La Technologie En 3 Dimensions Aide Les Athlètes à Performer Aux Jeux Olympiques De 2020, Voici L’explication

Les athlètes du monde peuvent être aidés par une vidéo en 3 dimensions. (photo : unsplash)

JAKARTA - Les Jeux olympiques de cette année pourraient être fermés à la plupart des spectateurs en raison de la COVID-19. Mais les yeux du monde entier sont toujours tournés vers les athlètes grâce à des dizaines de caméras qui enregistrent chacune de leurs actions telles que des sauts, des plongées et des coups de poing.

Parmi tous les équipements de diffusion, la compétition en athlétisme a cette fois trouvé cinq caméras supplémentaires. Il s’agit de la première étape d’un système de suivi 3D détaillé qui donne aux téléspectateurs un aperçu presque instantané de chaque étape de la course.

Ce suivi n’est que le début. La technologie exposée à Tokyo montre que l’avenir de l’entraînement des athlètes d’élite ne réside pas seulement dans la collecte de données sur le corps humain. Mais il utilise également ces données pour créer ses répliques numériques. Cet avatar peut un jour être exécuté à travers des scénarios hypothétiques pour aider les athlètes à décider quelle option produira les meilleurs résultats.

Le système de suivi utilisé à Tokyo, un produit Intel appelé 3DAT, insère des enregistrements directement dans le cloud. Là, les programmes d’intelligence artificielle utilisent l’apprentissage profond pour analyser les mouvements des athlètes et identifier les caractéristiques de performance clés telles que la vitesse de pointe et la décélération.

Le système partage ces informations avec les spectateurs en affichant des représentations graphiques au ralenti de l’action et en mettant en évidence les moments clés. L’ensemble du processus, de l’enregistrement du mouvement à l’analyse de diffusion, prend moins de 30 secondes.

Par exemple, lors de la diffusion par Nbc de l’essai de 100 mètres à Eugene, dans l’Oregon, l’IA a montré comment Sha’Carri Richardson a atteint des vitesses de 38,7 km par heure à son apogée et a ralenti à 32,0 km par heure au moment où il a atteint la ligne d’arrivée. C’est suffisant pour gagner la course.

« C’est comme si votre propre commentateur personnel vous montrons des choses dans une course », a déclaré Jonathan Lee, directeur de la technologie de performance sportive au groupe de technologie olympique chez Intel.

Pour entraîner leur IA olympique grâce à l’apprentissage automatique, Lee et son équipe ont dû capturer autant d’images que possible d’athlètes sportifs d’élite en déplacement. Ils ont besoin d’images du corps humain effectuant certains mouvements, mais des images préexistantes sont utilisées pour des recherches similaires qui montrent la personne moyenne en mouvement, ce qui confondrait l’algorithme.

« Normalement, les gens ne soulèvent pas complètement le corps horizontalement sept pieds dans les airs, mais les sauteurs en hauteur de classe mondiale peuvent atteindre de telles hauteurs sur une base régulière », a déclaré Lee.

Dans les images, les équipes d’Intel annotent manuellement chaque partie du corps, des yeux, du nez, des épaules, etc., pixel par pixel. Une fois ces points clés identifiés, les modèles peuvent commencer à les connecter en trois dimensions jusqu’à ce qu’ils aient des rendus simplifiés des formes d’athlètes.

Le suivi de ce « squelette » permet au programme d’effectuer une estimation de pose en 3D (une technique de vision par ordinateur qui suit les objets et tente de prédire les changements qu’il peut rencontrer dans l’espace) sur le corps d’un athlète lorsqu’il se déplace à travers un événement.

Le système de suivi est limité à l’athlétisme aux jeux de cette année. Mais des technologies similaires peuvent devenir la norme dans une variété de sports. C’est ce qu’a suggéré Barbara Rita Barricelli, chercheuse en interaction homme-machine et professeure adjointe à l’Université de Brescia en Italie. Cependant, il n’a pas été impliqué dans ce projet Intel.

« Le vrai grand changement est lorsque la technologie n’est pas seulement utilisée pour le divertissement ou la recherche, mais acceptée par la communauté de pratique », a déclaré Barricelli.

Par exemple, lorsqu’un arbitre assistant vidéo (VAR) est utilisé pour la première fois dans le football. Cette technologie est très populaire sur les réseaux de télévision aujourd’hui, mais certains arbitres (humains) refusent de compter sur eux pour prendre des décisions qui peuvent changer la donne.

La technologie reste controversée dans le football, mais maintenant de nombreux arbitres utilisent régulièrement la VAR pour aider à prendre des décisions. Barricelli a suggéré que les débuts des Jeux olympiques 3DAT pourraient être « un grand pas pour la pratique des réunions de recherche - ou mieux, la pratique d’embrasser les résultats de la recherche ».