Шведські розробники навчили нейромережу розрізняти чотири техніки катання на лижах, використовуючи тільки дані з тензометричних та інерційних датчиків, встановлених у лижних палицях. Експерименти показали, що точність розпізнавання техніки становить 95 відсотків, розповідають автори в препринті на arXiv.org.
Найчастіше професійні спортсмени і любителі використовують для відстеження своїх тренувань технічні засоби. Наприклад, при їзді на велосипеді людина може відстежувати свій маршрут, швидкість і набір висоти за допомогою GPS-приймача або смартфона, а також відстежувати навантаження за допомогою пульсометра або вимірювача потужності. Такі вимірювачі працюють завдяки тензометричним датчикам, які вимірюють силу, з якою гонщик тисне на педалі. У випадку з лижним спортом збирати подібні дані складніше, тому що докладені лижником зусилля розподіляються між ногами і руками, причому співвідношення навантаження на м'язи ніг і рук залежить від техніки катання, кращість якої в свою чергу залежить від нахилу траси, снігу та інших факторів.
Інженери з Технічного університету Чалмерса під керівництвом Ніки Лізбат Лоуренс (Nickey Lizbat Lawrence) використовували датчики в лижних палицях для автоматичного визначення техніки катання під час тренувань, що може допомогти поліпшити їхню якість. У своїй роботі автори сконцентрувалися на чотирьох техніках, що часто застосовуються під час лижних гонок. Перший стиль - це класичне одночасне відштовхування обома палицями. Три інші техніки - це варіації ковзаного ходу, що використовуються при різних кутах нахилу траси.
Як джерело даних інженери використовували лижні палиці з вбудованими тензометричними датчиками, що вимірюють силу, з якої лижник відштовхується за допомогою палиці, а також інерціальними датчиками, що вимірюють швидкість, прискорення і кут між палицею і землею. Всі дані збиралися з частотою 50 замірів в секунду. Для аналізу інженери запросили дані, отримані компанією-виробником палиць під час тренувань трьох лижників-аматорів. Датасет був розбитий на окремі сегменти, що відповідають тій чи іншій техніці катання.
Інженери вибрали для аналізу даних три нейромережеві архітектури: одномірну згорточну нейромережу, а також класичну і двонаправлену мережі з довгою короткостроковою пам'яттю (LSTM), які здатні зберігати інформацію про попередні операції протягом довільного проміжку часу і навчатися виявленню довготривалих залежностей. Розробники перевірили роботу нейромереж у двох режимах. У першому вони навчалися на даних від усіх трьох лижників і перевірялися на даних від них, які не зустрічалися під час навчання. У другому режимі автори залишили тільки LSTM-мережу, яку навчали на даних від двох лижників, а перевіряли на даних від третього. Результати першого експерименту показали, що обидві мережі з довгою короткостроковою пам'яттю змогли розпізнати техніку з точністю 95 відсотків, а згорточна нейромережа з точністю 90 відсотків. Під час другого навчання точність класифікації знизилася з 95 до 78 відсотків.
Нейромережеві алгоритми не вперше використовують у спорті. Наприклад, у 2017 році нейромережу навчили самостійно визначати ігрові ролі та позиції футболістів щодо їх поведінки на полі. А нещодавно нейромережа, навчена на інформації про 400 існуючих видів спорту, придумала новий командний вид спорту, названий спідгейтом.