استخدام التعلم الآلي للإجابة عن الأسئلة الخاصة بكرة البيسبول

وبالنظر إلى طبيعة اللعب في البيسبول، فإن جزءًا كبيرًا من الإصابات تحدث في حوادث غير احتكاكية، مما يعني أن الحاجة إلى قياس الحمل التدريبي والتحكم فيه سيساعد في تقليل هذه الأنواع من الإصابات.

مع وضع ذلك في الاعتبار، قام فريق التحليلات في Catapult بتطبيق التعلم الآلي الذي يستفيد من آلاف نقاط البيانات التي تم الحصول عليها باستخدام جهاز OptimEye S5. باستخدام تلك البيانات الأولية والفيديو من الألعاب والتدريبات الاحترافية، تمكنت Catapult من تطوير خوارزميات خاصة بالرياضة تحدد حجم وشدة الأنشطة مثل الرمي والتأرجح بالمضرب.

وقد أثبتت الاختبارات المبكرة أن معدل الدقة يزيد عن 90%، حيث تسمح وظيفة التعلم الآلي بتحسينها مع زيادة البيانات التي يتم إدخالها إليها.

تقليص قائمة المعاقين في MLB

أظهرت الدراسات التي نشرت في المجلة الأمريكية لجراحة العظام أن عدد الإجازات في قائمة المعاقين (DL) والعدد الإجمالي لأيام الإجازات في قائمة المعاقين يزداد عامًا بعد عام. ومن بين اللاعبين المصابين في قائمة الإعاقة، فإن الرماة هم الأكثر تعرضاً للإصابة من بين اللاعبين المصابين في قائمة الإعاقة، ويقضون وقتاً أطول في قائمة الإعاقة، مقارنةً بكل مركز آخر.

شرع فريق التحليلات في Catapult في تحديد الحركات التي تؤدي عادةً إلى هذه الإصابات الناتجة عن الإفراط في الاستخدام، مع نظرية أن القدرة على استخدام بيانات موضوعية عن حجم وشدة هذه الحركات ستمنح الممارسين القدرة على التحكم في أحمال التدريب.

صناعة خوارزمية البيسبول

من أجل تحديد الأحداث مثل رمي الكرة وضربات المضرب، تم تدريب خوارزمية تعلم آلي خاضعة للإشراف لمطابقة ضربات المضرب والضربات التي تم جمعها أثناء التدريب مع القراءات من جهاز OptimEye S5.

على وجه التحديد، قامت Catapult ببناء خوارزمية عشوائية للغابات العشوائية استناداً إلى بيانات تم جمعها من جلسات تدريبية من مختلف فرق البيسبول، سواءً المحترفة أو الجماعية. وتحتوي بيانات التدريب على قراءات مقياس التسارع والجيروسكوب لأكثر من 6000 حدث من الرميات أو ضربات المضرب أو أي منهما، لعشرات اللاعبين وفي مراكز مختلفة.

تم إدخال عتبة على حمل اللاعب من أجل عزل الأحداث الانفجارية عن الأحداث الأخرى مثل المشي. سيضمن ذلك أن الخوارزمية تختار فقط الرميات الشبيهة باللعبة وأرجحة المضرب.

حول كل واحد من هذه الأحداث، درست Catapult السمات التي تم الحصول عليها من مقياس التسارع ثلاثي الأبعاد والجيروسكوب ثلاثي الأبعاد ضمن نافذة مدتها ثانيتان من الحدث: ثانية واحدة قبل الحدث وثانية واحدة بعده. تتضمن أمثلة على السمات القيمة القصوى والمتوسط والانحراف المعياري لقراءة مقياس التسارع والجيروسكوبات.

تم إدخال كل ميزة من هذه الميزات للحدث محل الاهتمام بالإضافة إلى تصنيفها كرمية أو تأرجح بالمضرب أو لا هذا ولا ذاك لبناء مجموعة تدريب للخوارزمية.

النتائج والمناقشة

بعد تعرض الخوارزمية لعدد كبير من الأمثلة لتغطية العديد من الرميات وأرجحة المضرب، تمكنت الخوارزمية من تحقيق دقة تزيد عن 90% في اكتشاف الرميات وأرجحة المضرب خلال جلسة تدريبية. تشمل الرميات المكتشفة بدقة ممتازة ما يلي:

• بولبين
• الرمي من التلة إلى الماسك
• رميات عالية الجودة أثناء الإحماء
• رميات المسافات البعيدة أثناء اللعب في الميدان
• التأرجح في القفص أو أثناء تمرين الضرب بالمضرب

يعكس التقدير المتحفظ حقيقة أن الخوارزمية مضبوطة على احتساب الرميات والتأرجحات القوية بما يكفي لتكون شبيهة باللعبة (أي الرميات "عالية الجودة" والتأرجحات بالمضرب). معظم الأخطاء ناتجة عن الرميات اللينة في بداية الروتين والتي تكون لينة جدًا بحيث لا يمكن احتسابها.

بعد تصنيف جلسة التدريب إلى تأرجحات، أو رميات، أو رميات، أو عدم القيام بأي منهما، تقوم الخوارزمية بحساب إجمالي الحمل المرتبط بكل تأرجح بالمضرب أو رمية. يمكن الحصول على كميات مختلفة مثل متوسط player load أو متوسط الوقت بين هذه الأنشطة، بالإضافة إلى النطاق لكل رمية أو أرجحة مضرب، من خلال الواجهة.

تُمكّن مقاييس Catapult الخاصة برمي الكرة وضربات المضرب ممارسي البيسبول من التحكم في حجم وشدة الحركات الرئيسية التي تؤدي إلى إصابات مفرطة وتكلف الفرق المحترفة والجامعية ملايين الدولارات كل عام. تتمتع هذه المقاييس بالقدرة على تحديد مستقبل فترة تدريب الرماة وضاربي الكرة للمدربين الذين يريدون شفافية أفضل في تأثير التدريب في بيئة واقعية.

هل أنت مهتم بمعرفة كيف يمكن لمنجنيق المنجنيق الإجابة عن أسئلتك الخاصة بالرياضة؟ اكتشف المزيد عن تحليلات الأداء لدينا هنا.