Smarter Tischtennisschläger mit Arduino

Der Maker Samuel Alexander hat einen Tischtennisschläger gebaut, der mithilfe von Bewegungssensoren und KI jeden Schlag in Echtzeit erkennt, zählt und analysiert und das sogar mit einer Option ohne PC. Ziel war es, Trainingsdaten automatisch zu erfassen und direktes Feedback zu geben.

Im Inneren des Schlägers arbeitet ein Arduino Nano 33 BLE Sense Rev2, dessen integrierter IMU-Sensor (Beschleunigungssensoren und Gyroskope; BMI270/BMM150) Beschleunigungs- und Rotationsdaten aufnimmt. Diese werden über ein kleines neuronales Netz ausgewertet, das mit der Online-Plattform Edge Impulse trainiert wurde. Der Schläger erkennt insgesamt fünf Schlagtypen – Vorhand- und Rückhand-Kontern, Topspin und Schmetterschläge, sowie Phasen ohne Aktivität. Ein kleines OLED-Display im Griff zeigt nach jedem Schlag den erkannten Typ und motivierende Kurznachrichten an.

Das Modell nutzt ein kompaktes, neuronales Netz, das auf dem 64-MHz-Cortex-M4 des Arduino läuft und in rund 12 Millisekunden eine Antwort ausgibt. Die Daten werden mit 50 Hz erfasst, in 500-Millisekunden-Fenstern verarbeitet und über eine Logik mit Schwellenwerten (etwa 2 g Beschleunigung) gefiltert, um Fehlklassifikationen zu vermeiden. Das Ergebnis erscheint mit einer Latenz von 250 bis 500 Millisekunden auf dem Bildschirm – schnell genug, um während des Spiels noch Rückmeldung zu geben. Die Genauigkeit liegt laut Entwickler bei rund 96 Prozent der Validierungsdaten.

Kommunikation per Web-App

Für die Datensammlung hat Alexander eine eigene Web-App entwickelt, die über Bluetooth mit dem Arduino kommuniziert. Sie erlaubt es, Schlagtypen auszuwählen, Daten als CSV zu speichern und direkt in Edge Impulse Studio hochzuladen. Edge Impulse ermöglicht dabei, dass das Training des Modells komplett in der Cloud erfolgt. Die resultierende Bibliothek lässt sich anschließend auf den Arduino überspielen. Die Kombination aus FFT-basierter Merkmalsextraktion (FFT: schnelle Fourier-Transformation; wer mehr zu dieser Technik wissen will, findet eine genaue Erklärung in unserem Stopify-Artikel in Make 4/25 auf Seite 26) und einem kleinen neuronalen Netz ermöglicht eine stabile Erkennung bei minimalem Speicherverbrauch – rund 17 KB Flash und 1,5 KB RAM reichen aus.

Das Gehäuse des Schlägers stammt aus dem 3D-Drucker. Es besteht aus zwei Griffhälften mit Hohlräumen für Akku, Boost-Konverter, Display und Mikrocontroller. Trotz der eingebauten Elektronik soll das Gewicht so verteilt sein, dass der Schläger sich wie ein normales Sportgerät anfühlt. Der LiPo-Akku mit 400 mAh liefert etwa zweieinhalb Stunden Laufzeit pro Trainingseinheit.

Der Aufbau ist detailliert dokumentiert, inklusive STL-Dateien, Schaltplan und Code auf der Projektseite.

Wer direkt den Schläger herausholen will, um ein paar Bälle zu schmettern, kann sich mit unserem Artikel einen Trainingsroboter selber bauen.

(das)