運動能力と姿勢情報を要因とするスポーツのポテンシャルモデルの構築と上達支援

基于运动能力和姿势信息的运动潜力模型构建及提升支持

• 批准号: 22K18012
• 负责人: 中井 一文
• 金额: $ 2.91万
• 依托单位: Toba National College of Maritime Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2027-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K18012/
• 关键词: バレーボール; 守備範囲推定; 守備範囲

本研究では，自らの身体能力を加味して希望の動作をするための最適な待機姿勢をモデル化する．バレーボールを題材に，即時的なフィードバックの概念を取り入れた「学習」により競技能力の向上を目指す．ここで，運動能力と姿勢情報を入力，サーブレセプションの守備範囲を出力としたレセプションポテンシャルモデルを提唱する．動作の主となるデータを見出し，守備範囲を機械学習データとして与えることにより動作解析AIを構築して可視化や予測を実現し，人間の「学習」によるフォームの改善方法を確認可能にする．令和4年度は初年度であるが，成果として，個人の三次元空間におけるサーブレシーブの成功・失敗のデータを取得し，守備範囲として可視化した．データ取得の際，三次元空間の各点において十分な数のサンプリングを行うことは限られた時間では難しい．そこで，機械学習によりレシーブの成功・失敗をあらわす分類モデルを作成することで，限定的なサンプリングデータから守備範囲を推定した．機械学習による守備範囲の推定の手法としてロジスティック回帰を採用した．ロジスティック回帰は分類問題の手法として使われるが，出力値は0から1までの連続値である．つまり，「空間座標におけるレセプション成功の可能性」として表現することができるため，ロジスティック回帰を採用した．サーブレセプションの守備範囲を可視化するという目的においては，被験者を中心にレセプションの成功率が高く，遠ざかるほど成功率が下がっていくようになっており，物理的な移動範囲の中では想定通りの結果が得られた．

This study is based on the results of this study, which is based on the physical ability of the body, the flavor of the movement, and the movement of the hope and the optimal standby posture.バレーボールを theme に, real-time なフィードバックの concept をtake り into れた "learn" により competitive ability のUP を Eye finger す.ここで, athletic ability and posture information, strength, サーブレセプションのdefense Fan Hui's contribution is to sing the song of the singer's music. The master of the action is the となるデータを见出し, the defensive model is the Mechanical Learning データとして and the えることにより action analysis AIをConstruction and visualization, prediction and realization, "learning" in the human world, improvement methods and confirmation of possibility. The results of the first year of Reiwa 4, the results of the first year, and the personal three-dimensional space of the year.ーブレシーブのSuccess・FailureのデータをGet it, the defensive range is visualized. When you get it, each point in the three-dimensional space is as many as ten points, and the time is difficult.そこで, Machine Learning によりレシーブの Success・Failure をあらわすClassification モデルをMade in Japan, the limited version of the Japanese なサンプリングデータから defense range 囲を presumed した. Mechanical learning is a method of deducing the field of defense and using it.ロジスティックBack to the classification problemのtechniqueとしてmakesわれるが, the output is は0から1までの连続値である.つまり, "Possibility of success of space coordinates におけるレセプション" としてperformanceすることができるため,ロジスティック回帰をadoptsした.サーブレセプションの defensive model 囲をvisualization するというpurpose においては, the target をcenter にレセプションのsuccess rate is highく, the success rate of the distance is がっていくようになっており, the physical な movement range 囲の中では figured through the りの result が got られた.

项目成果

バレーボールの守備範囲推定に関する方法論の検討

排球守备范围估算方法研究

• 发表时间: 2022
• 作者: 中井 一文;重永 貴博;江崎 修央
• 通讯作者: 江崎 修央