Einsatz von maschinellem Lernen zur Beantwortung von Baseball-spezifischen Fragen

In Anbetracht der Art des Baseballspiels tritt ein großer Teil der Verletzungen ohne Kontakt auf, was bedeutet, dass die Notwendigkeit, die Trainingsbelastung zu messen und zu kontrollieren, dazu beitragen wird, diese Art von Verletzungen zu verringern.

Vor diesem Hintergrund hat das Analyseteam von Catapult maschinelles Lernen implementiert, das die Tausende von Datenpunkten nutzt, die mit dem OptimEye S5-Gerät erfasst werden. Mithilfe dieser Rohdaten und Videos von professionellen Spielen und Trainingseinheiten konnte Catapult sportartspezifische Algorithmen entwickeln, die das Volumen und die Intensität von Aktivitäten wie Werfen und Schwingen des Schlägers quantifizieren.

Erste Tests haben eine Genauigkeit von über 90 % ergeben, wobei die Funktion des maschinellen Lernens mit zunehmender Datenmenge verbessert werden kann.

Verkürzung der Invalidenliste in der MLB

Studien im American Journal of Orthopedics haben gezeigt, dass die Zahl der Einsätze auf der Invalidenliste und die Gesamtzahl der Invalidentage von Jahr zu Jahr gestiegen ist. Unter den verletzten Spielern auf der DL sind Pitcher am häufigsten verletzt und verbringen länger auf der DL als alle anderen Positionen.

Das Analyseteam von Catapult machte sich daran, die Bewegungen zu quantifizieren, die am häufigsten zu diesen Überlastungsverletzungen führen, mit der Theorie, dass die Möglichkeit, objektive Daten über Umfang und Intensität dieser Bewegungen zu nutzen, den Trainierenden die Möglichkeit gibt, die Trainingsbelastung zu kontrollieren.

Die Entstehung eines Baseball-Algorithmus

Um Ereignisse wie Würfe und Schlägerschläge zu quantifizieren, wurde ein überwachter Algorithmus für maschinelles Lernen trainiert, um die während des Trainings gesammelten Würfe und Schlägerschläge mit den Messwerten des OptimEye S5 Geräts abzugleichen.

Catapult entwickelte einen Random-Forest-Algorithmus auf der Grundlage von Daten, die bei Trainingseinheiten verschiedener Baseball-Teams (Profis und Colleges) gesammelt wurden. Die Trainingsdaten enthalten Beschleunigungsmesser- und Gyroskop-Messwerte für über 6.000 Ereignisse von Würfen, Schlägerschwüngen oder beidem für Dutzende von Spielern und verschiedene Positionen.

Es wurde ein Schwellenwert für die Belastung des Spielers eingeführt, um die explosiven Ereignisse von anderen Ereignissen wie dem Gehen zu isolieren. Damit wird sichergestellt, dass der Algorithmus nur spielähnliche Würfe und Schlägerschwünge auswählt.

Um jedes dieser Ereignisse herum untersuchte Catapult Merkmale, die vom dreidimensionalen Beschleunigungsmesser und vom dreidimensionalen Gyroskop innerhalb eines Zeitfensters von zwei Sekunden nach dem Ereignis ermittelt wurden: eine Sekunde vor und eine Sekunde nach dem Ereignis. Zu den Merkmalen gehören beispielsweise der Höchstwert, der Mittelwert und die Standardabweichung für die Messwerte der Beschleunigungsmesser und der Gyroskope.

Jedes dieser Merkmale wurde für das betreffende Ereignis sowie für die Klassifizierung als Wurf, Schlägerschwung oder beides eingegeben, um eine Trainingsmenge für den Algorithmus zu erstellen.

Ergebnisse und Diskussion

Nach einer großen Anzahl von Beispielen, die viele Würfe und Schlägerschwünge abdecken, konnte der Algorithmus eine Genauigkeit von über 90 % bei der Erkennung von Würfen und Schlägerschwüngen während einer Trainingssitzung erreichen. Zu den mit ausgezeichneter Genauigkeit erkannten Würfen gehören:

• Bullpen
• Pitching vom Mound zum Catcher
• Qualitätswürfe beim Aufwärmen
• Weite Würfe bei der Feldarbeit
• Schaukeln im Käfig oder beim Schlagtraining

Die konservative Schätzung spiegelt die Tatsache wider, dass der Algorithmus nur Würfe und Schwünge zählt, die hart genug sind, um spielähnlich zu sein (d. h. "hochwertige" Würfe und Schlägerschwünge). Die meisten Fehler stammen von weichen Würfen zu Beginn der Übung, die zu weich sind, um gezählt zu werden.

Nach der Klassifizierung einer Trainingseinheit in Schwünge, Würfe oder keines von beiden, berechnet der Algorithmus die mit jedem Schlägerschwung und Wurf verbundene Gesamtbelastung. Über die Schnittstelle können verschiedene Größen wie die durchschnittliche player load oder die durchschnittliche Zeit zwischen diesen Aktivitäten sowie die Bandbreite für jeden Wurf oder Schlägerschwung abgerufen werden.

Die Catapult-Metriken für Pitching und Bat Swings ermöglichen es Baseballtrainern, den Umfang und die Intensität von Schlüsselbewegungen zu kontrollieren, die zu Überlastungsverletzungen führen und Profi- und College-Teams jedes Jahr Millionen von Dollar kosten. Diese Metriken haben die Fähigkeit, die Zukunft der Pitcher- und Batter-Trainingsperiodisierung für Trainer zu diktieren, die eine bessere Transparenz des Trainingseffekts in einer realen Umgebung wünschen.

Möchten Sie herausfinden, wie Catapult Ihre sportartspezifischen Fragen beantworten kann? Erfahren Sie hier mehr über unsere Leistungsanalyse.