Teknologi 3 Dimensi Makin Membantu Performa Atlet di Olimpiade 2020, Ini Penjelasannya

JAKARTA  -  Olimpiade tahun ini mungkin tertutup untuk sebagian besar penonton karena COVID-19. Akan tetapi mata dunia masih tertuju pada para atlet berkat puluhan kamera yang merekam setiap aksi mereka seperti lompatan, penyelaman, dan pukulan. 

Di antara semua peralatan penyiaran itu, persaingan di cabang atletik kali ini mendapati lima kamera tambahan. Ini menjadi langkah pertama dalam sistem pelacakan 3-D terperinci yang memberi penonton wawasan hampir seketika ke dalam setiap langkah perlombaan.

Pelacakan ini hanyalah permulaan. Teknologi yang dipamerkan di Tokyo menunjukkan bahwa masa depan latihan atlet elit tidak hanya terletak pada pengumpulan data tentang tubuh manusia. Namun juga menggunakan data itu untuk membuat replika digitalnya. Avatar ini suatu hari nanti dapat dijalankan melalui skenario hipotetis untuk membantu atlet memutuskan pilihan mana yang akan menghasilkan hasil terbaik.

Sistem pelacakan yang digunakan di Tokyo, produk Intel yang disebut 3DAT, memasukkan rekaman langsung ke cloud. Di sana, program kecerdasan buatan menggunakan pembelajaran mendalam menganalisis gerakan atlet dan mengidentifikasi karakteristik kinerja utama seperti kecepatan tertinggi dan deselerasi. 

Sistem membagikan informasi itu kepada pemirsa dengan menampilkan representasi grafik gerak lambat dari aksi, dan menyoroti momen-momen penting. Seluruh proses, mulai dari merekam gerakan hingga menyiarkan analisis, membutuhkan waktu kurang dari 30 detik.

Misalnya, selama siaran NBC tentang uji coba 100 meter di Eugene, Oregon, AI menunjukkan bagaimana Sha'Carri Richardson mencapai kecepatan 38,7 km per jam pada puncaknya dan melambat hingga 32,0 km per jam pada saat dia mencapai garis finish. Itu sudah cukup untuk memenangkan perlombaan.

“Ini seperti memiliki komentator pribadi Anda sendiri yang menunjukkan hal-hal kepada Anda dalam perlombaan,” kata Jonathan Lee, direktur teknologi kinerja olahraga di grup teknologi Olimpiade di Intel.

Untuk melatih AI Olimpiade mereka melalui pembelajaran mesin, Lee dan timnya harus menangkap sebanyak mungkin rekaman atlet atletik elit yang sedang bergerak. Mereka membutuhkan rekaman tubuh manusia yang melakukan gerakan tertentu, tetapi rekaman yang sudah ada sebelumnya digunakan untuk penelitian serupa yang menunjukkan rata-rata orang yang bergerak, yang akan membingungkan algoritma. 

“Orang biasanya tidak sepenuhnya bisa mengangkat tubuh secara horizontal tujuh kaki di udara, tetapi pelompat tinggi kelas dunia bisa mencapai ketinggian seperti itu secara teratur,”  kata Lee.

Dalam rekaman tersebut, tim di Intel secara manual membuat anotasi pada setiap bagian tubuh, mulai mata, hidung, bahu, dan lainnya, dalam piksel demi piksel. Setelah poin-poin kunci tersebut diidentifikasi, model dapat mulai menghubungkannya dalam tiga dimensi sampai memiliki rendering bentuk atlet yang disederhanakan. 

Melacak "kerangka" ini memungkinkan program untuk melakukan estimasi pose 3-D (teknik penglihatan komputer yang melacak objek dan mencoba memprediksi perubahan yang mungkin dialaminya di ruang angkasa) pada tubuh atlet saat bergerak melalui suatu acara.

Sistem pelacakan ini terbatas pada cabang atletik di pertandingan tahun ini. Tetapi teknologi serupa dapat menjadi standar dalam berbagai olahraga. Ini disarankan oleh Barbara Rita Barricelli, peneliti interaksi manusia-komputer dan asisten profesor di Universitas Brescia Italia. Namun ia tidak terlibat dengan proyek Intel ini. 

“Pergeseran besar yang sebenarnya adalah ketika teknologi tidak hanya digunakan untuk hiburan atau penelitian, tetapi diterima oleh komunitas praktik,” kata Barricelli. 

Misalnya, ketika wasit asisten video (video assistant referee/VAR) pertama kali digunakan dalam sepak bola. Teknologi ini sangat populer di jaringan siaran televisi saat ini, akan tetapi beberapa wasit (manusia) justru  menolak untuk mengandalkan mereka dalam mengambil keputusan yang bisa mengubah permainan. 

Teknologi ini tetap kontroversial di sepak bola, tetapi sekarang banyak wasit yang secara rutin menggunakan VAR untuk membantu dalam mengambil keputusan. Barricelli menyarankan debut Olimpiade 3DAT mungkin merupakan “langkah besar untuk praktik pertemuan penelitian—atau lebih baik, praktik merangkul hasil penelitian.”