Inteligência Artificial nos Jogos Olímpicos
Veja como a Intel usou técnicas de IA e Visão Computacional para ajudar na performance de atletas das provas de velocidade do atletismo e aprenda a utilizá-las para criar a sua própria ferramenta de detecção postural
Um longo caminho separa os Jogos Olímpicos de Tóquio em 2021 daqueles realizados em 1896 na Grécia. Ao longo da Era Moderna dos jogos muita coisa mudou e, conforme nossa sociedade foi evoluindo, os esportes também o fizeram.
Os novos recordes quebrados a cada edição mostram como a pressão por resultados é cada vez maior, sendo que o mercado responsável por levar cada vez mais os atletas a limites inimagináveis não para de crescer e evoluir. Chuteiras mais leves, trajes aerodinâmicos, dietas mais eficazes, sensores wearable, roupas e calçados impressos sob medida, inteligência artificial, LiDAR… todas essas tecnologias têm contribuído para puxar o limite dos atletas a pontos antes tidos como impossíveis.
Um exemplo inacreditável de quebra de recorde foi o do norueguês Karsten Warholm nos 400m com barreiras. Todos julgavam impossível a ideia de uma pessoa conseguir correr os 400m da pista de atletismo, passando por cima das 10 barreiras que compõem a prova, e cruzar a linha de chegada em menos de 46 segundos, mas foi exatamente isso que ele fez, ganhando ouro na final da prova e quebrando o próprio recorde (46,70 s) na edição mais rápida dos 400 m com barreiras da história (que de quebra ainda contou com o bronze do brasileiro Alison dos Santos).
Intel nas Olimpíadas
Evidência dessa proximidade entre os esportes olímpicos e o mundo da tecnologia é a presença da Intel nos jogos. A empresa de tecnologia tem desenvolvido tecnologias inovadoras para melhorar a experiência tanto dos atletas, jurados e treinadores quanto do público durante as competições. O espetáculo luminoso dos mais de 1800 drones da Intel no céu noturno de Tóquio foi puro entretenimento para os telespectadores. Equipados com painéis LED e um complexo sistema de posicionamento em tempo real, os drones formaram animações 3D com o tema “Mais Fortes Juntos”, confira no vídeo abaixo:
Outra tecnologia que a Intel trouxe para os jogos este ano foi 3D Athlete Tracking (3DAT). Ela usa Inteligência Artificial e Visão Computacional (processamento e interpretação de imagens do mundo real por um computador) para tirar informações relevantes de parâmetros de velocidade, aceleração e biomecânica em uma corrida, o que é muito importante já que ela é a base para muitos esportes e depende bastante desses parâmetros biomecânicos que dificilmente são identificáveis a olho nu.
Física da corrida
Existe um grande esforço para o estudo da física por trás da corrida, mas ela consiste basicamente de um deslocamento do centro de massa do corpo do atleta da forma mais rápida e eficiente possível. Para ser rápido e eficiente neste esporte existem dois pontos cruciais (simplificando bastante a coisa): O deslocamento do centro de massa deve ser majoritariamente para frente (sem oscilar muito para cima e para baixo ou para os lados) e o movimento das pernas e dos braços deve acontecer de forma a maximizar o impulso do centro de massa para frente (aterrissar os pés à frente do centro de massa, por exemplo, pode gerar um vetor de força para trás, causando uma desaceleração momentânea).
Outro ponto importante da física das provas de velocidade no atletismo é a velocidade ao longo do percurso da prova. O artigo [1], por exemplo, faz uma análise que indica a melhor estratégia para corridas em distâncias menores do que 291 metros (como a prova dos 100 metros rasos): o atleta acelera até a velocidade máxima no menor tempo possível e então estabiliza nela até o fim da prova, como mostra o gráfico:
No caso das provas acima de 291 metros (como os 400 metros rasos), a estratégia muda um pouco. O atleta deve acelerar durante os primeiros segundos de prova até uma velocidade um pouco abaixo da máxima e manter essa velocidade o maior tempo possível. De forma ideal, essa velocidade deve ser tal que nos últimos décimos de segundo da prova o atleta não tenha mais energia para manter o mesmo ritmo e comece a desacelerar, como mostra o gráfico abaixo:
Esse tipo de análise guia os esforços de muitos atletas e de seus treinadores ao longo de sua preparação para competições. Com estudos como esse e uma boa dose de empirismo, eles passam por rotinas de exercícios educativos para condicionar o corpo a uma forma eficiente de corrida e criam estratégias diversas de aceleração e desaceleração em diferentes etapas da corrida. Entretanto, para o nível de competição do qual estamos falando o uso de tecnologia tem se tornado uma parte essencial desse processo.
Colocando um pouco de Inteligência Artificial
O problema dessa análise feita em [1] é que ela usa dados de 1973 (mais de 40 anos atrás!) e é muito genérica, não levando em consideração especificidades de cada atleta. Justamente nesse ponto entra 3DAT, que oferece uma forma praticamente instantânea de mensurar parâmetros de posição e velocidade do centro de massa de cada atleta e guiar treinadores e atletas com dados mais precisos e voltados para as condições atuais de cada atleta. No nível de competição que vemos nas olimpíadas uma noite mal dormida pode fazer toda a diferença.
Além disso, com uma quantidade razoável de dados, outros tipos de análises podem ser feitas usando técnicas de inteligência artificial. Identificar atletas com grande potencial, auxiliá-los na preparação para as competições, ajudar árbitros a identificarem irregularidades durante as competições, analisar resultados e comparar com outros atletas após as competições, e muito mais.
Como usar na prática ferramentas de detecção postural
Se você gostou da tecnologia de rastreamento 3D criada pela Intel para auxiliar os atletas das provas de velocidade do atletismo nas Olimpíadas, saiba que você pode criar a sua própria versão do 3DAT, adaptada para o esporte que você quiser.
Existem diversas soluções para problemas de detecção postural pela internet, vou mostrar aqui o MidiaPipe, que é um Framework bem fácil de usar.
Usando esse script pronto no Google Colab você não precisa nem mesmo instalar nada no seu computador. Nessa versão básica você pode carregar uma imagem qualquer e rodar o algoritmo de detecção de postura da MediaPipe. Como exemplo, vou usar a imagem do velocista jamaicano Usain Bolt:
Depois de carregar e redimensionar a imagem, o código roda o algoritmo de detecção postural para identificar pontos chaves do corpo do atleta, como pés, joelhos, ombros e mãos. Após indicar esses pontos na imagem, o resultado é o seguinte:
Para uma análise mais criteriosa, esses mesmos pontos podem ser colocados em um gráfico 3D, o que oferece uma melhor visualização. O resultado é o seguinte:
Repetindo esse processo para cada frame de um vídeo pode-se conseguir o resultado mostrado no primeiro exemplo, com as marcações de cada ponto do corpo da atleta atualizadas em tempo real. Outra possibilidade é calcular as taxas de variação da posição de cada ponto ao longo do tempo, dessa forma pode-se extrair dessa análise parâmetros como velocidade e aceleração do atleta.
Conclusão
Esses dados podem ajudar atletas dos mais variados esportes a guiarem suas ações. Tecnologias desse tipo abrem espaço, por exemplo, para aplicações que auxiliem na prevenção de lesões em tempo real nas academias de musculação, aplicativos inteligentes para guiar uma sessão de caseira de Yoga e muito mais. Aqui o céu é o limite e com soluções como o MediaPipe você pode tirar o seu próprio projeto do papel e, quem sabe, ajudar atletas olímpicos a quebrarem novos recordes.
Gostou desse texto? Continue seguindo o nosso Medium para receber informações desse tipo e de outros temas interessantes! Acompanhe também o ARGO no Facebook, Instagram, Linkedin e Twitter!
Referências
[1] Joseph B. Keller, A Theory of Competitive Running, Physics Today 26(9), 42–47 (1973).
[2] https://www.real-world-physics-problems.com/physics-of-running.html
