Исследователи из Университета Нью-Гэмпшира (UNH) предложили использовать машинное и глубокое обучение для создания стандартизированной системы оценки сложности маршрутов для скалолазания. Работа опубликована в журнале Frontiers in Sport and Active Living.
Сейчас не существует единого метода определения сложности маршрута. В спортзалах оценки часто зависят от субъективного мнения инструкторов, что приводит к разным интерпретациям и предвзятости. Особенно это важно после включения скалолазания в программу Олимпийских игр в Токио-2020.
«Популярность скалолазания растет очень быстро. Но как определить объективную сложность маршрута, которая подойдет всем?» — говорит Блейз О’Мара, ведущий автор исследования.
В работе рассмотрены три подхода машинного обучения:
- Маршрут-центрированный – анализирует характеристики маршрута: тип зацепов, движения между ними и последовательность;
- Клиент-центрированный – использует датчики на спортсменах для сбора данных об их движениях и нагрузках;
- Поиск пути – объединяет элементы двух предыдущих подходов.
Наиболее точным оказался маршрут-центрированный метод в сочетании с Natural Language Processing (NLP). Он позволил определять сложность маршрута с точностью 84,7%.
«Мы надеемся, что машинное обучение и компьютерное зрение помогут устранить предвзятость при оценке маршрутов и создать более объективную систему классификации», — отметил М.Д. Шаад Махмуд, профессор электротехники и вычислительной техники UNH.
В будущем такие технологии смогут автоматически оценивать маршруты и даже адаптировать их под возможности конкретного спортсмена.
