【2020東京奧運會使用的 3D 跟蹤系統可能有朝一日使運動員的數字孿生成為可能】

由於 新冠疫情，今年的奧運會對大多數觀眾都不開放，但數十臺攝像機記錄了每一次跳躍、俯衝和翻轉，全世界的目光仍集中在運動員身上。在所有這些廣播裝置中，田徑運動員可能會注意到額外的五個攝像機——這是精細的3D 跟蹤系統第一步，該系統為觀眾提供對比賽的每一步即時的洞察力。跟蹤只是一個開始，在東京展出的技術表明，運動訓練的未來不僅在於收集有關人體的資料，還在於使用這些資料建立人體的數字複製品，即運動員的數字孿生。這些數字化身有一天可以透過假設場景來幫助運動員決定哪些選擇會產生最好的結果。

東京奧運會使用的跟蹤系統是一種名為 3DAT 的英特爾產品，可將實時鏡頭輸入雲端。在那裡，人工智慧程式使用深度學習來分析運動員的動作並識別關鍵效能特徵，例如最高速度和減速。該系統透過顯示動作的慢動作圖形表示，並突出關鍵時刻與觀眾共享該資訊。整個過程，從拍攝鏡頭到播放分析，不到 30 秒。

例如，在 NBC 播放俄勒岡州尤金市的 100 米試跑期間，AI 展示了Sha'Carri Richardson如何在她的巔峰時期達到 24.1 英里/小時，並在她到達終點線時減速到 20.0 英里/小時。這足以贏得比賽。亞軍Richardson 達到了每小時 23.2 英里的最高速度，並在過程中減速到 20.4 英里/小時。

為了透過機器學習訓練他們的奧林匹克人工智慧，Lee 和他的團隊必須儘可能多地捕捉優秀田徑運動員的運動鏡頭。他們需要記錄人體執行特定動作，但現有鏡頭顯示的是普通人的動作，這可能會使演算法混淆，畢竟普通人通常不會在空中達到七英尺高的水平高度，但世界級的跳高運動員可以。在影片中，英特爾的一個團隊逐個畫素地手動註釋了身體的每個部位——眼睛、鼻子、肩膀等等。一旦確定了這些關鍵點，模型就可以開始在三個維度上將它們連線起來，直到它具有運動員形式的簡化渲染。跟蹤這個“骨架”使程式能夠在運動員的身體上預測 3D 姿態，這是一種跟蹤物件並試圖預測它在空間中可能發生的變化的計算機視覺技術。Lee 認為 AI 可以幫助奧林匹克運動員和普通健身者，讓每個人糾正他們的運動形式，預測可能發生運動損害的步態變化等等。

“從長遠來看，這項技術將透過向運動員提供更多資訊來幫助提高他們的表現，”兩屆奧運會十項全能冠軍阿什頓·伊頓說，他曾在英特爾3DAT專案中工作。

所有這一切都歸功於算力的進步，使人工智慧能夠更有效地將 2D 影象轉換為 3D 模型。它正在產生人民眾以前從未擁有過的資訊，而在最近的田徑中的試驗僅僅是個開始。未來，運動員可能會更多地依賴大量資料，透過人工智慧處理，以提高他們的比賽水平。

數字孿生模型作為計算機程式中的資料存在，可以在螢幕上或虛擬現實中檢視它們，並透過模擬現實世界的情況執行。十多年前，維克斯與佛羅里達理工學院的研究教授邁克爾·格里夫斯 (Michael Grieves) 創造了“數字孿生”一詞。Vickers 認為，工程師最初將數字孿生定義為不斷髮展的工業物體的虛擬模型，從下一代太空飛行器到整個地球城市。接下來工程師很快就會使用從可穿戴健身監視器和人工智慧跟蹤工具收集的資料來部署單個運動員的數字孿生模型。教練可以使用這些來測試各種行為如何影響比賽，從睡眠模式到飲食再到場上的站姿。這個虛擬模型最終可以幫助運動員預測他們未來的現實世界表現，甚至可以提出訓練調整建議。