论坛专区
在线教育
 

羽生结弦利用人工智能技术指导自己冲击4A跳

放大字体  缩小字体 发布日期:2022-02-17  来源:阿仪网  作者:Ma Liang  浏览次数:199
     导读:2月10日,在北京冬奥会花样滑冰男子单人自由滑中,日本选手羽生结弦如约挑战公认难度最高的花滑动作4A(阿克塞尔4周跳),结果落地时摔倒,获得188.06分名列自由滑第三。
    最终,羽生结弦以283.21分的总成绩排名第四,无缘登上领奖台。
    “阿克塞尔跳”是花滑中难度与基础分值最高的一项跳跃动作,“阿克塞尔四周跳”也称4A,目前还没有人能够在正式比赛中完成这一动作。4A意味着选手起跳后需要完成四周半的空中旋转动作,用羽生结弦的话来说,相当于跳远6米的同时再旋转1620度。
    选手在进行跳跃动作时好似一只高速旋转的陀螺,作为普通观众来说,动作完成度如何,可谓是肉眼难辨。但在赛后,各界议论最多的并不是羽生结弦卫冕失败,而是他坚持不懈挑战4A的勇气与决心。
    除了在冰面上不懈努力外,作为早稻田的大学生,羽生结弦在2020年毕业时的论文是《无线惯性传感器动作捕捉系统在花样滑冰运动中的可行性研究》,旨在通过人工智能技术,助力自己对跳跃动作的进一步理解。
    在阐述自己的毕业论文的意义时,羽生结弦说:“在花样滑冰中动作捕捉技术的应用范围能有多广,未来又有怎样的发展前景,我的论文主要写了这些内容。”
    基于3D动作捕捉技术的陆地跳跃研究,羽生结弦自己戴上动作捕捉器,并通过亲自在陆地上跳跃的方式完成了研究3周半跳,也就是3A,将这个跳跃动作数字化。羽生结弦希望自己的研究能在提高选手技术、开发AI打分等方面,为花滑运动的发展做出贡献。
    在早前举行的北京冬奥会测试赛中,AI(人工智能)裁判也得到了一定程度的利用。在自由式滑雪、花样滑冰等技巧性项目中,AI评分系统通过捕捉、记录运动动作,根据基础标准进行评分。
    基于数字化和3D技术的AI裁判,可以克服高度、光线等复杂因素,捕捉在运动员的细微动作,通过回放和分解动作,还可以在赛前为运动员提供定制方案。
    花滑比赛传统评分机制分为评分组和裁判组,首先是技术组通过现场录像判别选手动作的加减分项,然后给到裁判组做最终打分。
    今年一月,中国花样滑冰协会与中关村数智人工智能产业联盟联合发布自研“花样滑冰AI辅助评分系统1.0”。
    据了解,这套系统采用计算机视觉技术算法与深度学习方法,可以对运动员的整体运动轨迹进行实时追踪,根据专业评分标准,对视频数据的人体骨骼、形体动作进行捕捉识别,实现稳定性可视化的比赛评判。
    中关村数智人工智能产业联盟与数动达观科研团队在进行1.0版本开发时,还没有大量的花样滑冰数据集可供AI学习使用,团队花费大量的时间学习了几百条视频,进行了成千上万条的数据标注。
    滑冰在所有运动中复杂度排在前三位,如果AI技术可以成熟地应用在评分环节,那么此后将逐步应用到跳水、体操、花样游泳等多项运动中。
    目前,花样滑冰AI辅助评分系统2.0”正在开发中,由AI企业第四范式提供人工智能算法及平台,将引入一项关键技术——3D动作捕捉技术。
    随着虚拟现实产业向前发展,在元宇宙概念的带动下,3D动作捕捉技术已经广泛应用于娱乐、影视、动画、游戏等领域中。
    众所熟知的电影《阿凡达》就是全程运用动作捕捉技术来实现的,动作捕捉技术在电影中的完美结合,具有里程碑式的意义。
    其他运用动作捕捉技术拍摄的著名电影角色还有《猩球崛起》中的猩猩之王凯撒,以及动画《指环王》系列中的古鲁姆,都为动作捕捉大师安迪·瑟金斯饰演。
    在体育赛事领域,3D动作捕捉可以克服高度、光线等复杂因素,捕捉运动员的细微动作,通过回放和分解动作,帮助裁判对动作细节进行判别,还可以在赛前为运动员提供定制方案。
    随着AI、虚拟现实技术不断演讲,两项技术融合应用遍地开花,在科技冬奥理念引导下,AI与虚拟现实通过在体育领域的实践,将会得到更多公众的认知度和认可度,进一步升级发展。
 
关键词: 人工智能
本网转载并注明自其它来源的作品,目的在于传递更多信息,并不代表本网赞同其观点或证实其内容的真实性,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时,必须保留本网注明的作品来源,并自负版权等法律责任。 如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。
 
 
[ 资讯搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 
0条 [查看全部]  相关评论

 
展会
微信公众号
qq群
 
工控网 | 工控文库 | 工控视频 | 工控软件 | 在线教育 | 用户使用指南 | 关于我们 | 联系方式 | 使用协议 | 版权隐私 | 网站地图 |手机版 | 广告服务

本网站所有文档及文件资料,除特别标明本站原创外,均来自互联网及网友上传,如有涉及版权问题,请联系我们,我们将第一时间处理。
我们保留版权,任何涉嫌侵犯本站版权的行为,本站保留追究其法律责任的权利。

Copyright © 2018-2020 www.gkwo.net  滨州新大新机电科技有限公司 版权所有 鲁ICP备11011731号-4