バドミントンのパフォーマンス分析のための生体力学的データセット

このデータを使用して、プレイヤーのテクニックに関する個別のフィードバックと、改善の推奨事項が提供されます。 アスリートはいつでもどこでもこのフィードバックにアクセスできるため、これらのシステムはあらゆるレベルのアスリートにとって多用途です。

さて、雑誌に掲載された研究では 科学的データ 2024 年 4 月 5 日、韓国の光州科学技術大学 (GIST) のスンジュン キム准教授率いる研究者は、米国のマサチューセッツ工科大学 (MIT)、CSAIL の研究者と協力して、MultiSenseBadminton データセットを開発しました。 AIを活用したバドミントントレーニング。

「バドミントンはこれらのさまざまなセンサーから恩恵を受ける可能性がありますが、分析やトレーニングのフィードバックに使用できる包括的なバドミントン動作データセットが不足しています」と博士は言います。 候補者は研究の筆頭著者である Minwoo Seong 氏です。

2024 GIST-MIT プロジェクトの支援を受けたこの研究は、ウェアラブル センサーを使用して野菜の皮をむく、スライスする、瓶を開けるなどの日常のキッチン作業を追跡する MIT の ActionSense プロジェクトからインスピレーションを得ました。 Seong 氏は、MIT CSAIL ポスドク研究員の Joseph DelPreto 氏、MIT CSAIL 所長で MIT EECS 教授の Daniela Rus 氏、Wojciech Matusik 氏を含む MIT のチームと協力しました。 彼らは協力して、バドミントン選手の動きと生理学的反応をキャプチャする MultiSenseBadminton データセットを開発しました。 このデータセットは、プロのバドミントンコーチからの洞察をもとに形成されており、フォアハンドのクリアストロークとバックハンドドライブのストロークの質を高めることを目的としています。 このために研究者らは、さまざまなレベルのトレーニング経験を持つ 25 人のプレーヤーから 23 時間のスイング モーション データを収集しました。

研究では、センサーが選手の動きと反応を記録しながら、選手たちはフォアハンドのクリアショットとバックハンドのドライブショットを繰り返し実行するという課題を課された。 これらには、関節の動きを追跡する慣性測定装置 (IMU) センサー、筋肉の信号を監視する筋電図 (EMG) センサー、足の圧力を測定するインソール センサー、体の動きとシャトルコックの位置の両方を記録するカメラが含まれます。 合計 7,763 のデータ ポイントが収集され、ストロークの種類、プレーヤーのスキル レベル、シャトルコックの着地位置、プレーヤーに対するインパクトの位置、インパクト時の音に基づいて、各スイングが注意深くラベル付けされました。 次に、機械学習モデルを使用してデータセットが検証され、ストロークの質を評価してフィードバックを提供する AI モデルのトレーニングに適していることが確認されました。

「MultiSenseBadminton データセットは、ラケット スポーツ プレーヤー向けの AI ベースの教育およびトレーニング システムの構築に使用できます。さまざまなレベルのプレーヤー間の動きとセンサー データの差異を分析し、AI によって生成されたアクションの軌跡を作成することにより、このデータセットをパーソナライズされたスポーツに適用できます。」プレイヤーのレベルごとにモーションガイドを提供します」と Seong 氏は言います。

収集されたデータは、触覚振動または電気筋肉刺激を通じてトレーニングを強化し、より良い動作を促進し、スイング技術を洗練することができます。 さらに、MultiSenseBadminton データセットのようなプレーヤー追跡データは、仮想現実ゲームやトレーニング シミュレーションを促進し、スポーツ トレーニングをよりアクセスしやすく手頃な価格にし、人々の運動方法を変える可能性があります。

研究者らは、長期的には、このデータセットにより、より幅広い視聴者がスポーツ トレーニングをより利用しやすく、手頃な価格にし、全体的な幸福を促進し、より健康な国民を育成できる可能性があると推測しています。