tech
L’IA osserva come si muove un atleta senza sensori, anche sott’acqua
ENEA usa videocamere e intelligenza artificiale per analizzare il gesto degli atleti senza sensori, anche in piscina.
Key points
- ENEA usa videocamere, deep learning e ricostruzione tridimensionale senza marcatori né sensori applicati su pelle e vestiti.
- Il sistema integra sensori fisici solo quando possono aggiungere informazioni utili.
- Il lavoro pubblicato su Bioengineering riguarda la pallanuoto paralimpica, parte di una linea di ricerca ENEA applicata anche ad altre
Why it matters. Lo strumento potrebbe aiutare allenatori e ricercatori a valutare la tecnica individuale senza obbligare l'atleta a adattarsi a un modello standard.
ENEA sta testando un sistema che usa videocamere e deep learning per trasformare il gesto sportivo in dati misurabili, anche in piscina. Il lavoro, pubblicato sulla rivista Bioengineering, si concentra sulla pallanuoto paralimpica; per il ricercatore Andrea Zanela del Laboratorio Energia e Data Science ENEA, l'analisi distingue le caratteristiche del gesto utili alla prestazione da quelle che possono essere un fattore di rischio.
Latest updates
L’IA osserva come si muove un atleta senza sensori, anche sott’acqua
Dalla catena cinetica nel tennis alla spinta verticale nella pallanuoto: un nuovo studio dell'ENEA utilizza tecnologie markerless e intelligenza artificiale per trasformare la performance sportiva in dati oggettivi. - su macitynet.it L’IA osserva come si muove un atleta senza sensori, anche sott’acqua Capire come un atleta distribuisce lo sforzo, coordina i movimenti o recupera l’equilibrio senza applicargli sensori: ENEA sta sperimentando videocamere e intelligenza artificiale per trasformare il gesto sportivo reale in dati misurabili, arrivando a lavorare anche in un ambiente difficile come una piscina. L’obiettivo è fornire ad allenatori e ricercatori strumenti per analizzare la tecnica individuale senza obbligare l’atleta ad adattarsi a un modello standard. Nello sport di alto livello, infatti, alcune caratteristiche personali del gesto possono contribuire alla prestazione, mentre altre possono indicare carichi, asimmetrie o movimenti potenzialmente problematici. “Nello sport di alto livello il gesto dell’atleta non deve essere necessariamente riportato a un modello standard perché spesso è proprio la sua unicità a renderlo efficace. L’analisi quantitativa serve a capire quali caratteristiche sono funzionali alla prestazione e quali, invece, possono rappresentare un fattore di rischio”, spiega Andrea Zanela, ricercatore del Laboratorio Energia e Data Science ENEA che ha svi.