2019 Fiscal Year Research-status Report
A development of AI-based tailor-made system to evaluate and improve sport skills
| Project/Area Number |
19K22807
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
七五三木 聡 大阪大学, 全学教育推進機構, 教授 (20271033)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
荻野 正樹 関西大学, 総合情報学部, 教授 (00397639)
青山 千紗 大阪大学, 医学系研究科, 助教 (80823939)
|
|---|
| Project Period (FY) |
2019-06-28 – 2022-03-31
|
| Keywords | 運動技能 / 身体知 / AI |
|---|
| Outline of Annual Research Achievements |
卓球スキルを研究モデルとして選び、“主観的な認識・評価装置である人（指導者）”に一切依存せず、“アスリート毎にスキル計測と計測結果の分析、分析結果に基づく弱点やくせの検出、それらを修正するための練習・訓練メニューの提供と効果の検証”までの全プロセスをAIが行う“テーラーメイド型指導者フリー・運動スキル計測・改善システム”を開発し、その効果を検証することが本研究の目的である。
初年度の一つ目の目標は、3つのローターと２つのルーバーによって任意の回転・軌道方向のボールを自在に射出できる“ボール射出ロボット”と、ロボットにより射出されたボールやアスリートにより返球されたボールをトラッキングし、その軌道をリアルタイムで計測・保存・解析するシステムを組み合わせた“運動スキル計測システム”を開発することであり、これを予定通り終了させた。
二つ目の目標はトラッキングしたボール軌道の時系列データからボールの移動方向や球種（上回転・下回転・横回転）などを自動判別する方法の開発であり、「教師有り学習」の手法の一つである決定木を用いて検討した。決定木の勾配ブースティングのフレームワークであるLightGBMは学習が早く、大規模データにも適しており、メモリ効率もよい。そこでLightGBMを使って自動的判別器（学習器）を生成して球種の判別の精度を検証したところ、3つの球種（上回転・下回転・横回転）と3つの射出方向の組み合わせによって得られる合計9種類のボール判定正解率は90.98％であった。そのためディープ学習ではない学習モデルであってもボールの球種判定は可能であることが明らかになった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
昨年度の目標として、大きく二つのテーマを設定した。一つは、3つのローターと２つのルーバーによって任意の回転・軌道方向のボールを自在に射出できる“ボール射出ロボット”と、ロボットにより射出されたボールやアスリートにより返球されたボールをトラッキングし、その軌道をリアルタイムで計測・保存・解析するシステムを組み合わせた“運動スキル計測システム”を開発することであり、これを予定通りに進展させ終了させることができた。しかし、アスリートのプレースタイルや個性によってスキル計測時に射出すべき球種などを変更する必要があり、ボールの球種や軌道の条件などソフト面（計測プログラム）についての検討は残されている。
二つ目の目標はトラッキングしたボール軌道の時系列データからボールの移動方向や球種（上回転・下回転・横回転）などを自動判別する方法の開発であり、「教師有り学習」の手法の一つである決定木を用いて検討し、予定通り、球種判別学習器を開発することができた。
そのため研究の進捗としては、おおむね順調に進展していると言える。
|
| Strategy for Future Research Activity |
ボール射出ロボットが射出したボールの球種判別への目途が立ったため、2020年度は、「どのような球種（軌道と回転）が苦手なのか」をアスリートごとに判別するための学習器（苦手ボール判別器）の生成を目指す。主成分分析などにより、ボール軌道の時系列データを次元削減することで、軌道情報から新しい特徴量をつくり、2019年度に検討した決定木の手法を用いて、苦手ボール判別器の検討を行う。
そのためには、運動スキル計測システムをアスリートに適用して、大量のボール軌道情報を取得する必要があるが、現在の新型コロナ感染拡大問題の影響により、実際にどの程度実測実験を実施できるかが不透明である。もし、実測実験が困難になった場合は、2019年度に取得したボール軌道情報を様々な手法を用いて詳細に解析して“新しい特徴量”の候補を検討する。
|
| Causes of Carryover |
トラッキングしたボール軌道の時系列データから“ボールの移動方向や球種（上回転・下回転・横回転）など”を自動判別する学習器を生成するにあたり、当初はハイスペックな機械学習用PCを複数台用いてディープ学習をベースとした学習器の生成を想定していた。しかし、メモリ効率のよい決定木をその代替案として用いることで、2019年度の目標をある程度達成することができたため、PCの購入が最小限に抑えられた。
|
