Zaawansowane analizy sportowe dają przewagę nad konkurencją

W świecie poważnego, współczesnego sportu – często bardzo lukratywnym – granica między triumfem a porażką bywa cienka niczym włos. O wynikach i miejscu na podium zwykle decydują milisekundy lub milimetry. Ale nawet precyzyjne wskaźniki, takie jak prędkość czy odległość, wciąż dostarczają dość szczątkowych informacji – w najlepszym wypadku mówią nam tylko o tym, co się stało, a nie dlaczego i jak można to poprawić. Prawdziwe korzyści uzyskuje się dzięki zrozumieniu wyników sportowych na znacznie głębszym i bardziej złożonym poziomie.

Tradycyjne metody analizy wyników sportowych często opierają się częściowo lub wyłącznie na obserwacji manualnej i subiektywnej ocenie – czyli na tym, co jest czasami nazywane „próbą wzroku”. Oko może być potężnym narzędziem, zwłaszcza gdy obserwatorem jest ekspert z rozległą wiedzą o danym sporcie, ale takie praktyki same w sobie mogą nie wystarczyć. Sama ilość danych generowanych podczas sesji szkoleniowej lub gry może utrudniać identyfikację wzorców i wydobycie miarodajnych spostrzeżeń przy jednoczesnym unikaniu błędów subiektywizacji lub niespójności, które mogłyby prowadzić do fałszywych bądź niedokładnych wniosków.

Podejście oparte na technologii może natomiast pomóc wyeliminować domysły i zawęzić margines błędu. W dzisiejszych czasach zaawansowana analityka przekształca nieprzetworzone dane we wnioski umożliwiające podjęcie działań – zarówno na żywo, jak i retrospektywnie – zapewniając zainteresowanym stronom ze świata sportu ogromne możliwości dalszego rozwoju, niezależnie od uprawianej przez sportowców dziedziny. Praktycznie nie ma bowiem ograniczeń co do ilości informacji, które mogą przynieść wymierne korzyści sportowcom, trenerom i naukowcom sportowym, a także drużynom, ligom, firmom medialnym, a na końcu także… samym widzom.

Ponieważ informacje to potęga, coraz bardziej zaawansowane analizy sportowe stają się niezbędne dla każdego, kto szuka przewagi konkurencyjnej. Najnowsze, bezprzewodowe rozwiązania służące do śledzenia wydarzeń sportowych zostały zaprojektowane specjalnie z myślą o gromadzeniu niestandardowych, dogłębnych danych i zapewnianiu do nich wglądu (w czasie rzeczywistym) w dążeniu do jednego, nadrzędnego celu – natychmiastowej i trwałej poprawy wydajności zawodników.

Wskaźniki, które mają znaczenie

Monitorowanie szybkości poruszania się sportowca lub rzucania piłki przez zawodnika jest przydatną, ale zgrubną miarą jego skuteczności – na przykład znakomity miotacz baseballowy może osiągać prędkość rzutu do 174 km/h. Tak naprawdę jednak dopiero połączenie dziesiątków innych punktów danych pozwala stworzyć unikalny profil umiejętności, techniki, mocy, wytrzymałości, wydajności, regeneracji, czy wreszcie ogólnego rozwoju danej osoby. Ważnymi parametrami w różnych dyscyplinach sportowych mogą być np. ruchy ciała sportowca podczas wykonywania kluczowych czynności czy też pozycja, kąt rzutu, szybkość wirowania i tempo przyspieszenia kija lub piłki na różnych etapach gry.

Każdy sport charakteryzuje się unikalnymi parametrami, które mają znaczenie dla osiąganych wyników. W przypadku sportów indywidualnych, takich jak lekkoatletyka i kolarstwo, kluczowe wskaźniki mogą koncentrować się na sprawności biomechanicznej i precyzji technicznej. W przypadku sportów zespołowych, takich jak piłka nożna czy ręczna, typowymi parametrami będą m.in. sprint, przyspieszenie, opóźnienie i intensywność obciążenia fizycznego. Są to parametry, które pomagają ocenić wytrzymałość, szybkość, jakość ruchów i inne parametry zawodnika. Tymczasem wkład w grę i skuteczność każdego gracza można oceniać na podstawie wielkości bardziej specyficznych dla pozycji, takich jak wskaźniki powodzenia przy starciu, ukończonych podań lub celności strzału.

Technologia sprawia, że te wskaźniki stają się łatwo dostępne. Narzędzia takie jak czujniki inercyjne, urządzenia kotwiczące i usługi lokalizacyjne tworzą systemy, które mierzą różne aspekty sportu i aktywności niemal w czasie rzeczywistym – w tym lokalizację, ruch, prędkość, przyspieszenie, orientację zawodnika, siłę uderzenia piłki, kija czy krążka, a także parametry opisujące stan butów, kasków i innych elementów wyposażenia. 

Duże ilości nieprzetworzonych danych mogą być analizowane za pomocą algorytmów działających bezpośrednio w czujniku lub wbudowanym procesorze bezprzewodowego układu SoC, znajdującego się w urządzeniu ubieralnym – jeszcze zanim informacje zostaną przekazane (przy użyciu łączności o niskiej latencji) do współpracującej aplikacji w smartfonie lub do sieciowego pulpitu nawigacyjnego użytkownika.

Śledzenie sportowców, piłek i sprzętu

Istnieją już różne rodzaje rozwiązań do analityki sportowej, przeznaczonych do różnych celów. Na przykład technologia śledzenia piłki dostarcza danych o trajektorii, rotacji i odbijaniu piłki, pomagając w pomiarze jakości i dokładności podań i strzałów, a także w ocenie pozycji w defensywie i ofensywie.

Z kolei technologia śledzenia zawodników zapewnia wgląd w dokładną pozycję, ruchy i aktywność samych sportowców, pomagając w pomiarze ich wyników, kondycji, obciążenia fizycznego i skuteczności podejmowanych decyzji taktycznych.

Co więcej, urządzenia ubieralne przymocowane do nadgarstka, klatki piersiowej lub innych części ciała pozwalają uzyskać znacznie głębsze spojrzenie na dane, potencjalnie ujawniając kluczowe informacje na temat zmienności częstości akcji serca sportowca (HRV), maksymalnego tempa zużycia tlenu podczas wysiłku fizycznego (VO2maks), zmęczenia mięśni, tworzenia się kwasu mlekowego, osiąganej mocy wyjściowej i innych ważnych parametrów fizycznych. Projektanci urządzeń do ciągłego monitorowania poziomu glukozy (CGM) również zaczynają wprowadzać swoje technologie na rynek sportowy. Poziom glukozy sygnalizuje sportowcom czy potrzebują dodatkowej energii, aby móc kontynuować trening. 

Takie spostrzeżenia mogą pomóc w lepszym zrozumieniu tego, jak sportowiec reaguje na trening, czy jest przetrenowany i czego potrzebuje, aby prawidłowo się zregenerować i zapobiec kontuzjom.

W przypadku gry w koszykówkę czujniki noszone na ciele i modele predykcyjne są już stosowane do śledzenia konkretnych wskaźników, takich jak równowaga ciała, aby wskazać prawdopodobieństwo kontuzji zawodnika w oparciu o jego indywidualne wzorce ruchowe i obciążenie fizyczne. Na przykład w piłce nożnej kluby na całym świecie zainwestowały spore środki finansowe w urządzenia ubieralne do śledzenia i monitorowania danych, takich jak zmęczenie zawodników podczas treningów, ustawienie podczas gry, pokonany dystans i seria udanych akcji.

Jednym z wyróżniających się przykładów jest seria urządzeń Apex z technologią firmy Nordic, używana przez wiele dużych, międzynarodowych organizacji sportowych, w tym przez angielskie kluby piłkarskie Premier League. Opracowane przez północnoirlandzką firmę STATSports (zajmującą się rozwiązaniami w zakresie śledzenia danych) urządzenie Apex jest osadzone w specjalnej, lekkiej kamizelce noszonej przez sportowca i zawiera szereg czujników, w tym wysoko czuły przyspieszeniomierz, żyroskop, magnetometr i rozszerzony system nawigacji satelitarnej (GNSS). Czujniki te dostarczają wyczerpujących danych, w tym o maksymalnej i średniej częstości akcji serca, całkowitym pokonanym dystansie, aktualnej i maksymalnej prędkości, liczbie sprintów, przyspieszeń, uderzeń, obciążeniu dynamicznym i równowadze kroków. Omawiane rozwiązanie korzysta z łączności Bluetooth LE do bezprzewodowej synchronizacji dokładnych i wiarygodnych parametrów sportowych ze smartfonami i tabletami, aby trenerzy mogli podejmować świadome decyzje podczas meczu lub sesji treningowej.

Potęga analityki predykcyjnej

Ostatecznym czynnikiem zmieniającym zasady gry w sektorze sportowym jest modelowanie predykcyjne i analityka oparta na danych, przeprowadzana w tzw. środowisku brzegowym (co oznacza, że podejmowanie decyzji opartych na danych odbywa się możliwie jak najbliżej samych czujników).

Gdy odpowiednie dane są nie tylko wykorzystywane wprost, ale także analizowane i interpretowane z użyciem algorytmów sztucznej inteligencji brzegowej i uczenia maszynowego (ML), analitycy sportowi mogą skorzystać z jeszcze dokładniejszych, spersonalizowanych wskazówek. Dzięki dodaniu sztucznej inteligencji (AI) i uczenia maszynowego (ML) sportowe urządzenie ubieralne (z tymi samymi czujnikami, co wcześniej) może teraz stale monitorować kilka parametrów wydajności jednocześnie, odkrywając istotne wzorce obecne w tym procesie, a niedostrzegalne przez człowieka dokonującego przeglądu oryginalnych danych wejściowych.

Dzięki analizie zarówno danych historycznych, jak i informacji z czujników w czasie rzeczywistym, modele statystyczne mogą pomóc w identyfikacji czynników, które mają duży wpływ na sposób, w jaki sportowcy się przygotowują, pracują i regenerują, nie wspominając o identyfikowaniu strategii przeciwników i ocenie ogólnej dynamiki zespołu. Omawiana technologia przenosi analitykę danych sportowych na zupełnie nowy poziom. 

Integracja zaawansowanych układów SoC z funkcjami sztucznej inteligencji i uczenia maszynowego pozwala urządzeniom brzegowym na samodzielne radzenie sobie ze znacznie większym obciążeniem obliczeniowym. Korzyści z przetwarzania brzegowego to m.in. oszczędność mocy (przez ograniczenie przepustowości i/lub częstotliwości nadawania), dłuższy czas pracy baterii oraz obniżenie kosztów związanych ze stosowaniem systemów big data, a także zwiększenie bezpieczeństwa i prywatności danych – oryginalne informacje pozostają bowiem na samym urządzeniu, co jest szczególnie cenne w sporcie zawodowym.

Nie ma wątpliwości, że opisywane technologie będą w coraz większym stopniu wpływać na współczesny sport. Według badania firmy Allied Market Research globalny rynek sztucznej inteligencji w sporcie ma osiągnąć wartość 19,2 miliarda dolarów w 2030 roku, przy zwiększeniu wartości skumulowanego rocznego wskaźnika wzrostu na poziomie 30,3% w latach 2021...2030 [1].

Układy SoC nowej generacji zoptymalizowane pod kątem sztucznej inteligencji brzegowej

Zapotrzebowanie na coraz bardziej zaawansowane rozwiązania analityczne w sporcie zwiększa jednocześnie popyt na bezprzewodowe układy SoC, które stanowią „serce” czujników i urządzeń ubieralnych. Obsługa łączności bezprzewodowej i nadzorowanie wielu czujników, które mogą generować potężne zbiory danych, to tylko jedna strona medalu. Równie ważne jest zrozumienie wszystkich tych danych w odpowiednim kontekście – i to na tyle szybko, aby umożliwić sprawne i skuteczne podejmowanie decyzji. Osiągnięcie tego celu jest możliwe przy zastosowaniu układu SoC o dużej mocy obliczeniowej oraz możliwości implementacji algorytmów uczenia maszynowego i fuzji czujników w środowisku brzegowym.

Algorytmy uczenia maszynowego dają możliwość radzenia sobie z dużą ilością informacji i wyodrębniania istotnych cech z obszernych zbiorów danych. Uzyskanie pełnego obrazu wymaga połączenia różnych strumieni danych z wielu czujników, a to wiąże się z koniecznością zastosowania układu SoC zdolnego do fuzji danych z czujników, aby mógł on filtrować informacje i określić, które punkty danych ze wszystkich sensorów odpowiadają tej samej aktywności, a które nie.

Mając na uwadze fakt, iż pomyślne wdrażanie zastosowań sztucznej inteligencji i uczenia maszynowego w mikroukładach bezprzewodowych z zasilaniem bateryjnym wymaga potężnych możliwości obliczeniowych przy umiarkowanym poborze mocy, w nowej serii układów SoC serii nRF54 firma Nordic zaoferowała procesor Arm Cortex-M33 do zaawansowanych obliczeń przy najniższym możliwym poborze mocy. Takie rozwiązanie pozwala przetwarzać 10-krotnie większą ilość danych niż było to wcześniej możliwe w tym samym czasie. Alternatywnie można też 10-krotnie szybciej przetwarzać tę samą ilość danych, po czym wprowadzać urządzenie w stan uśpienia o ultraniskim poborze mocy, co w efekcie daje 10-krotne obniżenie zuzycia energii.

Dzięki zastosowaniu sztucznej inteligencji brzegowej w układzie SoC serii Nordic nRF54 sportowe urządzenie analityczne będzie pobierać mniej mocy, niż gdyby wysyłało wszystkie dane bezprzewodowo – a to pozwoli działać dłużej, nawet przy użyciu mniejszej baterii. A ponieważ dane są przetwarzane lokalnie w czasie rzeczywistym, nie ma potrzeby wykorzystywania przepustowości do wysyłania surowych danych, nie trzeba także tracić czasu na oczekiwanie na odpowiedź z chmury.

Opisane postępy technologiczne dobrze wróżą przyszłości sportu. Aby zdobyć przewagę nad konkurencją, czołowi sportowcy, trenerzy i zespoły sięgają po rozwiązania bazujące na przetwarzaniu brzegowym. Dzięki nowoczesnym systemom analizy danych można zyskać głębszy wgląd w sytuację na polu rozgrywek i wynieść sportowe osiągnięcia na wyższy poziom.

Bibliografia
1. „Sztuczna inteligencja na rynku sportowym”, https://www.alliedmarketresearch.com/artificial-intelligence-in-sports-market-A12905