모든 스포츠가 테니스만큼 AI 구현에 적합한 것은 아닙니다. 스포츠는 모든 수준에서 데이터 기반이며 기술적 특성으로 인해 진실하고 정확한 데이터가 그 어느 때보다 중요해지고 있습니다. 

최고의 선수들이 가능한 모든 이점을 얻으려고 하는 상황에서 AI가 차이를 만드는 요인이 될 수 있습니다. AI의 도움으로 우리는 매치 플레이 데이터에서 인간이 절대 볼 수 없는 패턴을 갑자기 발견할 수 있기 때문입니다. 테니스는 단 한 번의 경기에서 많은 데이터 포인트를 생성하기 때문에 스포츠는 스포츠에서 AI의 정확성을 가속화하기 위해 기계 학습 시스템에 데이터를 제공하기 위해 데이터에 액세스하는 것을 부끄러워하지 않았습니다. 

"테니스는 단 한 번의 경기에서 너무 많은 데이터 포인트를 생성하기 때문에 스포츠는 스포츠에서 AI의 정확성을 가속화하기 위해 기계 학습 시스템에 공급하기 위해 데이터에 액세스하는 것을 부끄러워하지 않았습니다."

또한 자신의 경기력을 향상시키고자 하는 레크리에이션 테니스 선수들에게도 신나는 시간입니다. AI 기술을 점점 더 쉽게 사용할 수 있게 됨에 따라 플레이어는 플레이어가 신체적으로나 정신적으로 게임을 향상할 수 있도록 혁신적이고 창의적인 솔루션을 제공하는 새로운 AI 기반 제품의 전체 라인업을 즐기고 있습니다. 

다음은 현재 게임에서 사용되는 몇 가지 흥미로운 AI 기술입니다. 

ELC(전자 회선 통화)

팬데믹은 AI 기술과 카메라를 사용하여 3.6밀리미터의 정확도 내에서 공이 있는지 여부를 결정하는 전자 전화 시스템의 구현을 가속화했습니다. 현재 투어에서 사용되는 탁월한 기술은 Hawk-Eye입니다.

AI 및 데이터와 함께 법원 주변에 배치된 카메라 웹을 사용하여 견적 공이 튀는 곳 3D 모델 재생성 팬들이 집과 코트에서 TV 화면으로 보는 장면입니다. 

남자 프로 투어인 The ATP는 최근 2025년까지 모든 토너먼트에서 전자 라인 콜을 구현하고 인간 라인 심판을 완전히 없애겠다고 약속했습니다. 이 기술은 잔디 및 하드 코트에서 원하는 수준의 정확도에 도달했지만 클레이 코트에서는 테스트가 아직 마무리 단계에 있습니다.

이는 이 표면이 "느슨하고" 움직이기 때문에 때때로 정확도를 결정하기가 더 어렵기 때문입니다. Foxtenn과 같은 Hawk-Eye의 라이벌 회사는 향후 XNUMX년 동안 점토에 더 잘 맞는 시스템을 시험해 왔습니다. 

가상 교육 도구

게임의 모든 수준에 있는 플레이어를 위해 시장에 범람하고 있는 가상 훈련 도구에서도 AI 발전이 이루어졌습니다. 가장 흥미롭고 잠재적으로 가장 유익한 것 중 하나는 센스 아레나, 어떤 용도 가상 현실 플레이어가 코트 밖에서 실제 테니스 시나리오를 시뮬레이션할 수 있도록 합니다. 

특히 이 제품은 플레이어의 정신 발달을 지원하는 데 맞춰져 있습니다. 테니스 경기에서 승리하는 데 필요한 다양한 기술을 시뮬레이트하는 다양한 교육 세션을 제공함으로써 이를 수행합니다. 예를 들어, 당신이 네트에 많이 오는 것을 좋아하는 선수와 경기를 하고 있다는 것을 알고 있다고 가정해 봅시다.

Sense Arena에서는 집에서 편안하게 게임 속도로 패스 샷을 치는 연습을 할 수 있습니다. 따라서 이 기술을 사용하여 경기를 준비할 수 있을 뿐만 아니라 부상당한 플레이어도 이 기술을 사용하여 회복하는 동안 게임을 날카롭게 유지할 수 있습니다. 이는 일반적으로 시뮬레이션하기 매우 어려운 일입니다. 

스윙 비전 AI 기술과 간단한 전화 카메라를 사용하는 모든 수준의 플레이어가 사용할 수 있는 또 다른 기술입니다. SwingVision의 AI는 비디오를 실시간으로 처리하여 세 가지 주요 이점을 제공합니다. 첫째, 앱은 포인트 사이의 시간을 자동으로 차단하고 2시간 경기를 30분 안에 볼 수 있도록 만드는 맞춤형 하이라이트를 생성합니다.

스마트 필터를 사용하면 모든 포핸드 또는 백핸드만 검토하거나 5샷 이상의 랠리만 검토할 수 있습니다. 또한 볼 속도, 사용된 스핀 유형, 샷 배치, 승률 등을 볼 수 있습니다. 최신 버전에는 Apple Watch와의 통합 기능이 있어 실시간으로 회선 통화에 도전하고 시계에서 샷을 다시 볼 수 있습니다. 

스탠포드 대학의 연구원들은 또한 세계 최고의 테니스 선수들의 플레이 스타일을 시뮬레이션하는 흥미진진한 AI 모델을 연구하고 있습니다. 사용 기계 학습, 연구원들은 Roger Federer 및 Serena Williams와 같은 플레이어의 게임 영상을 사용하여 가상 세계에서 실제 경기를 시뮬레이션할 수 있었습니다.

AI는 각 플레이어의 일반적인 전략과 슛 패턴에 대해 학습하고 이를 매치와 같은 설정으로 재현할 수 있습니다. 단일 샷이 한 발에 맞았을 때 경기가 어떻게 다르게 진행되었는지 추정할 수도 있습니다. 다른 위치. 이 기술은 비디오 게임과 같은 훈련 도구를 만드는 데 사용되어 특정 최고 선수와 가상으로 연습할 수 있습니다. 

게임 내 및 경기 후 분석 

IBM의 AI 및 Watson 기능은 그 어느 때보다 더 깊고 친밀한 방식으로 팬과 언론인을 게임에 연결하고 있습니다. 두 가지 새로운 대화형 AI 지원 혁신은 Open Questions With Watson과 Match Insights With Watson Discovery입니다. 

열린 질문 with Watson은 IBM의 Watson Discovery, IBM Project Debater 및 맞춤형 AI 알고리즘의 자연어 처리(NLP) 기능을 사용하여 "Serena Williams는 테니스 최고의 선수인가요?" 그리고 "Pete Sampras는 최고의 만능 테니스 게임을 가지고 있습니까?"

Match Insights with Watson은 이제 팬에게 각 경기에 대한 "팁 시트"를 제공합니다. Watson Discovery NLP 기술과 맞춤형 자연어 생성 알고리즘을 사용하여 뉴스, 스포츠 저널리즘 및 기타 소스에서 수백만 건 이상의 기사를 분석하여 가장 관련성이 높은 사실과 인사이트를 수집하고 데이터가 풍부한 짧은 기사를 작성하여 각 매치업의 커튼.

이 기술은 한 번에 최대 18개의 개별 경기를 주시할 수 있을 만큼 똑똑하며 플레이어 반응을 분석하고 관중의 반응 소리를 듣고 모든 경기에서 가장 재미있는 포인트의 순위를 매길 수 있습니다.

이러한 유형의 데이터 수집은 우리가 결정할 수 없다고 생각했던 질문에 대한 답을 제공할 수 있습니다. 예를 들어, 윔블던의 조용한 코트나 US 오픈의 끊임없는 수다와 소음이 선수의 경기력에 영향을 미칩니까?

이러한 양의 데이터 수집 및 분석은 물론 팬뿐만 아니라 플레이어에게도 도움이 될 수 있습니다. 호주 Queensland University of Technology(QUT)의 연구원들은 테니스 토너먼트에서 수집한 데이터를 사용하여 한 단계 더 나아가 플레이어가 사용할 수 있는 샷과 플레이어를 예측합니다.

라는 알고리즘 준지도 생성적 적대 신경망 아키텍처는 이미 상대방의 다음 샷을 예측하려고 했던 최고의 선수들의 두뇌를 모방할 수 있습니다. 이 시스템은 1,000초 동안 약 30개의 샷을 예측할 수 있습니다.

특정 플레이어에 대한 데이터가 주어진 시스템은 그 선수가 공을 칠 방법을 예측 중단점에서 서버가 라인 아래로 내려가거나 폭이 넓은 경우. 또한 특정 선수가 로브를 치거나 슛을 패스하여 네트에서 상대를 이기려고 할 가능성과 해당 슛 선택이 경기의 여러 단계에서 어떻게 변할 수 있는지 예측할 수 있습니다. 기술이 발전함에 따라 플레이어가 경기를 준비할 때 어떤 정보를 제공할지에 대한 가능성은 무궁무진합니다. 

플레이어 보호 

공공 인물이 종종 사이버 괴롭힘과 괴롭힘의 피해자라는 것은 비밀이 아닙니다. 더 많은 운동 선수가 스포츠와 관련된 정신 건강에 대한 우려를 제기함에 따라 토너먼트는 마침내 가상 세계에서뿐만 아니라 코트에서 경쟁할 때 플레이어를 지원하기 위한 조치를 취하기 시작했습니다. 

올해 Roland Garros(French Open)에서 토너먼트는 BodyGuard.ai에서 만든 새로운 AI 기반 소프트웨어를 출시했습니다. 플레이어는 BodyGuard 기술을 소셜 미디어 계정과 통합하여 욕설을 필터링하고 욕설을 차단할 수 있습니다.

회사는 언어학자 팀이 단어 패턴 욕설을 걸러내는 데 도움이 될 실시간으로 업데이트될 수 있으며, 다음과 같이 덧붙였습니다.

이 기술의 도입은 앞으로 더 많은 토너먼트와 그랜드 슬램에서 출시되어 경쟁 중에 플레이어를 위한 보다 긍정적이고 지원적인 온라인 환경에 기여할 것으로 예상됩니다. 

장비의 진화 

AI의 통합은 스포츠의 가장 필수적인 장비의 진화에서도 볼 수 있습니다. 선도적인 라켓 제조업체인 Babolat는 성능에 대한 동적 피드백을 수신하기 위해 사람의 전화에 연결할 수 있는 내장 센서를 특징으로 하는 일련의 라켓을 출시했습니다. 

가속도계는 라켓의 방향과 속도를 계산하고, 자이로스코프는 회전을 측정하여 회전 속도에 대해 자세히 알려주고, 압전 센서는 라켓을 통해 느껴지는 진동을 측정하여 플레이어가 "스위트 스팟"을 얼마나 정확하게 쳤는지 나타냅니다. 그런 다음 이 데이터를 사용하여 패턴과 불일치를 신속하게 파악하여 플레이어의 성능을 향상시킬 수 있습니다. 이러한 장비의 진화는 스포츠에서 솔루션을 제공하기 위해 IoT와 AI가 결합된 완벽한 예입니다. 

AI가 장비에 침투하는 또 다른 예는 "스마트" 댐퍼의 사용입니다. Demapeners는 전통적으로 라켓에서 느껴지는 진동을 줄이는 데 사용되지만 실제 이점은 다른 어떤 것보다 미적 선택에 더 가깝다고 제안하는 일부 전문가와 크게 논의됩니다. 따라서 댐퍼를 사용하려는 경우 스마트하게 만드는 것은 어떻습니까? 

Qlipp은 기존의 감쇠 장치처럼 줄의 몸체에 배치되는 센서입니다. Bablot의 라켓에 있는 센서와 마찬가지로 Qlipp은 블루투스를 통해 휴대폰에 연결하고 플레이어의 스트로크, 속도, 정확도 및 스윗 스팟 진동에 대한 데이터를 수집합니다. 게임 중에 통계를 추적하도록 프로그래밍할 수도 있습니다. 이것은 프로 선수들이 사용하는 추가 기능이 아닐 가능성이 높지만, 레크리에이션 선수들에게 이러한 통계 및 데이터 포인트에 액세스하는 것은 뒷주머니에 코치가 있는 것과 같습니다. 

요약하면 테니스는 AI 사용 사례에 가장 적합한 스포츠입니다. 이 스포츠는 모든 수준에서 게임을 향상시키는 데 사용할 수 있는 경기당 수백만 개의 데이터 포인트를 생성합니다. AI가 계속해서 발전함에 따라 우리는 AI가 가장 엘리트 수준의 스포츠에 접근하려는 사람들에게 중요한 차별화 요소가 될 것으로 기대할 수 있습니다. 

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• EVM 금융. 탈중앙화 금융을 위한 통합 인터페이스. 여기에서 액세스하십시오.
• 퀀텀미디어그룹. IR/PR 증폭. 여기에서 액세스하십시오.
• PlatoAiStream. Web3 데이터 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 출처: https://www.iotforall.com/5-exciting-ways-ai-can-be-used-in-tennis