由于新冠肺炎疫情，今年的奥运会可能不对大多数观众开放，但由于数十台摄像机记录着运动员的每一次跳跃、潜水和翻转，全世界的目光仍然聚焦在运动员身上。在所有这些广播设备中，田径比赛的参赛者可能会注意到五台额外的摄像机——这是一个详细的 3-D 跟踪系统的第一步，该系统为观众提供近乎即时的洞察，了解比赛的每一步或接力棒的传递。
而跟踪仅仅是开始。东京展示的技术表明，精英运动员训练的未来不仅在于收集关于人体的数据，还在于利用这些数据创建人体的数字复制品。这些虚拟化身有一天可以运行假设的场景，以帮助运动员决定哪些选择将产生最佳结果。
东京正在使用的跟踪系统，一种名为 3DAT 的英特尔产品，将实时视频输入云端。在那里，人工智能程序使用深度学习来分析运动员的动作，并识别关键的性能特征，如最高速度和减速度。该系统通过显示动作的慢动作图形表示，突出关键时刻，与观众分享这些信息。从捕捉视频到广播分析的整个过程不到 30 秒。
支持科学新闻事业
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻事业 订阅。通过购买订阅，您正在帮助确保未来能够继续报道关于发现和塑造我们当今世界的想法的具有影响力的故事。
例如，在 NBC 广播俄勒冈州尤金举行的 100 米选拔赛期间，人工智能显示了 沙卡里·理查森 如何在她的巅峰时期达到每小时 24.1 英里的速度，并在她到达终点线时减速到每小时 20.0 英里。这足以赢得比赛：理查森的亚军最高速度为每小时 23.2 英里，在终点线处减速至每小时 20.4 英里。
英特尔奥运技术集团的体育性能技术主管乔纳森·李说：“这就像拥有你自己的私人评论员，在比赛中向你指出重点。”
为了通过机器学习训练他们的奥运人工智能，李和他的团队必须尽可能多地捕捉精英田径运动员运动的镜头。他们需要人类身体进行特定动作的录像，但用于类似研究的现有镜头显示的是普通人在运动，这会使算法感到困惑，李说。“人们通常不会完全水平地停留在空中七英尺，”他指出，但世界级跳高运动员经常达到这样的高度。
在录像中，英特尔的一个团队手动注释了身体的每个部分——眼睛、鼻子、肩膀等等——逐个像素。一旦确定了这些关键点，模型就可以开始在三个维度上连接它们，直到它获得运动员体形的简化渲染图。跟踪这个“骨架”使程序能够在运动员的身体在赛事中移动时执行 3-D 姿势估计（一种计算机视觉技术，可以跟踪物体并尝试预测它在空间中可能发生的变化）。
该跟踪系统仅限于今年奥运会的田径赛事。但类似的技术可能会成为各种运动的标准配置，意大利布雷西亚大学的人机交互研究员兼助理教授芭芭拉·丽塔·巴里切利建议道，她没有参与英特尔的项目。“真正的重大转变是，当一项技术不仅用于娱乐或研究，而且被实践社区接受时，”巴里切利说。例如，当视频助理裁判员首次在足球比赛中使用时，它们在广播网络中很受欢迎——但一些人类裁判员拒绝在改变比赛结果的判罚中依赖它们。这项技术仍然存在争议，但现在许多官员经常使用视频助理来帮助做出判罚。巴里切利认为 3DAT 在奥运会上的首次亮相可能是“研究成果与实践相结合的一大步——或者更好的是，实践拥抱研究成果”。
李认为，人工智能可以帮助从奥运选手到普通健身爱好者等所有人纠正他们的姿势，跟踪他们步态的变化，这些变化可能表明即将发生的损伤等等。“从长远来看，这项技术将通过为运动员提供更多信息来帮助提高[运动员的]表现，”曾在英特尔 3DAT 项目工作的两届奥运会十项全能冠军阿什顿·伊顿 告诉俄勒冈人报。
所有这一切都归功于计算技术的进步，这些进步使人工智能能够更有效地将 2-D 图像转换为 3-D 模型。李说，它正在产生“我们以前从未有过的——以前没有人有过的——信息，因为它太麻烦了”。他认为，像最近的田径选拔赛中分享的那些见解仅仅是个开始。
未来，运动员可能会越来越依赖大量数据，并利用人工智能进行处理，以提高他们的比赛水平。其中一种工具可能是一种名为数字孪生的模型——“一个虚拟的你填空的表示，”美国宇航局总部空间技术任务理事会首席技术专家约翰·维克斯说。
这些模型以计算机程序中的数据形式存在，因此可以在屏幕上或虚拟现实中查看，并运行真实世界情况的模拟。十多年前，维克斯与佛罗里达理工学院的研究教授迈克尔·格里夫斯共同创造了“数字孪生”这个词。维克斯说，工程师最初将数字孪生定义为工业物体的 不断发展的 虚拟模型，从下一代 太空飞行器 到整个 地球城市。例如，2020 年，美国空军启动了一个为期六年的项目，以 开发 B-1B 枪骑兵轰炸机的数字孪生，以了解各个部件如何衰减，以及如何减缓这些过程。现在，研究人员正在开发数字孪生技术，以构建、测试甚至运营几乎任何东西，从竞技场中“粉丝体验”等抽象概念到人类。
巴里切利目前正在从事这项工作。她认为，工程师很快将利用从可穿戴健身监测器和人工智能跟踪工具收集的数据来部署 个别运动员的数字孪生。教练可以使用这些来测试比赛如何受到从睡眠模式到饮食到在球场上的站姿等各种行为的影响。数字孪生最终可以帮助运动员预测他们未来的真实世界表现，甚至可以提出训练调整建议。
巴里切利说：“在那个层面上，[运动员]持续监测他们训练的假设结果将非常有帮助。”这样，“你每次做某事时都会看到它如何影响你取得的成果。”