Een deel van de taak van kunstschaatsers is om hun routine er zo moeiteloos en gracieus mogelijk uit te laten zien, alsof ze op ijs drijven en door pure wilskracht de lucht in vliegen. In werkelijkheid lanceren ze zichzelf vaak een meter de lucht in, met wat neerkomt op zandzakken aan hun voeten; genereren honderden ponden van middelpuntzoekende kracht door rotaties; en landen op een mes dat slechts 3/16 inch breed is.
Op de Winterspelen van 2026 in Milaan en Cortina, Italië, gebruikt NBC een AI tool ontwikkeld door een voormalig MIT-onderzoeker om het publiek te helpen begrijpen hoe verbijsterend de prestaties van de hedendaagse Olympische atleten zijn.
Jerry Lu is afgestudeerd aan MIT in 2024 en de oprichter van OOFSportseen sportanalysebedrijf dat AI gebruikt om programmabeelden te analyseren, prestatiegegevens in realtime te documenteren en commentatoren in staat te stellen kijkers een concreter inzicht te geven in de prestaties van atleten. Bij Milan Cortina werkt hij samen met NBC Sports aan de programmering van kunstschaatsen, snowboarden en skiën, waarbij hij gegevens verzamelt zoals de hoogte van sprongen, de snelheid van atleten en hun rotatiepaden.
Terwijl kunstschaatsers nieuwe wegen in de sport blijven betreden, zoals steeds meer sprongen met viervoudige rotaties (zie die van de Amerikaanse schaatser Ilia Malinin allereerste quad-axel geland op de Olympische Spelen), kan Lu’s AI-aangedreven technologie helpen hun routines van moment tot moment te begrijpen.
Een grote vraag van NBC
Lu’s carrière in sportanalyse begon met zijn eigen interesse in wedstrijdzwemmen. Tijdens zijn bachelorstudie aan de Universiteit van Virginia werkte hij samen met de wiskundige Ken Ono om zich te ontwikkelen een draagbaar apparaat waarmee de zwemmers van de school hun slagen konden analyseren, waardoor ze de voortstuwing konden vergroten en de weerstand konden verminderen. Lu diende later als technisch adviseur voor vijf zwemmers die medailles wonnen op de Olympische Spelen van Tokio in 2020, gevolgd door 16 medaillewinnaars op de Olympische Spelen van Parijs in 2024.
Tijdens zijn tijd bij MIT in het speciale sportlaboratorium begon Lu te experimenteren met sportanalysetechnologie voor andere gebieden, waaronder een programma dat was ontworpen om het Australische BMX-freestyle-team te helpen zijn strategie te optimaliseren. Na de Olympische Spelen in Parijs, zegt hij, benaderde NBC hem rechtstreeks met de vraag of hij een data-analysesysteem kon creëren voor kunstschaatsen in Milaan Cortina.
“Op dat moment misten sommige artistieke sporten dit datagestuurde vertelvermogen: als je hockey op tv kijkt, ziet het er traag uit, maar als je het persoonlijk bekijkt, ziet het er snel uit”, zegt Lu. Op dezelfde manier, legt hij uit, als je de Amerikaanse kunstschaatsster Amber Glenn op het scherm een sprong zou zien maken, ziet het er misschien niet verbluffend uit, maar in werkelijkheid zou ze ongelooflijk hoog in de lucht zweven. NBC had een manier nodig om de kloof tussen deze twee ervaringen te overbruggen.
Een AI-model bouwen voor de Olympische Spelen
Voor Lu en zijn team (die geen van allen skaters zijn) was de eerste stap in de richting van het bouwen van deze tool een oproep aan voormalige Olympische skaters en oude NBC-analisten Tara Lipinski en Johnny Weir. In tegenstelling tot sporten als zwemmen of atletiek, kunnen de beoordelingsparameters voor kunstschaatsen nogal wat grijs gebied omvatten, wat betekent dat Lu’s team een volledig overzicht nodig had van waar de juryleden naar op zoek waren.
“Ze hebben ons in wezen de sport geleerd”, zegt Lu. “Ze leerden ons precies waar ze naar op zoek waren, waar de juryleden naar op zoek waren, wat, vanuit hun begrip, een deugd is, en wat een ondeugd. We moesten manieren bedenken om die te kwantificeren en hen in essentie de meetgegevens te geven waarmee ze atleten kunnen vergelijken.”
Voor het maken van een tool voor het analyseren van kunstschaatsen was een heel ander systeem nodig dan voor zwemmen, zegt Lu. Terwijl voortstuwing en weerstand de twee belangrijkste variabelen in die sport waren, draait het bij kunstschaatsen om de snelheid en rotatie die nodig zijn om ingewikkelde sprongen te maken. Om deze gegevens zonder wearables te berekenen, trainde zijn team een AI-model om programmabeelden te analyseren en verschillende rotatiepunten op het lichaam van de atleet te identificeren, van hoofd tot schouders, ellebogen, heupen en enkels.
Met behulp van deze gegevenspunten leerde het team het model vervolgens verschillende sprongen te categoriseren op basis van lichaamspositie (zoals de teenlus, luxe en axel) en bovendien het totale aantal rotaties van de atleet te tellen om de sprongen te classificeren als dubbel, drievoudig of quad. Door precies te begrijpen waar de schaatser zich op een bepaald punt bevindt, kan het AI-model statistieken berekenen zoals hun snelheid bij het betreden van een sprong, de totale spronghoogte, de snelheid waarmee ze de sprong verlaten en de grond die ze over de ijsbaan afleggen; allemaal cruciale elementen van hun prestaties. Dit soort cijfers kunnen commentatoren als Lipinsky en Weir helpen een veel gedetailleerder beeld te schetsen voor de Olympische kijkers van dit jaar.
Zal AI ooit de Olympische kunstschaatsrechters vervangen? Deze onderzoeker zegt nee
Buiten zijn samenwerking met NBC heeft Lu zijn kunstschaatsmodel omgezet in een app genaamd VROEGE SCHAATSENwaarmee skaters van elk niveau hun routines kunnen filmen en direct inzicht krijgen in hun eigen statistieken. De app werd een officiële partner van US Figure Skating december 2025.
De volgende stap van Lu is het creëren van een versie van deze technologie die niet alleen de routines van skaters bijhoudt, maar deze ook scoort. Op dit moment heeft hij al een model in de maak, dat hij van plan is ergens tijdens het schaatsseizoen te debuteren. Uiteindelijk, zegt hij, zal het model kunnen helpen bij het evalueren van technische prestaties op een select aantal vaardigheden, maar het zal nooit de menselijke oordelen over de artistieke prestaties van atleten vervangen.
“Kunstschaatsen is deze zeer unieke mix van artistieke en technische vaardigheden”, zegt Lu. “Bij de Olympische Spelen draait alles om atleten die hoger, sneller en sterker gaan – anders verdien je het niet om hier te zijn. Kunstschaatsen heeft daar een onderdeel van, namelijk dat de grotere sprongen grotere punten krijgen, wat correct is – als je een quad deed en ik een triple, zou je meer punten moeten krijgen. Maar tegelijkertijd maakt dit artistieke element ook deel uit van de stelling van kunstschaatsen.”
