面上は完璧に見える——でも数値は違う
ここが落とし穴です。画面上ではトラッキングは完璧に見えます——骨格が身体にぴったり沿い、そのまま信じたくなります。しかし、その下の数値は別の話をしています。精度は姿勢によって大きく変わるのです。説得力のある重ね合わせは、正しい計測とは限りません。この差こそ、今回の検証の核心です。
ARKitが得意なところ
ARKitは屈曲した関節のピーク角度で真価を発揮します。スクワットの膝の最大屈曲は誤差3°未満、フロントランジは約3°、サイドランジは2°未満、腕立て伏せの肩の最大角度はほぼ完璧でした。ピーク屈曲での単一関節については、ARKitのモーションキャプチャは本当に正確です。
| 種目・関節 | 計測した角度 | 基準との誤差 |
|---|---|---|
| スクワット — 膝 | 最大屈曲 | 2.7° |
| フロントランジ — 膝 | 最大屈曲 | 3.3° |
| サイドランジ — 膝 | 最大屈曲 | 1.9° |
| 腕立て伏せ — 肩 | 最大角度 | 0.05° |
| 腕立て伏せ — 肩 | 最小角度（床の近く） | 63° |
| 片脚デッドリフト — 股関節 | 最大角度 | 35° |
| スクワット — 膝 | 最小角度（伸展付近） | 24° |
ARKitが苦手なところ
誤差は完全伸展の近くと床に近い姿勢で急増します。膝と股関節の最小角度は20°以上ずれ、腕立て伏せの最小肩角度——身体が床に近づくところ——では、なんと63°もずれました。同じアプリ、同じ撮影で、変わったのは姿勢だけです。
誤差に共通するパターン
種目をまたいで、一つのパターンが一貫していました。ARKitは深い屈曲を過小評価し、伸展付近を過大評価するため、可動域を圧縮します。また、手首・足首・つま先といった小さい関節の追跡が苦手で、それに連なる関節の精度も引き下げます。結果として、もっともらしく見えるのに、動きを組織的に小さく見積もる計測になります。
なぜ誤差が起きるのか
根本原因は、3Dの骨格が平らな画面に描かれることです。そのため、関節の中心が四肢の内側ではなく端に乗っていても、見た目には揃って見えてしまいます。腕が胴体に重なったり、身体が床に近づいたりすると、アプリは部位を区別できません——これが腕立て伏せの計測を崩す正体です。画面では揃って見えても、下のデータはずれています。これは、3Dマーカーレスモーションキャプチャの3手法で述べた、単一カメラの奥行きの曖昧さと同じ問題です。
安全面の注意
これは机上の話ではありません。アプリが深い股関節屈曲を過小評価するため、画面上でより深い数値を目指す人は過剰に曲げてしまい——体幹を倒したり背骨を反らしたりして——腰や膝に負担がかかります。ARKitをフィードバックに使うなら、「まだ浅い」という表示が、数値が示す以上に危険な姿勢へ誘導しうる点に注意してください。
ARKitの上手な使い方
では、実際どう使えばよいのか。ARKitはピーク屈曲での単一の関節角度——たとえばスクワットの深さ——には信頼できますが、全身のキネマティクスや伸展付近の角度には向きません。カメラは水平・真横に保ちましょう。腕立て伏せは、身体が床に近づかない壁腕立てで代用するのがおすすめです。そして回数のカウントには信頼できます。角度のピークは常に明確だからです。ARKitが3Dを再構成する仕組みはARKitによる3Dモーションキャプチャを、他アプリとの比較はモーションキャプチャ・アプリ5つの検証をご覧ください。
よくある質問
ARKitのモーションキャプチャ精度はどのくらい？
ピーク屈曲での単一関節なら優秀で、スクワット・ランジ・腕立てのピークは約3°未満の誤差でした。しかし完全伸展の近くや身体が床に近い姿勢では、誤差は20°以上、腕立て伏せの最小肩角度では最大63°に達します。精度は姿勢に大きく依存します。
ARKitはモーションキャプチャのラボの代わりになりますか？
全身のキネマティクスには向きません。ARKitは的を絞った単一関節の追跡や回数カウントには優れますが、可動域を圧縮し、小さい関節や床に近い姿勢が苦手です。研究水準の全身計測には、依然として複数台のカメラやマーカー式のシステムが必要です。
骨格は完璧に見えるのに、なぜ数値がずれるの？
3Dの骨格が平らな画面に描かれるため、関節の中心が四肢の端に乗っていても揃って見えるからです。重なる四肢や床に近い姿勢がアプリを混乱させるため、説得力のある画面上の重ね合わせが、下に潜む大きな誤差を隠してしまうのです。
結論
ARKitは的を絞った単一関節の追跡と回数カウントには本当に役立ちます——ただし全身のモーションキャプチャには、まだ届きません。得意なところと苦手なところを理解し、カメラを真横に保ち、伸展付近や小さい関節の数値は慎重に扱いましょう。全体像は、モーションキャプチャとパフォーマンス分析の基礎から始めてみてください。
福島 崇（Takashi Fukushima） — Sports Science & Pose Estimation.
▶ YouTubeで登録 · ウェブサイト · ORCID · お問い合わせ