Künstlicher Basketball-Trainer

Durch die Einführung von tragbaren Miniatursensoren und kostengünstigen Sensoren konnten wir während des Sporttrainings Körperbewegungsmuster und Biosignale erfassen. Diese Signale werden verarbeitet und in nutzbare Informationen über den Stand des Sporttrainings umgewandelt. Mithilfe von Algorithmen für maschinelles Lernen können diese Informationen mit dem Wissen über das Training bestimmter Sportdisziplinen kombiniert werden. Der Einsatz von Wearable-Technologie und maschinellem Lernen kann daher zur Schaffung künstlicher Sporttrainer führen. Dies ist die Geschichte, wie wir es für Basketball gemacht haben.

Sporttraining ist ein komplexer und komplexer Prozess

Trainingseinheiten werden in der Regel von professionellen Trainern vorbereitet, bewertet und überwacht. Die Coaches sind intensiv in diesen Prozess involviert und haben einen großen Einfluss auf die Leistungsqualität der Auszubildenden. Die Einbeziehung des Trainers in den Trainingsprozess entscheidet letztendlich über das Ergebnis des Wettbewerbs.

Ein guter Trainer zu sein ist aufgrund der erforderlichen Kenntnisse und Fähigkeiten schwierig. Trainer müssen nicht nur über fundiertes Know-how in bestimmten Sportdisziplinen verfügen, sondern auch Kenntnisse in Bereichen wie Anatomie, Physiologie, Biomechanik, Psychologie, Soziologie und Didaktik besitzen, um die Fähigkeiten der Auszubildenden optimal nutzen zu können.

Das Ziel eines Trainings ist es, einem Athleten oder einer Mannschaft zu helfen, ihre Höchstleistung zu erreichen. Die Trainingsleistung wird von den fachkundigen Trainern anhand bekannter Prinzipien in bestimmten Sportdisziplinen bewertet. Die Leistungssteigerung eines Athleten wird durch physisches, technisches, taktisches und psychologisches Training erreicht.

Was scheint das Problem zu sein?

Hochkarätige Reisebusse sind schwer zu finden und teuer zu beschäftigen. Die Athleten genießen die Privilegien der Vereine, denen sie beitreten, jedoch sind sie mit geografischen und wirtschaftlichen Einschränkungen behaftet. Aus diesem Grund scheitern jedes Jahr viele talentierte und fleißige Athleten am Mangel an angemessenem Training und Coaching-Know-how.

Daher müssen wir einen Weg finden, um das Sporttraining zu demokratisieren und erstklassige Trainer für alle verfügbar zu machen, unabhängig von ihrem wirtschaftlichen und sozialen Status. Wir müssen erstklassiges Coaching zugänglich machen.

Mit dieser Einstellung konzentrieren wir uns darauf, dies für Basketball zu erreichen. Hier ist unser erster Schritt.

Auf die Lösung hinarbeiten

Unser Hauptziel ist es, eine Lösung zu schaffen, die Basketball-Coaching für jedermann zugänglich macht. Unsere Lösung besteht in der Form eines künstlichen Basketballtrainers, der billig ist, leicht übernommen werden kann und dem menschlichen Trainer nachempfunden werden kann. Dazu haben wir Wearable-Technologie und maschinelles Lernen eingesetzt.

Wearable Devices werden heutzutage in erster Linie als grundlegende Geräte zur Überwachung des Vitalzustands verwendet. Ihre vollständige Nutzung muss jedoch noch durch kontextbezogene datenintensive Anwendungsentwicklung untersucht werden. Die Erhöhung der Verarbeitungskapazität und der Energieeffizienz sowie die Verringerung der Größe eingebetteter Prozessoren haben die Möglichkeit geschaffen, fortschrittliche Echtzeit-Signalverarbeitungs- und maschinelle Lernalgorithmen in tragbaren Miniaturbatteriegeräten zu implementieren. Die Fähigkeit tragbarer Geräte, sensorgestütztes Erkennen, Klassifizieren, Regressionen und Vorhersagen im Kontext ihrer Verwendung durchzuführen, hat sie an die Grenzen vieler verschiedener Anwendungen gebracht.

Mit Wearables und maschinellem Lernen können künstliche Trainer erstellt werden, die die Übungen von Basketballspielern analysieren und den Spielern Empfehlungen zur Leistungssteigerung geben. Künstliche Trainer können so konzipiert werden, dass sie Spieler in physischer, technischer, taktischer und psychologischer Hinsicht entwickeln, indem sie erstklassige Trainererfahrungen einbeziehen.

Das physische Training umfasst Basketball-Fitness und Gymnastikübungen, um die Geschwindigkeit, Ausdauer, Ausdauer, Koordination, Flexibilität und Kraft der Spieler zu verbessern. Das taktische Training basiert auf dem Unterrichten verschiedener Strategien im Spiel, die zum Sieg führen. Das psychologische Training bietet Übungen zur Persönlichkeitsbildung und zur Verbesserung von Motivation, Temperament und Einstellung. Das technische Training besteht aus Übungen, die die Basketballfähigkeiten der Spieler verbessern, z. B. Schießen, Übergeben, Ballhandling, Auflegen usw.

Autonomer künstlicher Basketballtrainer erfordert sehr wenig menschliches Engagement und bietet eine Lösung, als ob ein menschlicher Trainer anwesend wäre. Die grundlegendste Anforderung eines solchen Systems ist die automatische Erkennung von Übungen sowie deren quantitative und qualitative Bewertung. Übungstypen können mithilfe von tragbaren Sensoren und maschinellen Lernalgorithmen erkannt werden. Darüber hinaus kann eine Leistungsbewertung für Übungen erreicht werden, indem das Wissen von Expertentrainern modelliert und z.B. Aufnahmewinkel, Dribbling-Geschwindigkeit, Dribbling-Kraft, Pass-Empfang usw.

Konkrete Maßnahmen

Als ersten Schritt zur Entwicklung des künstlichen Basketball-Trainers haben wir experimentelle Untersuchungen durchgeführt, um verschiedene technische Trainingsübungen zu erkennen. Der Versuchsaufbau besteht aus einem tragbaren Gerät (Bibi), das mit einem drahtlosen Transceiver und Sensoren zum Erfassen der Bewegungsparameter des Basketballarms (Beschleunigung, Winkelgeschwindigkeit und Ausrichtung) ausgestattet ist.

Bibi Smart Armband

Die Bewegungsdaten des Arms werden vom Gerät erfasst und an einen stationären Hub (Raspberry Pi 3) übertragen. Dieser Hub empfängt, speichert, bereitet die Daten auf und verarbeitet sie, um letztendlich den aktuellen Stand des Fortschritts des Basketballtrainings zu ermitteln und die Übungsart zu erkennen. Hub hostet einen Algorithmus für maschinelles Lernen und kann Cloud-Computing in zukünftigen Anwendungen verwenden.

Künstliche Basketball-Trainertechnologiekomponenten

Maschinelles Lernen

Um die Übungsart während des Trainings zu erkennen, wird ein maschineller Lernalgorithmus (Support Vector Machine) eingesetzt. Dieser Algorithmus wird im Prozess einschließlich der Datenerfassung, Vorverarbeitung und Transformation geschult (siehe Abbildung unten). Die Daten der Rohsensoren werden für diesen Algorithmus für maschinelles Lernen aufbereitet, um das beabsichtigte / gewünschte Training zu klassifizieren.

Trainingsprozess des maschinellen Lernalgorithmus

In Bibi Armband befinden sich 2 Sensoren, ein Beschleunigungsmesser und ein Gyroskop. Mit diesen Signalen wird die Orientierung des Armbands berechnet. Die gesammelten Daten werden über BLE an den Hub übertragen.

Um aussagekräftige Erkenntnisse aus den gesammelten Daten gewinnen zu können, werden die Rohdaten für den ML-Modellierungsprozess aufbereitet. Merkmalsvektoren werden durch Extrahieren von Fenstern fester Größe aus den vorverarbeiteten Daten erzeugt.

Fensterung

In der Datentransformationsphase werden Feature-Sets erstellt und reduziert, um die differenziertesten für die Klassifizierungsphase auszuwählen. Zunächst werden statistische Merkmale für jedes extrahierte Fenster aus vorverarbeiteten Daten berechnet. Dann werden unter Verwendung verschiedener Algorithmen zur Auswahl von Merkmalsteilmengen Merkmale ausgewählt, um Merkmalsvektoren zu erzeugen.

Als nächstes wird das ausgewählte maschinelle Lernmodell anhand des erhaltenen Datensatzes trainiert und validiert.

Fazit

Mit den aktuellen Einstellungen und Daten haben wir eine Klassifizierungsgenauigkeit von 99% erhalten. Unser nächster Schritt bei der Erstellung eines künstlichen Basketball-Trainers besteht darin, die Übungsbibliothek zu erweitern und zu versuchen, die mehreren Übungen in einer Reihe zu klassifizieren, d. Zusammen mit weiteren Übungen werden wir Feedback (über die Smartphone-App) in Bezug auf den quantitativen und qualitativen Charakter des durchgeführten Trainings einfließen lassen.

Das Hauptaugenmerk dieser Arbeit liegt darauf, einen künstlichen Trainer so autonom wie möglich zu präsentieren, um den Athleten alle Trainingsphasen nahtlos zu ermöglichen. Sportler sollten ihr Training nicht unterbrechen, um mit einem Gerät zu interagieren. Wir machen derzeit Fortschritte in diesem speziellen Bereich des Basketballs. Es wird jedoch erwartet, dass sich diese Arbeit aufgrund der Ähnlichkeiten in den Trainingsroutinen auf verschiedene Sportdisziplinen auswirken wird.

Abschaltung an alle, die zur technischen Seite des Projekts beigetragen haben; Inovatink-Team, 8Bitiz-Team, WECooP-Team. Wir danken dem Team von Sinan Güler und Güler Legacy für die Bereitstellung ihres Fachwissens im Bereich Basketball-Coaching.

Danke fürs Lesen! :) Wenn es Ihnen gefallen hat, klicken Sie auf diese Schaltfläche und helfen Sie anderen, die Geschichte zu sehen.