研究課題/領域番号 |
19K20062
|
研究種目 |
若手研究
|
配分区分 | 基金 |
審査区分 |
小区分59020:スポーツ科学関連
|
研究機関 | 日本大学 |
研究代表者 |
大前 佑斗 日本大学, 生産工学部, 助教 (00781874)
|
研究期間 (年度) |
2019-04-01 – 2023-03-31
|
研究課題ステータス |
交付 (2020年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2022年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
キーワード | 深層学習 / 機械学習 / 人工知能 / スポーツ科学 / スポーツ工学 |
研究開始時の研究の概要 |
我が国の国際競技力を向上させるためには,スポーツ指導に長けた優秀なトレーニング指導員がアスリートの数だけ必要となる.一方,実際のトレーニング現場では,指導員の不足が指摘されている.トレーニング指導は,アスリートの身体動作を正確に把握し,適切な指示を行う必要がある.このことから,熟達したトレーニング指導員を短期間で増加させることは困難である.この問題を解決するひとつの手段として,人工知能の適用が考えられる.本研究では,慣性センサによりアスリートの身体動作データを取得し,そのデータから優秀なトレーニング指導員の判断基準を獲得する人工知能を構築することで,前述した課題への対応を目指す.
|
研究実績の概要 |
本研究では、アスリートから得られる慣性信号から、あたかもトレーニング指導員が指導しているように、競技に関わる身体動作のクオリティを自動判定する アルゴリズムを開発し、それをシステムに実装することを目標としている。 これに関して昨年度は、サッカーのシュートフォーム、バドミントンのサーブ、テニスのフォアハンドストロークについて、そのクオリティ判定を実現するため、X軸、Y軸、Z軸加速度と角速度)から算出できる時間領域成分のハンドクラフト型特徴量(平均値・分散値)により、12次元の特徴量ベクトルを計算した。これに対し、決定木やニューラルネットワークを活用することで、クオリティ判定の可能性を検討した。 本年度はこの発展として、深層学習の1手法である畳み込みニューラルネットワークを利用した。特にサッカーのシュートフォームを対象として、クオリティ判定の実現性を検討した。具体的には、昨年度のようなハンドクラフト型特徴量を使用せず、取得された加速度・角速度信号をそのまま入力するモデルを構築した。汎化誤差を検証した結果、一定レベルの性能を有することが確認された。 深層学習によりクオリティの良し悪しが分類できるということは、アスリートが身体動作を行なった後、そのクオリティを自動判定できる可能性ができることを意味してい る。そのため、この結果は有益なものである。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
昨年度は検討できなかった深層学習の利用について、特にサッカーのシュートフォームを対象として、実施することができたため。
|
今後の研究の推進方策 |
本研究の最終的な目的は、深層学習により様々なモーションのクオリティを評価するモデルを構築することである。現時点ではサッカーのシュートモーションしか扱えないため、今後はバドミントンやテニスなどのモーションも対応できるようにする予定である。
|