Az Euronet Zrt. célja az volt, hogy a karkötő képes legyen hatékonyan monitorozni a viselő személy élettani paramétereit és ez alapján megállapítani, hogy a viselő koncentrációs szintje hogyan alakul, mennyiben tapasztalhatók a fáradtság jelei.

A kifejlesztett mérőeszköz egyik fontos komponense a fotopletizmográf szenzor (PPG), amelynek optimális elhelyezése, kialakítása jelentős kutatómunka eredménye. Más gyártókkal szemben az EnergoWatch nyers adatokat szolgáltat, amely nagy rugalmasságot biztosít egyedi feldolgozó algoritmusok implementálására, illetve finomhangolására. A szenzorok által generált részletes, nagy felbontású adathalmaz (napi több száz megabájt) biztosítja a szükséges, stabil hátteret, mely lehetőséget teremt az aktuális fáradtsági állapot becslésére. A nyers adatokat feldolgozó algoritmusok az Euronet Zrt. fejlesztései.

A projekt eredményeként létrejött okoskarkötő kiszolgáló infrastruktúra más eszközökkel (pl. EKG) is képes együttműködni, egységes adatmodellbe tudja integrálni külső, más mérőeszközök adatait, szinergiát építve az EnergoWatch szenzoraival.

A kifejlesztett eszközről, annak alkalmazásáról, illetve a projektről a https://energowatch.hu website-on érhetők el további információk.

A megvalósult hardver és szoftvermegoldásokból álló ökoszisztéma a fentieken túl megfelelő alapot és lehetőséget teremt más alkalmazási terület (pl. érzelmi állapotok követése, tanulási folyamatra való aktuális alkalmasság, stb.) támogatására is. Ebből kiindulva az Euronet Zrt. az NKFI meghirdetett pályázata keretében a már rendelkezésre álló saját fejlesztésű hardver és szoftver elemek felhasználásával új projektbe kezdett egy fiziológiai méréseken alapuló elemzési rendszer, illetve az audiovizuális tartalomfejlesztés támogatására vonatkozólag („Érzelmi Nyomkövető Rendszer (Tracking For You; TR4U) (2020-1.1.2-PIACI-KFI-2021-00321)”)

A projekt célja audiovizuális tartalom fejlesztés támogatása egy olyan elemzési rendszer kialakításával, amely képes megállapítani fiziológiai mérések alapján az egyén bizonyos érzelmi állapotait és azokat képes időszinkronban hozzárendelni a digitális tartalom egyes részeihez. A rendszer egy teljes elemzési ökoszisztémát nyújt a felhasználónak, amely képes a fiziológiai reakció adatok és az audiovizuális tesztelés során rögzített további adatok időben szinkronizált összegyűjtésére, egy nagy adathalmazon dolgozó adatelemző algoritmus segítségével a fiziológiai reakció adatok értékelésére, illetve figyelembe tudja venni a szenzort viselő aktuális állapotát, valamint annak kontextusában tudja machine learning modell segítségével a rögzített értékeket korrigálni, feldolgozni és a feldolgozott adatok alapján képes az aktuális érzelmi állapot változását jelezni.