8.5 C
Madrid
domingo, noviembre 27, 2022
Ciencia & TecnologiaNuevos algoritmos predicen los movimientos de los equipos deportivos con un 80 % de precisión – europeantimes.news

Nuevos algoritmos predicen los movimientos de los equipos deportivos con un 80 % de precisión – europeantimes.news

  • 1 mes ago
  • 5Minutos
  • 991Palabras

Los nuevos algoritmos pueden predecir las acciones en el juego de los jugadores de voleibol con más del 80 % de precisión. Ahora, el Laboratorio de Controles y Sistemas Inteligentes de Cornell, que desarrolló los algoritmos, está colaborando con el equipo de hockey Big Red para expandir las aplicaciones del proyecto de investigación.

En representación de la Universidad de Cornell, el equipo masculino de hockey sobre hielo Big Red es un programa universitario de hockey sobre hielo de la División I de la Asociación Nacional de Atletismo Colegiado. Cornell Big Red compite en la conferencia ECAC Hockey y juega sus partidos como local en Lynah Rink en Ithaca, Nueva York.

Los algoritmos son únicos porque adoptan un enfoque holístico de la anticipación de la acción, combinando datos visuales, por ejemplo, dónde se encuentra un atleta en la cancha, con información más implícita, como el rol específico de un atleta en el equipo.

“La visión por computadora puede interpretar información visual como el color de la camiseta y la posición o la postura del cuerpo de un jugador”, dijo Silvia Ferrari, quien dirigió la investigación. Es profesora John Brancaccio de Ingeniería Mecánica y Aeroespacial. “Todavía usamos esa información en tiempo real, pero integramos variables ocultas como la estrategia del equipo y los roles de los jugadores, cosas que nosotros, como humanos, podemos inferir porque somos expertos en ese contexto en particular”.

Ferrari y los estudiantes de doctorado Junyi Dong y Qingze Huo entrenaron los algoritmos para inferir variables ocultas al mirar juegos, de la misma manera que los humanos obtienen su conocimiento deportivo. Los algoritmos utilizados máquina de aprendizaje para extraer datos de videos de juegos de voleibol y luego usar esos datos para ayudar a hacer predicciones cuando se muestra un nuevo conjunto de juegos.

Los algoritmos desarrollados en el Laboratorio de Sistemas y Controles Inteligentes de Cornell pueden predecir las acciones en el juego de los jugadores de voleibol con más del 80% de precisión, y ahora el laboratorio está colaborando con el equipo de hockey Big Red para expandir las aplicaciones del proyecto de investigación.

Los resultados fueron publicados en la revista Transacciones ACM sobre Sistemas y Tecnología Inteligentes el 22 de septiembre, y muestran que los algoritmos pueden inferir los roles de los jugadores, por ejemplo, distinguir un defensa-pasador de un bloqueador, con una precisión promedio de casi el 85%, y pueden predecir múltiples acciones en una secuencia de hasta 44 fotogramas con un precisión promedio de más del 80%. Las acciones incluyeron pinchar, colocar, bloquear, correr, cavar, ponerse en cuclillas, ponerse de pie, caer y saltar.

El aprendizaje automático es una técnica de uso de computadoras para detectar patrones en conjuntos de datos masivos y luego hacer predicciones basadas en lo que la computadora aprende de esos patrones. Esto hace que el aprendizaje automático sea un tipo específico y limitado de inteligencia artificial.

Ferrari prevé que los equipos usen los algoritmos para prepararse mejor para la competencia entrenándolos con imágenes de juego existentes de un oponente y usando sus habilidades predictivas para practicar jugadas y escenarios de juego específicos.

Ferrari ha solicitado una patente y actualmente está trabajando con el equipo de hockey masculino Big Red para desarrollar aún más el software. Utilizando imágenes de juegos proporcionadas por el equipo, Ferrari y sus estudiantes graduados, dirigidos por Frank Kim, están diseñando algoritmos que identifican de manera autónoma a los jugadores, las acciones y los escenarios del juego. Uno de los objetivos del proyecto es ayudar a anotar el juego película, que es una tarea tediosa cuando la realizan manualmente los miembros del personal del equipo.

“Nuestro programa pone un gran énfasis en el análisis de video y la tecnología de datos”, dijo Ben Russell, director de operaciones de hockey del equipo masculino de Cornell. “Buscamos constantemente formas de evolucionar como cuerpo técnico para servir mejor a nuestros jugadores. Me impresionó mucho la investigación que la profesora Ferrari y sus alumnos han realizado hasta ahora. Creo que este proyecto tiene el potencial de influir dramáticamente en la forma en que los equipos estudian y se preparan para la competencia”.

La estudiante de doctorado Junyi Dong trabaja con sus colegas y compañeros de doctorado en su laboratorio en Upson Hall.

Más allá de los deportes, la capacidad de anticipar las acciones humanas tiene un gran potencial para el futuro de la interacción hombre-máquina, según Ferrari. Dijo que el software mejorado puede ayudar a los vehículos autónomos a tomar mejores decisiones, acercar a los robots y los humanos en los almacenes e incluso puede hacer que los videojuegos sean más divertidos al mejorar la inteligencia artificial de la computadora.

“Los seres humanos no son tan impredecibles como los algoritmos de aprendizaje automático los hacen parecer en este momento”, dijo Ferrari, quien también es decano asociado de investigación de ingeniería entre campus, “porque si realmente tiene en cuenta todo el contenido, todo de las pistas contextuales, y observas a un grupo de personas, puedes predecir mucho mejor lo que van a hacer”.

Referencia: “Un enfoque holístico para la inferencia de roles y la anticipación de acciones en equipos humanos” por Junyi Dong, Qingze Huo y Silvia Ferrari, 22 de septiembre de 2022, Transacciones ACM sobre Sistemas y Tecnología Inteligentes.
DOI: 10.1145 / 3531230
La investigación fue apoyada por la Oficina de Investigación Naval Código 311 y Código 351, y los esfuerzos de comercialización están siendo apoyados por la Oficina de Licencias de Tecnología de Cornell.



Fuente: The European Times

Check out other tags:

Most Popular Articles