Les chercheurs développent un ensemble de données biomécaniques pour l’analyse des performances au badminton

Dans l'entraînement sportif, la pratique est la clé, mais être capable d'imiter les techniques d'athlètes professionnels peut faire passer la performance d'un joueur à un niveau supérieur. Les assistants de coaching sportif personnalisés basés sur l'IA peuvent faire de cela une réalité en utilisant des ensembles de données publiés. Grâce à des caméras et des capteurs stratégiquement placés sur le corps de l'athlète, ces systèmes peuvent tout suivre, y compris les mouvements des articulations, les niveaux d'activation musculaire et les mouvements du regard.

Grâce à ces données, des commentaires personnalisés sont fournis sur la technique du joueur, ainsi que des recommandations d'amélioration. Les athlètes peuvent accéder à ces commentaires à tout moment et en tout lieu, ce qui rend ces systèmes polyvalents pour les athlètes de tous niveaux.

Dans une étude publiée dans la revue Données scientifiques le 5 avril 2024, des chercheurs dirigés par le professeur agrégé SeungJun Kim du Gwangju Institute of Science and Technology (GIST), Corée du Sud, en collaboration avec des chercheurs du Massachusetts Institute of Technology (MIT), CSAIL, États-Unis, ont développé un ensemble de données MultiSenseBadminton pour l'entraînement de badminton basé sur l'IA.

« Le badminton pourrait bénéficier de ces différents capteurs, mais il existe une pénurie d'ensembles de données complets sur les actions du badminton pour l'analyse et le retour d'information sur l'entraînement », explique le docteur. candidat Minwoo Seong, le premier auteur de l’étude.

L'étude s'est inspirée du projet ActionSense du MIT, qui utilisait des capteurs portables pour suivre les tâches quotidiennes en cuisine telles que peler, trancher des légumes et ouvrir des bocaux. Seong a collaboré avec l'équipe du MIT, notamment Joseph DelPreto, chercheur postdoctoral au MIT CSAIL, ainsi que le directeur du MIT CSAIL et le professeur Daniela Rus et Wojciech Matusik du MIT EECS. Ensemble, ils ont développé l'ensemble de données MultiSenseBadminton, capturant les mouvements et les réponses physiologiques des joueurs de badminton.

Cet ensemble de données, élaboré à partir des informations fournies par des entraîneurs professionnels de badminton, vise à améliorer la qualité des coups droits clairs et des coups de revers. Pour cela, les chercheurs ont collecté 23 heures de données sur les mouvements de swing de 25 joueurs ayant différents niveaux d’expérience en entraînement.

Au cours de l’étude, les joueurs ont été chargés d’exécuter à plusieurs reprises des coups droits clairs et des coups de revers pendant que des capteurs enregistraient leurs mouvements et leurs réponses. Ceux-ci comprenaient des capteurs d'unités de mesure inertielle (IMU) pour suivre les mouvements des articulations, des capteurs d'électromyographie (EMG) pour surveiller les signaux musculaires, des capteurs de semelle intérieure pour la pression du pied et une caméra pour enregistrer les mouvements du corps et les positions du volant.

Avec un total de 7 763 points de données collectés, chaque swing a été méticuleusement étiqueté en fonction du type de coup, du niveau de compétence du joueur, de la position d'atterrissage du volant, de l'emplacement de l'impact par rapport au joueur et du son lors de l'impact. L'ensemble de données a ensuite été validé à l'aide d'un modèle d'apprentissage automatique, garantissant ainsi son adéquation à la formation de modèles d'IA pour évaluer la qualité des accidents vasculaires cérébraux et offrir un retour d'information.

« L'ensemble de données MultiSenseBadminton peut être utilisé pour créer des systèmes d'éducation et de formation basés sur l'IA pour les joueurs de sports de raquette. En analysant les disparités dans les données de mouvement et de capteurs entre différents niveaux de joueurs et en créant des trajectoires d'action générées par l'IA, l'ensemble de données peut être appliqué à des projets personnalisés. des guides de mouvement pour chaque niveau de joueur », explique Seong.

Les données recueillies peuvent améliorer l’entraînement grâce aux vibrations haptiques ou à la stimulation musculaire électrique, favorisant ainsi un meilleur mouvement et affinant les techniques de swing. De plus, les données de suivi des joueurs, comme celles de l'ensemble de données MultiSenseBadminton, pourraient alimenter les jeux de réalité virtuelle ou les simulations d'entraînement, rendant l'entraînement sportif plus accessible et abordable, transformant potentiellement la façon dont les gens s'entraînent.