MultiSenseBadminton数据集可用于为羽毛球运动员构建基于AI的教练助理

发布时间：2024-06-03 16:05:47 栏目：精选百科

导读 在体育训练中，练习是关键，但能够模仿专业运动员的技术可以将运动员的表现提升到一个新的水平。基于人工智能的个性化体育教练助理可以利用...

在体育训练中，练习是关键，但能够模仿专业运动员的技术可以将运动员的表现提升到一个新的水平。基于人工智能的个性化体育教练助理可以利用已发布的数据集实现这一点。通过在运动员身上战略性地放置摄像头和传感器，这些系统可以跟踪一切，包括关节运动模式、肌肉激活水平和目光运动。



利用这些数据，可以针对球员的技术提供个性化反馈以及改进建议。运动员可以随时随地访问这些反馈，这使得这些系统适用于所有级别的运动员。

现在，在2024 年 4 月 5 日发表在《科学数据》杂志上的一项研究中，由韩国光州科学技术学院(GIST)副教授 SeungJun Kim 领导的研究人员与美国麻省理工学院(MIT)CSAIL 的研究人员合作开发了一个用于 AI 驱动的羽毛球训练的 MultiSenseBadminton 数据集。

“羽毛球运动可以从这些不同的传感器中受益，但缺乏全面的羽毛球动作数据集来进行分析和训练反馈，”该研究的第一作者、博士生 Minwoo Seong 说。

这项研究得到了 2024 GIST-MIT 项目的支持，灵感来自麻省理工学院的 ActionSense 项目，该项目使用可穿戴传感器跟踪日常厨房任务，例如削皮、切蔬菜和开罐。Seong 与麻省理工学院的团队合作，其中包括麻省理工学院 CSAIL 博士后研究员 Joseph DelPreto 和麻省理工学院 CSAIL 主任兼麻省理工学院 EECS 教授 Daniela Rus 和 Wojciech Matusik。他们共同开发了 MultiSenseBadminton 数据集，捕捉羽毛球运动员的动作和生理反应。该数据集由专业羽毛球教练的见解形成，旨在提高正手清球和反手击球的质量。为此，研究人员从 25 名训练经验水平各异的球员那里收集了 23 小时的挥杆动作数据。

在研究期间，球员需要反复进行正手高远球和反手抽球，同时传感器记录他们的动作和反应。这些传感器包括用于跟踪关节运动的惯性测量单元 (IMU) 传感器、用于监测肌肉信号的肌电图 (EMG) 传感器、用于足部压力的鞋垫传感器以及用于记录身体运动和羽毛球位置的摄像头。总共收集了 7,763 个数据点，根据击球类型、球员的技能水平、羽毛球落地位置、相对于球员的撞击位置以及撞击时的声音对每次挥杆进行细致标记。然后使用机器学习模型验证数据集，确保其适合训练 AI 模型来评估击球质量并提供反馈。

Seong 表示：“MultiSenseBadminton 数据集可用于为球拍运动选手构建基于 AI 的教育和训练系统。通过分析不同水平的选手在动作和传感器数据方面的差异并创建 AI 生成的动作轨迹，该数据集可应用于针对每个水平的选手的个性化动作指导。 ”

收集的数据可通过触觉振动或电刺激肌肉来增强训练效果，促进更好的动作并改进挥杆技巧。此外，球员跟踪数据(如 MultiSenseBadminton 数据集中的数据)可以推动虚拟现实游戏或训练模拟的发展，使体育训练更加便捷且经济实惠，并有可能改变人们的锻炼方式。

从长远来看，研究人员推测，该数据集可以让更广泛的受众更容易获得和负担得起体育训练，促进整体健康，并培养更健康的人口。