BLUVIC（SportへのAI活用）ハッカソン発表資料

Transcript

1. フォーム× AI解析による 最適ラケット診断 フォームに合わせたギア選びで、成長スピードを最大化する チーム名 Quarter Stack A, ステラチャン, KUMA, takeofuture AI×スポーツ
2. 店員さん頼り : 在庫状況や一般論で決まってしまう 感覚で選ぶ: その日の体調や見た目で判断しがち 知識不足: 初心者ほど性能の違いが言語化できない 「どのラケットが合うかわからない」 ネットの口コミ
3. -40% の機会損失 「フォームに合わない」の代償 自分のスイング特性を活かせないラケットは、無理な力 を生み出し、フォームを崩す原因になります。最悪の場 合、手首や肘の怪我に繋がるケースも少なくありませ ん。 不適合がもたらす最大の損失 最大
4. フォーム× AI解析 × ラケット診断 もう、感覚だけで選ぶ時代は終わりました。
5. 動画から全てを読み解く スマートフォンで撮影したわずか数秒のスイング動画か ら、プレイヤー固有の癖や強みを抽出します。 スイングスピード : 遠心力と加速のパターン 体軸の安定度: 打点時のブレを数値化 プレイスタイル推定 : 攻守の傾向をAIが判定 診断のメカニズム
6. 骨格検出の瞬間 「おお、自分の動きが見える。」 動画をアップロードした瞬間に、 AIが関節16箇所の座 標をリアルタイムで追跡。肉眼では捉えきれないスイ ングの「歪み」や「最適解」を可視化します。
7. 打点の安定性 インパクトの位置がどれだけ 一定か。高いほど正確なコン トロールショットが打てる可 能性。 スピード ラケットの振り抜きの速さ。 速いプレイヤーには操作性重 視のモデルを。 AIコメント 「バックスイングが深く、強 打に適した体幹を持っていま す。攻めのギアが必要で す。」 AIによる分析スコア
8. デモ実演
9. 使用技術： python 実行環境 (デモ版): Google Colaboratory 外部API連携: OpenAI API 姿勢推定モデル: YOLOv8 Pose 技術構成
10. ・結果からの他商品の提案 ・決済システムの導入 ・他スポーツ対応 などへ展開可能 このサービスの将来性 自分に合う道具選びを。
11. 誰にでも、最適なラケット選びを ご清聴ありがとうございました。
12. APPENDIX1:AI 解析の流れ
13. APPENDIX2:AI モデル候補
14. APPENDIX3: バドミントン特化研究・データセット 1. ショット分類・ストローク認識系 BST: Badminton Stroke-type Transformer (2025) https://arxiv.org/abs/2502.21085 人体姿勢推定・シャトル軌道追跡・コートライン検出を組み合わせ、 ストロークを分類。ShuttleSet等で評価。 2. シャトル軌道・3D復元系 MonoTrack (2022) https://arxiv.org/abs/2204.01899 単眼動画から3D軌道を復元。コート寸法、物理法則、選手姿勢、シ ャトル追跡を統合。 3. データセット・戦術解析系 ShuttleSet (2023) https://arxiv.org/abs/2306.04948 大規模アノテーション付きデータセット。44試合、3.6万ストローク、 18種類のショットタイプ等を記録。 4. フォーム評価・動作品質評価系 Action recognition and quality assessment Yanping Li et al. 動作認識と品質評価の研究。姿勢推定と追跡ネットワークでキーポ イントを検出し、動作品質を数値化。 5. シャトル検出モデル系 One-Shot Badminton Shuttle Detection for Mobile Robots (2026) https://arxiv.org/abs/2603.06691 移動ロボット視点の検出フレームワーク。YOLOv8を2万枚以上の画像でファインチューニング。背景の複雑さが精度に影響。