Intelin 3DAT A.I. on Training Techin "pyhä malja".

Jonathan Lee, Intelin Olympic Technology Groupin urheilusuorituskykyteknologian johtaja, on lentänyt 11 tuntia ja ollut 14 päivän karanteenissa ompelemassa luurankoja yhteen tietokoneella. Ja jos se toimii niin hyvin kuin hän toivoo, se on hämmästyttävä innovaatio toimintatoistoissa vuoden 2020 Toyko olympialaisissa.

"Osa tekoälystämme on [suunniteltu] ompelemaan yhteen oikeat luurangot, kun sinulla on jopa kahdeksan tai yhdeksän urheilijaa juoksemassa radalla", Lee kertoi Digital Trendsille hotellihuoneestaan ​​Tokion olympiakylässä, 8 000 mailin päässä kodistaan ​​Sanissa. Francisco.

Hän on osa Intelin insinöörejä, jotka on lähetetty Tokion kisoihin sisällytettäväksi Intelin 3D-urheilijaseuranta (tai 3DAT, lausutaan "kolme-dat") -teknologia tämän vuoden olympialaisiin lähetyksiä. 3DATin henkeäsalpaavat overlay-visualisoinnit tulevat saataville 100 metrin, 200 metrin, 4 × 100 metrin viestien ja aitajuoksun uusintojen aikana, jotka järjestetään 30. heinäkuuta - 4. elokuuta.

"3D Athlete Tracking … on Intelin kehittämä tekniikka, jonka avulla voimme kuvata tavallisia videoita urheilijoista ja poimia tietoja heidän muodostaan ​​ja liikkeitään", Lee sanoi. "Teemme tämän käyttämällä A.I. ja tietokonenäkö. [Teknologiamme avulla voimme] tunnistaa kehon eri osat silmistä ja nenästä aina alaspäin nilkoihin ja varpaisiin ja käyttää tätä urheilijan 3D-rungon tai joissakin tapauksissa useiden urheilijat. Näistä luurangoista voimme sitten poimia tietoja, kuten nopeutta, kiihtyvyyttä ja biomekaniikkaa."

Yksinkertaisesti sanottuna 3DAT sulattaa yhteen useista videoista 4K konenäkökameroita lähetysmateriaalilla ja käyttää tätä kolmiulotteisen mallin luomiseen olympialaisista toiminnassa. Näitä voidaan käyttää toimittamaan tietokoneella luotuja toistoja. Se, mikä antaa tälle etulyöntiaseman perinteisiin videotoistoihin verrattuna, on kuitenkin se, että 3DAT-tekniikka pystyy nielemään sen eri lähteistä videomateriaalia ja käyttää tätä liikkeenkaappausmallien luomiseen, joita voidaan kääntää 3D: ssä tilaa.

"Annat [yleisradioyhtiölle] mahdollisuuden pohjimmiltaan kiertää, zoomata ja laittaa kameraa minne haluavat", Lee sanoi.

Lämpökartat ja muut

Se ei myöskään ole vain "kameran" pyörittämistä. Poimimalla tietoja, kuten nopeuden ja kiihtyvyyden 3D-malleista, 3DAT voi peittää mallit lisätiedoilla, kuten esim. lämpökartat osoittavat kuinka nopeasti urheilija juoksee, milloin hän saavuttaa huippunopeudensa ja kuinka kauan hän pystyy ylläpitämään tätä nopeus. Se on silmiinpistävän datan visualisoinnin taso, jota ei ole koskaan kokeiltu olympialaisissa – tai melkein missään muualla.

"Haluat jotain, mikä on hyödyllistä ja kaunista ja auttaa katsojaa kotona todella saamaan yhteyden urheilijoihin ja ymmärtämään jotain, mitä he eivät tienneet ennen", Lee sanoi.

Motion capture ei tietenkään ole mitään uutta. Sitä on käytetty Hollywoodissa vuosia, etenkin joissakin hämmästyttävissä teatteriesityksissä Weta Digitalin kaltaisten yhtiöiden vangitsemia näyttelijöitä, kuten Andy Serkis (joka on esittänyt kaikkia Gollamista sisään Taru sormusten herrasta Caesarille sisään Apinoiden planeetan vallankumous King Kongiin, err. King Kong). Mo-capia käytetään usein myös pelimaailmassa sen varmistamiseksi, että ruudulla näkyvät avatarit liikkuvat mahdollisimman lähellä oikeita ihmisiä. Mutta vaikka monet mo-cap-puvut on nastoitettu tunnistimilla yksittäisten raajojen liikkeen tallentamiseksi, 3DAT ei vaadi antureita.

Ongelma, Lee sanoi, on se aika liikkeenkaappauspuvut ovat hyviä tietyissä skenaarioissa, huippu-urheilijoiden seuranta ei välttämättä kuulu niihin.

"Kuvittele, että laitat anturin jonkun päähän, kyynärpäähän, rintaan ja sitten sanot: 'Hyvä on, tee korkea hyppää, ja kun laskeudut, tunnet kaikkien näiden antureiden puristuvan kehoosi, eikö niin? hän sanoi. "Voit kuvitella, että se ei välttämättä ole miellyttävä kokemus. Tai [entä] pikajuoksija? Jos anturi sijoitetaan aivan polven alle, se häiritsee sitä, kuinka ne tulevat ulos lohkoista ja kuinka ne juoksevat."

Sen sijaan 3DAT luottaa täysin tietokonenäköön ja asennonarviointialgoritmeihin analysoidakseen urheilijoiden liikkeiden biomekaniikkaa. Lee sanoi, että tämä voidaan tehdä riittävän tarkasti vangitsemaan urheilijan liikkeen pienimmätkin vivahteet. Seuraajia ei tarvita.

3DAT: n tulevaisuus

Tätä silmällä pitäen Lee ei näe 3DAT: ta vain data-viz-työkaluna katsojien viihdyttämiseen ja tiedottamiseen kotona. Sitä käytetään myös harjoitusvälineenä urheilijoille suoritusten arvioimiseksi. "Meillä on ollut kolme eri eliittitason valmentajaa, jotka ovat käyttäneet täsmälleen samaa lausetta kuvaamaan tätä "valmennuksen pyhäksi maljaksi", hän sanoi. Yksi mahdollisesti muuttuva käyttötapaus? Auttaa vammojen diagnosoinnissa.

"Yksi suurimmista urheilijoihin vaikuttavista asioista ovat pehmytkudosvammat", Lee sanoi. "Nämä alkavat yleensä näkyä epäsymmetriana. Joten ehkä vasemman ja oikean askeleen pituus saattaa muuttua erilaiseksi tai tapa, jolla lantiosi liikkuvat, saattaa [muuttua], eikö niin? Nämä ovat asioita, jotka voivat tapahtua jo ennen vamman sattumista. Jos alat katsoa urheilijaa hieman pitkittäisemmin – vaikkapa kauden alussa, aikana, jälkeen, ehkä jonkinlaisen toiminnallisen toiminnan aikana liikkeen arviointi – [A.I.] voi ottaa tehtäväkseen tunnistaa vammojen esiasteet [jotta valmentajat ja urheilijat] voivat torjua ne ennen kuin ne tapahtua."

Tästä syystä Lee näkee 3DAT: n tulevaisuuden olevan yhä useammin tekoälyn peitossa. "Kysymys, joka herää, on, mitä teet kaikella näillä tiedoilla?" hän huomautti. ”Tässä näen 3DAT: n seuraavan rajan… Pitää olla seuraava taso, olipa kyseessä vammojen ehkäisy tai suorituskyvyn parantaminen tai kuntoutuksen auttaminen… Tämä seuraava kysymys on todellakin se, johon meidän on vastattava, jotta voimme muuttaa tämän [todella] siististä tekniikasta tekniikaksi, joka on siistiä ja [uskomattoman] hyödyllinen."

Toistaiseksi olympialaisten katsojien täytyy kuitenkin tyytyä "todella siistiin". Jokin kertoo meille, että se todennäköisesti riittää. Tulossa pian kultamitalitapahtumaan lähellä sinua (tai ainakin televisiossasi).

Toimittajien suositukset

• Hauska kaava: Miksi koneella luotu huumori on A.I: n pyhä malja?
• Tutkan alla: Kuinka 117 vuotta vanha tekniikka antaa olympiaheittäjille etua