Los investigadores desarrollan un conjunto de datos biomecánicos para el análisis del rendimiento del bádminton

En el entrenamiento deportivo, la práctica es la clave, pero ser capaz de emular las técnicas de los atletas profesionales puede llevar el rendimiento de un jugador al siguiente nivel. Los asistentes de entrenamiento deportivo personalizados basados ​​en inteligencia artificial pueden hacer esto realidad utilizando conjuntos de datos publicados. Con cámaras y sensores estratégicamente colocados en el cuerpo del atleta, estos sistemas pueden rastrear todo, incluidos los patrones de movimiento de las articulaciones, los niveles de activación muscular y los movimientos de la mirada.

Utilizando estos datos, se proporciona retroalimentación personalizada sobre la técnica del jugador, junto con recomendaciones de mejora. Los atletas pueden acceder a esta información en cualquier momento y en cualquier lugar, lo que hace que estos sistemas sean versátiles para atletas de todos los niveles.

En un estudio publicado en la revista Datos científicos El 5 de abril de 2024, investigadores dirigidos por el profesor asociado SeungJun Kim del Instituto de Ciencia y Tecnología de Gwangju (GIST), Corea del Sur, en colaboración con investigadores del Instituto de Tecnología de Massachusetts (MIT), CSAIL, EE. UU., desarrollaron un conjunto de datos MultiSenseBadminton. para el entrenamiento de bádminton impulsado por IA.

«El bádminton podría beneficiarse de estos diversos sensores, pero hay una escasez de conjuntos de datos completos sobre la acción del bádminton para el análisis y la retroalimentación del entrenamiento», dice Ph.D. candidato Minwoo Seong, primer autor del estudio.

El estudio se inspiró en el proyecto ActionSense del MIT, que utilizó sensores portátiles para rastrear las tareas cotidianas de la cocina, como pelar, cortar verduras y abrir frascos. Seong colaboró ​​con el equipo del MIT, incluido el investigador postdoctoral del MIT CSAIL Joseph DelPreto y la directora del MIT CSAIL y profesora del MIT EECS Daniela Rus y Wojciech Matusik. Juntos, desarrollaron el conjunto de datos MultiSenseBadminton, que captura los movimientos y las respuestas fisiológicas de los jugadores de bádminton.

Este conjunto de datos, elaborado a partir de conocimientos de entrenadores profesionales de bádminton, tiene como objetivo mejorar la calidad de los golpes de derecha claros y de revés. Para ello, los investigadores recopilaron 23 horas de datos del movimiento del swing de 25 jugadores con distintos niveles de experiencia en entrenamiento.

Durante el estudio, a los jugadores se les asignó la tarea de ejecutar repetidamente golpes de derecha claros y de revés mientras los sensores registraban sus movimientos y respuestas. Estos incluían sensores de unidades de medición inercial (IMU) para rastrear los movimientos de las articulaciones, sensores de electromiografía (EMG) para monitorear las señales musculares, sensores de plantillas para la presión del pie y una cámara para registrar tanto los movimientos del cuerpo como las posiciones del volante.

Con un total de 7,763 puntos de datos recopilados, cada swing fue etiquetado meticulosamente según el tipo de golpe, el nivel de habilidad del jugador, la posición de aterrizaje del volante, la ubicación del impacto en relación con el jugador y el sonido al impactar. Luego, el conjunto de datos se validó mediante un modelo de aprendizaje automático, lo que garantizó su idoneidad para entrenar modelos de IA para evaluar la calidad del accidente cerebrovascular y ofrecer comentarios.

«El conjunto de datos MultiSenseBadminton se puede utilizar para construir sistemas de educación y entrenamiento basados ​​en IA para jugadores de deportes de raqueta. Al analizar las disparidades en los datos de movimiento y sensores entre diferentes niveles de jugadores y crear trayectorias de acción generadas por IA, el conjunto de datos se puede aplicar a resultados personalizados. guías de movimiento para cada nivel de jugadores», dice Seong.

Los datos recopilados pueden mejorar el entrenamiento mediante vibración háptica o estimulación muscular eléctrica, promoviendo un mejor movimiento y refinando las técnicas de swing. Además, los datos de seguimiento de jugadores, como los del conjunto de datos MultiSenseBadminton, podrían impulsar juegos de realidad virtual o simulaciones de entrenamiento, haciendo que el entrenamiento deportivo sea más accesible y asequible, transformando potencialmente la forma en que las personas hacen ejercicio.