| 研究課題/領域番号 |
19K22807
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分59:スポーツ科学、体育、健康科学およびその関連分野
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
七五三木 聡 大阪大学, 全学教育推進機構, 教授 (20271033)
|
|---|
| 研究分担者 |
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, 大学院医学系研究科, 助教 (80823939)
|
|---|
| 研究期間 (年度) |
2019-06-28 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
2021年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2020年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2019年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 機械学習モデル / 視覚運動 / 運動技能 / 身体知 / AI |
|---|
| 研究開始時の研究の概要 |
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。
|
| 研究実績の概要 |
本年度は、卓球のような連続視覚運動ではなく、離散的視覚運動として単発で身体運動が完結する野球の打撃をモデルとして実験を行った。VR-HMDを使用して、VR 野球ボール選球タスクを構築した。実験参加者はHMDを装着し、VR空間に再現された実物大の野球場のバッターボックスで打撃姿勢を取り、投球がストライクになると判断したときに、リモコンのボタンを押した。仮想ピッチャーがボールを投じた時刻を0として、10フレーム（111ms）、20フレーム（222ms）、30フレーム（333ms）、40フレーム（444ms）までのボールの3次元座標時系列データをもとに機械学習モデルを訓練し、ニューラルネットワークを利用した識別のための機械学習モデルを生成した。ボールの3次元座標データからストライクあるいはボールになるのかを予測するよう識別機械学習モデルを訓練すると、10、20、30フレームで77%、94%、94%の識別精度となった。次に、ボールの3次元座標データのみから、打者がクリックするかしないかを推定するようにモデルを訓練すると、10、20、30、40フレームで78%、80%、80%、80%の識別精度となった。そこで、打者の頭部運動や視線のベクトル情報を加えて推定するようにモデルを訓練したが、10、20、30、40フレームで72%、82%、81%、82%の識別精度となり、改善効果は数パーセントであった。最後に、ボールの3次元座標データのみから、打者が正しい判断するか、しないかを推定するようにモデルを訓練すると、10、20、30、40フレームで71%、73 %、75%、71%の識別精度となった。そのため、ボールの3次元座標データのみから打者の選球の成否をモデルが学習することは困難であることがわかった。打者の頭部運動や視線のベクトル情報を加えて訓練したが顕著な改善効果は得られなかった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
新型コロナにより卓球競技歴の長い実験参加者を募集することが困難であったため。
|
| 今後の研究の推進方策 |
今年度の離散的視覚運動で得られた結果をもとに、次年度は卓球のような連続視覚運動で機械学習モデルを生成する。
|
