De skiërs en snowboarders van Team USA gaan naar huis met nieuwe hardware, waaronder een paar gouden medailles, van de Olympische Spelen van 2026. Naast het jarenlange harde werk dat nodig is om een Olympische atleet te worden, had de ploeg van dit jaar een extra voorsprong in hun training dankzij een aangepaste AI-tool van Google Cloud.
US Ski and Snowboard, het bestuursorgaan van de Amerikaanse nationale teams, houdt toezicht op de training van de beste skiërs en snowboarders van het land om hen voor te bereiden op grote evenementen, zoals nationale kampioenschappen en de Olympische Spelen. De organisatie partnered met Google Cloud om een AI-tool te bouwen die meer inzicht biedt in hoe atleten trainen en presteren op de piste.
Videobeoordeling is een groot onderdeel van wintersporttraining. Een coach staat letterlijk aan de zijlijn om de run van een atleet op te nemen en bekijkt de beelden daarna samen met hem om fouten op te sporen. Maar dit proces is enigszins gedateerd, vertelt Anouk Patty, hoofd sport bij US Ski and Snowboard. Dat is waar Google in beeld kwam, door nieuwe AI-aangedreven data-inzichten in het trainingsproces te brengen.
Google Cloud-ingenieurs gingen met de skiërs en snowboarders de piste op om te begrijpen hoe ze een echt bruikbaar AI-model voor atletische training konden bouwen. Ze gebruikten videobeelden als basis voor de momenteel naamloze AI-tool. Gemini deed een frame-voor-frame analyse van de video, die vervolgens werd ingevoerd in ruimtelijke intelligentiemodellen van Google DeepMind. Die modellen waren in staat om de 2D-weergave van de atleet uit de video te halen en deze om te zetten in een 3D-skelet van een atleet terwijl hij kronkelt en draait tijdens het rennen.
Het AI-model dat op de achtergrond op het scherm draait, laat zien hoe de tool de prestaties van een atleet bijhoudt.
De laatste details van Gemini helpen de AI-tool de fysica in de pixels te analyseren, aldus Ravi Rajamani, mondiaal hoofd van Google’s AI Blackbelt-team. die aan het project werkte. Coaches en atleten vertelden de technici welke specifieke gegevens ze wilden bijhouden (snelheid, rotatie, traject) en de technici van Google codeerden het model zodat ze gemakkelijk konden worden gevolgd en verschillende video’s konden worden vergeleken. Er is ook een chatinterface om Gemini-vragen over de prestaties te stellen.
“Vanaf slechts een video kunnen we het in 3D nabootsen, dus je hebt geen dure apparatuur nodig, zoals sensoren, die de prestaties van een atleet in de weg zitten”, zei Rajamani.
Coaches zijn onmiskenbaar de experts op de berg, maar de AI kan als een soort onderbuikcontrole fungeren. De gegevens kunnen helpen bevestigen of ontkennen wat coaches zien en hen extra inzicht geven in de specifieke kenmerken van de prestaties van elke atleet. Het kan dingen vastleggen die mensen moeilijk met het blote oog of in slechte videokwaliteit kunnen zien, zoals waar een atleet naar keek terwijl hij een truc deed en de exacte snelheid en hoek van een rotatie.
“Het zijn gegevens die ze anders niet zouden hebben,” zei Patty. Het 3D-skelet is vooral nuttig omdat het het gemakkelijker maakt om bewegingen te zien die worden verduisterd door de gezwollen jassen en broeken die atleten dragen, zei ze.
Voor topsporters in het skiën en snowboarden kunnen kleine aanpassingen het verschil betekenen tussen een gouden medaille en helemaal geen medaille. Technologische vooruitgang op het gebied van training is bedoeld om atleten te helpen alle beschikbare hulpmiddelen voor verbetering te krijgen.
“Je probeert altijd die ene procent te vinden die voor een atleet het verschil kan maken om hem op het podium te krijgen of te winnen”, zei Patty. Het kan coaching ook democratiseren. “Het is een manier voor elke coach die in een club werkt met jonge atleten om hetzelfde niveau van begrip te krijgen van wat een atleet zou moeten doen als de atleten van het nationale team.”
Voor Google is deze speciaal gebouwde AI-tool “het topje van de ijsberg”, aldus Rajamani. Er zijn veel potentiële toekomstige gebruiksscenario’s, waaronder het uitbreiden van het basismodel om het aan te passen aan andere sporten. Het legt ook de basis voor werk in de sportgeneeskunde, fysiotherapie, robotica en ergonomie – disciplines waarbij het begrijpen van lichaamspositionering belangrijk is. Maar voorlopig geeft het voldoening te weten dat de AI is gebouwd om echte atleten daadwerkelijk te helpen.
“Dit was geen geval waarin technici iets in het laboratorium bouwden en het overhandigden”, zei Rajamani. “Dit is een reëel probleem dat we aan het oplossen zijn. Voor ons was de motivatie het bouwen van een hulpmiddel dat onze atleten een echt concurrentievoordeel biedt.”
