그라인딩 반복이 부하-속도 곡선을 왜곡해 1RM 추정치를 무너뜨리는 이유

영상으로 볼 땐 멀쩡했던 그 반복

지난봄 함께 훈련했던 한 선수는 자신의 스쿼트 1RM이 두 달째 165kg에서 정체됐다고 확신하고 있었다. 그의 부하-속도 프로파일도 그 생각에 동의하는 듯했다 — 세션마다 추정 최대치가 계속 163kg 언저리로 나왔으니까. 그러다 그는 대회에서 벨트 압박 없이, 그라인딩도 없이, 클린한 깊이로 172kg 싱글을 성공시켰다. 프로파일이 거의 5%나 틀렸던 것이다. 원인은 그의 훈련이 아니었다. 3주 전 훈련 파트너와 잡담하며 정신이 팔린 채 70% 부하에서 억지로 밀어붙인 반복 하나가, 그날 이후 계속 회귀선 안에 남아 있었던 것이다.

이것이 부하-속도 프로파일링 프로토콜을 처음 배울 때 아무도 경고해주지 않는 실패 유형이다. 다들 부하 선택, 워밍업 구성, 부하당 반복 수 이야기는 한다. 그런데 그 반복 중 하나가 실제로는 최대치가 아니었을 때 — 선수가 힘을 빼고 들어갔거나, 스티킹 포인트에서 머뭇거렸거나, 그 세트에서 단순히 집중이 안 돼 있었을 때 — 무슨 일이 벌어지는지는 거의 아무도 이야기하지 않는다. 그 반복에서 나온 속도 값 자체는 진짜다. 다만 그 값이 진짜 최대 동심성 의도로 수행된 반복들과 같은 데이터셋에 속해서는 안 되며, 둘을 섞으면 정밀해 보이지만 실제로는 조용히 틀린 추정치가 나온다.

그라인딩 반복이 회귀선에 실제로 하는 일

부하-속도 프로파일은 그래프에 찍힌 모든 점이 해당 부하에서 선수가 낼 수 있는 최대 동심성 속도를 나타낸다고 가정한다. 회귀선 — 그리고 최소 속도 역치(MVT) 지점의 x절편에서 뽑아내는 1RM 추정치 — 는 이 가정이 모든 점에서 성립할 때만 정확하다.

그라인딩 반복은 이 가정을 한쪽 방향으로만 깨뜨린다. 실제 부하보다 속도가 너무 느리게 나오는데, 이는 선수가 일찍 감속했거나, 특정 구간에서 의도치 않게 멈칫했거나, 단순히 동심성 국면 시작부터 완전한 의도로 밀어붙이지 않았기 때문이다. Sanchez-Medina와 Gonzalez-Badillo(2011)는 고정된 서브맥시멀 부하에서의 속도가 노력 수준에 극도로 민감하다는 것을 보여줬다 — 이들의 피로 프로토콜에서는 세트 내 속도 손실이 단 10%만 발생해도 이미 측정 가능한 신경근·대사적 변화를 반영한다는 것이 밝혀졌는데, 이는 센서가 잡아내는 것이 노이즈가 아니라 실제 생리학적 신호라는 뜻이다. 문제는 산만하거나 반쯤 마음이 딴 데 가 있는 반복이 피로와 똑같은 방식으로 속도를 억제시킨다는 점이며, 회귀 알고리즘은 이 둘을 구분할 방법이 없다. 그저 특정 부하에서 느린 반복을 하나 보고, 그것을 있는 그대로 사실로 취급할 뿐이다.

선형 회귀는 모든 점에 대한 오차 제곱합을 최소화하기 때문에, 중간 범위 부하(대부분의 프로파일링 지점이 몰려 있는 50~70% 1RM)에서 비정상적으로 느린 반복 하나가 전체 회귀선을 아래로 끌어당기고 기울기를 회전시킨다. x절편 — 즉 예측 1RM — 은 왼쪽으로 이동한다. 실제로는 5~6개 부하 지점 중 오염된 반복 하나만으로도 추정 1RM이 4~7% 어긋날 수 있는데, 150kg 스쿼트 기준으로 환산하면 프로파일을 참조하는 모든 세션에서 6~10.5kg의 처방 부하가 엉뚱한 자리에 놓이게 된다는 뜻이다.

의도와 속도에 관한 연구 결과

부하-속도 관련 문헌은 거의 전부 선수에게 "최대한 빠르게" 바벨을 움직이라고 명시적으로 지시하고, 이 지시가 명백히 지켜지지 않은 세트는 데이터에서 제외하는 프로토콜을 기반으로 구축되어 있다 — 이는 연구자들 스스로 의도 오염이 이론상의 위협이 아니라 실제로 발생하는 문제임을 알고 있었다는 방증이다.

Gonzalez-Badillo와 Sanchez-Medina(2010)는 엄격한 반복 포함 기준을 사용해 스쿼트의 기초적인 부하-속도 관계를 정립했다. 최대 의도 속도로 수행된 반복만 인구 규범을 만드는 데 사용된 데이터셋에 남겼고(의도가 통제됐을 때 부하-속도 관계는 r = 0.97~0.99), 프로토콜에는 실시간 속도 피드백이 요구됐다. 이는 선수가 반복을 대충 넘기지 않고 그 순간 스스로 교정할 수 있게 하기 위해서였는데, 바꿔 말하면 이런 피드백 루프가 없으면 노력 수준이 슬금슬금 떨어진다는 것을 암묵적으로 인정한 셈이다.

한편 Pareja-Blanco 등(2017)은 속도 손실 기반 자동조절(속도 손실 20%에서 세트 종료)을 고정 반복 훈련과 비교했고, 6주간의 스쿼트 메조사이클에서 속도 손실 그룹이 전체 볼륨을 약 40% 적게 소화하고도 동등한 근력 향상을 얻었다는 결과를 내놓았다. 이 결과는 속도 손실 컷오프 자체가 신뢰할 수 있다는 전제에 전적으로 의존한다 — 만약 세트 내 반복들의 의도가 일관되지 않았다면, 20% 역치는 잘못된 시점에 발동됐을 것이다. 부풀려진 피로 수치 때문에 세트를 너무 일찍 끝내버리거나, 반대로 세트 초반의 느리고 저의도 반복 하나가 비교 기준점 자체를 바꿔놓아 실제로 피로한 선수가 반복을 더 억지로 짜내게 만드는 식으로 말이다. 두 논문 모두 같은 결론으로 수렴한다 — 속도 데이터는 의도가 표준화됐을 때만 정보로서 가치를 가지며, 회귀 계산도 자동조절 컷오프도 의도가 표준화되지 않았을 때 이를 스스로 감지할 내장 메커니즘은 없다는 것이다.

포스 플레이트 없이 그라인딩 반복 찾아내기

실험실 장비가 없어도 대부분의 오염은 데이터셋에 들어가기 전에 잡아낼 수 있다. 신뢰도 순서대로 세 가지 신호를 짚어보자.

같은 부하 내 편차

프로파일링 세션에서 특정 부하에 대해 진짜 최대 의도로 수행한 2~3회 반복은 서로 약 0.03~0.05m/s 이내로 모여야 한다. 같은 부하의 다른 반복들보다 0.05m/s 이상 벗어나는 반복은 가장 신뢰할 수 있는 단일 경고 신호이며 — 실제로 원조 Gonzalez-Badillo 프로토콜이 제외 기준으로 사용한 정확한 역치이기도 하다. 느린 이상치를 좋은 반복들과 함께 평균 내지 말고, 버리고 최고의 두 번을 남겨라.

반복의 속도-시간 형태

최대 의도 반복은 바닥에서 강하게 가속해 나온 뒤 락아웃까지 속도를 유지하거나 완만하게 감속한다. 그라인딩 반복은 반복 중간에 눈에 띄는 속도 저하를 보인다 — 바벨이 스티킹 포인트에서 눈에 띄게 느려졌다가 다시 회복되는데, 하나의 연속된 감속 곡선을 따르지 않는다. 기기가 속도-시간 트레이스를 보여준다면, 진짜 1RM보다 훨씬 낮은 부하에서도 이 저하 형태는 명확하게 드러난다.

자기 보고 타이밍

반복 직후에 바로 물어보라, 세션이 끝난 뒤가 아니라. "방금 그거 첫 인치부터 완전한 노력이었어?" 지연된 자기 보고는 신뢰할 수 없다 — 사람들은 느린 반복을 나중에 가서 의도적이었다고 합리화하는 경향이 있다. 반면 즉시 물어보면 대부분의 선수는 힘을 빼고 들어갔거나, 산만했거나, 머뭇거린 반복을 솔직하게 인정한다. 특히 그것이 본인의 1RM 수치를 오염시키고 있다는 것을 이해하고 나면 더욱 그렇다.

• 같은 부하의 다른 반복보다 0.05m/s 이상 느린 반복은 평균에 넣지 말고 그냥 버려라.
• 최종 속도 값과 관계없이, 반복 중간에 눈에 띄는 속도 저하가 보이면 무조건 실격으로 처리하라 — 최종 수치보다 형태가 더 중요하다.
• 다른 세션의 반복으로 대체하지 말고 즉시 같은 부하를 재측정하라. 세션이 다르면 조건 차이가 너무 커서 이어 붙일 수 없다.

LV 프로파일링 세션의 데이터 클리닝 프로토콜

어떤 반복이 이상했는지에 대한 기억이 흐려지고 난 뒤 데이터셋을 사후에 정리하기보다, 진행하면서 실시간으로 반복을 걸러내는 습관을 들여라. 다음 순서를 지키면 5~6개 부하로 이루어진 프로파일도 첫 세션부터 신뢰할 수 있게 된다.

1. 세션 시작 시 한 번이 아니라 매 부하 전에 브리핑하라: "매 반복 최고 속도로"를 세션 맨 처음뿐 아니라 새 부하로 넘어갈 때마다 다시 상기시켜라. 네 번째, 다섯 번째 부하쯤 되면 집중력이 흐트러지는데, 바로 그 지점에서 중간 범위 오염이 가장 잘 생긴다.
2. 부하당 3회 수행하고 2회를 남겨라: 단 한 번의 반복만으로 프로파일링 지점을 만들지 마라. 3회를 수행하면 이상치 하나를 식별해 버리면서도 해당 부하에서 서로 일치하는 깨끗한 데이터 2개는 남길 수 있다.
3. 0.05m/s 편차 규칙을 실시간으로 확인하라: 기기가 반복별 속도를 실시간으로 보여준다면, 다음 부하로 넘어가기 전에 편차를 확인하라. 편차가 0.05m/s를 넘으면 그 반복 중 하나는 지금 다시 해야 한다 — 셋업과 워밍업 상태가 아직 동일할 때 바로, 나중에 기억에 의존해서 재구성하는 게 아니라.
4. 수치뿐 아니라 상황도 기록하라: 이상치를 설명할 수 있는 모든 것을 메모하라 — 놓친 큐, 세트 도중 훈련 파트너의 방해, 평소와 다른 발 위치 등. 이렇게 하면 미스터리한 이상치가 다음 달 재검사 때 조용히 데이터를 오염시키는 대신, 원인이 설명된 이상치가 된다.
5. 의심되는 이상치를 포함할 때와 뺐을 때 회귀를 각각 돌려보라: 특정 지점 하나를 제거했을 때 추정 1RM이 3% 이상 변한다면, 그 지점이 지나치게 큰 영향력을 행사하고 있었다는 뜻이다 — 진짜 생물학적 변동이 아니라 오염이었을 가능성이 높다는 강한 신호다. 더 깨끗한 회귀를 믿어라.
6. 최근 실제 1RM이 있다면 반드시 그것으로 검증하라: 정리한 프로파일이 그래도 최근 알려진 최대치와 5% 이상 어긋난다면, 프로파일이 괜찮고 그 최대치가 우연이었다고 넘기지 마라 — 아직 잡아내지 못한 오염원이 있다고 가정하라. 대부분은 부하는 서브맥시멀이면서 의도는 최대여야 하는, 그래서 그 상태를 유지하기가 가장 어려운 중간 범위 부하에서 발생한다.

PoinT GO 연동

PoinT GO의 800Hz IMU는 단일 평균 속도 수치가 아니라 모든 반복의 전체 속도-시간 트레이스를 포착하기 때문에, 반복 중간의 감속 저하가 평균화된 수치 안에 묻히지 않고 앱에서 직접 보이게 된다. 프로파일링 세션 중 특정 부하에서 예상되는 0.05m/s 편차 범위를 벗어나는 반복은 자동으로 표시되므로, 예측 1RM이 실제와 어긋나기 시작하는 몇 주 뒤에야 오염을 발견하는 대신 그 자리에서 바로 반복을 다시 수행할 수 있다. 앱은 또한 표시된 반복을 세션 메모와 함께 타임스탬프로 기록하므로, 같은 부하나 세션 내 같은 시점에서 반복적으로 나타나는 오염 패턴이 몇 주치 훈련 데이터에 걸쳐 눈에 보이게 된다. 함께 보기: 속도 데이터로 1RM 계산하는 방법 — 이 프로토콜이 지켜주는 회귀 수학의 근간이다.