3D運(yùn)動(dòng)員跟蹤技術(shù)在職業(yè)運(yùn)動(dòng)的應(yīng)用

EXOS公司將利用英特爾公司的“3D運(yùn)動(dòng)員追蹤(3D Athlete Tracking， 3DAT)”技術(shù)，促進(jìn)職業(yè)選手的表現(xiàn)。

新動(dòng)向：人類運(yùn)動(dòng)能力開發(fā)領(lǐng)域的企業(yè)EXOS正在利用英特爾公司的“3D運(yùn)動(dòng)員追蹤(3D Athlete Tracking， 3DAT)”技術(shù)，培養(yǎng)職業(yè)運(yùn)動(dòng)員的運(yùn)動(dòng)能力。隨著職業(yè)生涯的臨近，這些運(yùn)動(dòng)員試圖利用3DAT技術(shù)，利用人工智能(AI)獲得關(guān)于他們短跑時(shí)的速度、加速度和生物力學(xué)的可操作的見解，將他們的比賽提升到下一個(gè)水平。

通過英特爾公司的3DAT技術(shù)，可以看到以前用肉眼無法測(cè)量的指標(biāo)。我們能夠獲取這些信息，將其綜合起來，為我們的教練和運(yùn)動(dòng)員提供有形的信息。當(dāng)最微小的調(diào)整能夠?yàn)槲覀兊倪\(yùn)動(dòng)員帶來真正的、有影響力的結(jié)果時(shí)，這是一個(gè)改變游戲規(guī)則的事情。

為何這么重要？3DAT將相關(guān)重要數(shù)據(jù)讓教練與運(yùn)動(dòng)員的訓(xùn)練水平變得直觀。以往的訓(xùn)練往往使得，這些數(shù)據(jù)要么是不存在，要么是很難獲得。通過簡(jiǎn)單的視頻提供精確的骨骼分析和性能指標(biāo)，運(yùn)動(dòng)員、教練和相關(guān)技術(shù)人員，能夠直觀的看見現(xiàn)在的身體各個(gè)部位都是如何工作的，以及如何讓它表現(xiàn)得更好。

兩屆奧運(yùn)會(huì)十項(xiàng)全能金牌得主、英特爾奧林匹克技術(shù)集團(tuán)產(chǎn)品開發(fā)工程師艾什頓·伊頓表示：“在體育和運(yùn)動(dòng)領(lǐng)域，人們?cè)谶\(yùn)動(dòng)時(shí)的感覺和他們實(shí)際肌肉及骨骼作用之間存在巨大的差距?！?在100米跑的時(shí)候，雖然會(huì)和教練一起進(jìn)行調(diào)整，但只能憑感覺。有時(shí)有用，有時(shí)沒用，因?yàn)橥耆恢郎眢w各個(gè)部分的組織到底在做什么。但3DAT可以讓運(yùn)動(dòng)員準(zhǔn)確地了解他們的身體在運(yùn)動(dòng)時(shí)的狀態(tài)，這樣他們就可以精確地定位在哪里進(jìn)行調(diào)整，以變得更快或更好。

原理：3DAT技術(shù)讓運(yùn)動(dòng)員更加放松。它利用攝像機(jī)拍攝運(yùn)動(dòng)員進(jìn)行訓(xùn)練時(shí)的情況，這樣他們就不會(huì)因佩戴傳感器或偏離常規(guī)訓(xùn)練計(jì)劃而感到負(fù)擔(dān)。該系統(tǒng)將視頻數(shù)據(jù)以每秒60幀的速度發(fā)送到云端，在英特爾Xeon Scalable處理器上進(jìn)行分析，該處理器具有內(nèi)置的英特爾深度學(xué)習(xí)Boost人工智能加速能力。然后，教練會(huì)收到報(bào)告和圖表，提供運(yùn)動(dòng)員課程的詳細(xì)概述。教練可以更深入地講解身體力學(xué)或問題點(diǎn)，以便更好地理解他們可以實(shí)施哪些小的調(diào)整，以幫助運(yùn)動(dòng)員充分發(fā)揮他們的運(yùn)動(dòng)潛力。

3DAT給了我們信息和洞察力，不僅僅是關(guān)于人們?nèi)绾闻懿胶腿绾胃倪M(jìn)的技術(shù)，還包括出現(xiàn)什么情況下會(huì)阻礙他們。EXOS性能創(chuàng)新團(tuán)隊(duì)高級(jí)副總裁Craig Friedman說：“這些數(shù)據(jù)使我們能夠在負(fù)重室進(jìn)行調(diào)整，以幫助運(yùn)動(dòng)員在現(xiàn)場(chǎng)更好的發(fā)揮潛能?！?/p>

DeepMind，位于英國(guó)倫敦，是由人工智能程序師兼神經(jīng)科學(xué)家戴密斯·哈薩比斯(Demis Hassabis)等人聯(lián)合創(chuàng)立，是前沿的人工智能企業(yè)，其將機(jī)器學(xué)習(xí)和系統(tǒng)神經(jīng)科學(xué)的先進(jìn)技術(shù)結(jié)合起來，建立強(qiáng)大的通用學(xué)習(xí)算法。人工智能運(yùn)用到體育運(yùn)動(dòng)是近些年許多專業(yè)運(yùn)動(dòng)科研人員注重的事情，創(chuàng)造測(cè)試環(huán)境來幫助人工智能研究走出實(shí)驗(yàn)室進(jìn)入現(xiàn)實(shí)世界是非常具有挑戰(zhàn)性的。體育運(yùn)動(dòng)與人工智能的結(jié)合，它為研究人員提供了一個(gè)試驗(yàn)臺(tái)，在這個(gè)試驗(yàn)臺(tái)中，一個(gè)由人工智能支持的系統(tǒng)可以幫助人類在一個(gè)有數(shù)十個(gè)動(dòng)態(tài)、互動(dòng)的個(gè)體的多智能體環(huán)境中做出復(fù)雜的實(shí)時(shí)決策。

體育數(shù)據(jù)收集的快速增長(zhǎng)意味著我們正處于一個(gè)非常重要的體育分析時(shí)代。體育數(shù)據(jù)的可用性在數(shù)量和粒度上都在增加，從總的高級(jí)別統(tǒng)計(jì)數(shù)據(jù)和賽博度量數(shù)據(jù)過渡到更精細(xì)的數(shù)據(jù)，如事件流信息(如帶注釋的傳球或射門)、主力球員位置信息和身體傳感器。然而，體育分析領(lǐng)域直到最近才開始利用機(jī)器學(xué)習(xí)和人工智能來理解和建議體育領(lǐng)域的決策者。足球是研究人工智能研究的一個(gè)有用的縮影，它以自動(dòng)視頻助理教練(AVAC)系統(tǒng)的形式為體育運(yùn)動(dòng)的決策者提供了一種新的方式。

足球— 對(duì)人工智能來說是個(gè)有趣的機(jī)會(huì)

與其他運(yùn)動(dòng)相比，足球開始系統(tǒng)地收集大量數(shù)據(jù)用于科學(xué)分析目的，旨在提高球隊(duì)水平，這一過程相當(dāng)晚。這有幾個(gè)原因，最突出的原因是，與其他運(yùn)動(dòng)(大型戶外場(chǎng)地，動(dòng)態(tài)游戲等)相比，游戲的可控設(shè)置要少得多，這也是主要依靠在職業(yè)足球領(lǐng)域有記錄和經(jīng)驗(yàn)的專家。足球分析帶來的挑戰(zhàn)非常適合各種各樣的AI技術(shù)，它們來自3個(gè)領(lǐng)域的交叉：計(jì)算機(jī)視覺、統(tǒng)計(jì)學(xué)習(xí)和博弈論。雖然這些領(lǐng)域單獨(dú)對(duì)足球分析有用，但當(dāng)結(jié)合起來時(shí)，它們的優(yōu)勢(shì)變得特別明顯：球員需要在其他球員(合作性和對(duì)抗性)在場(chǎng)的情況下進(jìn)行連續(xù)決策，因此，博弈理論(互動(dòng)決策理論)變得高度相關(guān)。此外，針對(duì)特定比賽情境的戰(zhàn)術(shù)解決方案可以根據(jù)特定球員的表現(xiàn)來學(xué)習(xí)，這使得統(tǒng)計(jì)學(xué)習(xí)成為一個(gè)高度相關(guān)的領(lǐng)域。最后，球員可以被跟蹤，比賽場(chǎng)景可以從廣泛使用的圖像和視頻輸入中自動(dòng)識(shí)別。

DeepMind設(shè)想的AVAC系統(tǒng)位于由這三個(gè)研究領(lǐng)域交叉形成的微觀世界中。不僅為未來幾年可以解決的科學(xué)和工程問題制定了路線圖，但也提出了新的原始結(jié)果的十字路口，博弈論分析，統(tǒng)計(jì)學(xué)習(xí)和計(jì)算機(jī)視覺，以說明這一激動(dòng)人心的領(lǐng)域?yàn)樽闱蛱峁┝耸裁础?/p>

人工智能如何幫助足球？

博弈論在體育研究中起著重要的作用，為運(yùn)動(dòng)員的行為策略奠定了理論基礎(chǔ)。以足球?yàn)槔脑S多場(chǎng)景實(shí)際上可以被建模為零和游戲，自博弈論誕生以來，這方面的研究已經(jīng)廣泛展開。例如，將罰點(diǎn)球情境建模為兩名球員的非對(duì)抗性，其中罰球者的策略可以被分為左、中或右射門。為了研究這一問題，利用球員矢量(Player Vectors)對(duì)點(diǎn)球場(chǎng)景進(jìn)行了博弈論分析，總結(jié)了足球運(yùn)動(dòng)員個(gè)人的踢球風(fēng)格。有了這樣的個(gè)體球員表征，就可以將具有相似比賽風(fēng)格的踢球者分組，然后在小組水平上進(jìn)行比賽理論分析。結(jié)果表明，不同小組所確定的射門策略在統(tǒng)計(jì)學(xué)上是不同的。例如，發(fā)現(xiàn)一組人更傾向于射球門的左角，而另一組人傾向于射球門的左角和右角。這樣的洞察力可以幫助守門員在面對(duì)不同類型的球員時(shí)多樣化他們的防守策略。基于這個(gè)游戲理論的觀點(diǎn)，可以通過分析足球的持續(xù)性來考慮它的暫時(shí)性延長(zhǎng)的比賽形式，利用它來建議單個(gè)球員的戰(zhàn)術(shù)，甚至進(jìn)一步優(yōu)化整個(gè)球隊(duì)的戰(zhàn)略。

在統(tǒng)計(jì)學(xué)習(xí)方面，表征學(xué)習(xí)還沒有在體育分析中得到充分利用，這將使個(gè)人球員和足球隊(duì)的行為信息總結(jié)成為可能。此外，認(rèn)為博弈論和統(tǒng)計(jì)學(xué)習(xí)之間的相互作用將促進(jìn)體育分析的進(jìn)一步發(fā)展。例如，在上面的點(diǎn)球大戰(zhàn)場(chǎng)景中，使用特定球員的統(tǒng)計(jì)數(shù)據(jù)(向量)來增強(qiáng)分析，可以更深入地了解不同類型的球員在點(diǎn)球大戰(zhàn)場(chǎng)景中的行為或決策。另一個(gè)例子是“ghosting”(指在體育分析中，球員應(yīng)該如何在事后行動(dòng)的特定數(shù)據(jù)驅(qū)動(dòng)分析)。鬼影模型為給定的比賽提供了可供選擇的球員軌跡，例如，基于聯(lián)盟平均水平或選定的球隊(duì)。預(yù)測(cè)的軌跡通常被可視化為覆蓋在原始比賽上的半透明層，因此出現(xiàn)了術(shù)語(yǔ)“鬼影”。生成軌跡預(yù)測(cè)模型允許通過分析游戲的關(guān)鍵情況以及它們可能發(fā)生的不同情況來獲得洞察力。這些模型還具有預(yù)測(cè)戰(zhàn)術(shù)變化的潛力，關(guān)鍵球員的受傷，或本隊(duì)表現(xiàn)的換人，以及對(duì)手對(duì)這種變化的反應(yīng)。

最后，認(rèn)為計(jì)算機(jī)視覺是最具前景的途徑之一，以推進(jìn)最先進(jìn)的體育分析研究的邊界。通過純粹從視頻中檢測(cè)事件，這是計(jì)算機(jī)視覺社區(qū)已經(jīng)深入研究的一個(gè)主題(例如，參見下面的調(diào)查和我們的論文以獲取額外參考)，其潛在的應(yīng)用范圍是巨大的。通過將事件與特定的幀相關(guān)聯(lián)，視頻變得可搜索并且越來越有用(例如，自動(dòng)高亮生成成為可能)。反過來，足球視頻為計(jì)算機(jī)視覺提供了一個(gè)有趣的應(yīng)用領(lǐng)域。大量的足球視頻滿足了現(xiàn)代人工智能技術(shù)的前提條件。雖然每個(gè)足球視頻都是不同的，但設(shè)置并沒有太大的差異，這使得該任務(wù)非常適合銳化人工智能算法。第三方提供商也可以提供手工標(biāo)記的事件數(shù)據(jù)，這些數(shù)據(jù)在訓(xùn)練視頻模型中很有用，而且生成這些數(shù)據(jù)很耗時(shí)，因此監(jiān)督和非監(jiān)督算法都可以用于足球事件檢測(cè)。

先進(jìn)的AI技術(shù)在足球上的應(yīng)用有可能在球員、決策者、球迷和廣播公司等多個(gè)方面徹底改變足球運(yùn)動(dòng)。如此重要的進(jìn)步也將作為他們還承擔(dān)潛在的進(jìn)一步平民化運(yùn)動(dòng)本身(例如，而不是依靠專家，或某種技術(shù)，如計(jì)算機(jī)視覺從弱勢(shì)地區(qū)量化各項(xiàng)技能的球員，那些從低級(jí)別聯(lián)賽，等等)。DeepMind相信，足球微觀世界所提供的日益先進(jìn)的人工智能技術(shù)的發(fā)展可能會(huì)適用于更廣泛的領(lǐng)域。