東京大学とJSTさきがけによる研究チームは、トスをした時の動きからバレーボールの軌道を予測するニューラルネットワークを用いた手法を発表しました。
論文：Prediction of Volleyball Trajectory Using Skeletal Motions of Setter Player
著者：Shuya Suda. Yasutoshi Makino. Hiroyuki Shinoda
所属：Graduate School of Information Science and Technology, The University of Tokyo. Department of Complexity Science and Engineering, The University of Tokyo. JST PRESTO
本論文は、バレーボールにおけるトスの動きに基づいて、0.3秒後のバレーボールの2次元的な位置を予測する手法を提案します。本システムは、深度センサ（Kinect v2）を用いて、トスをする動きに対して3次元骨格座標をセッターの正面から計測し、取得したデータを時系列順に並べたデータセットをニューラルネットワークの入力として使用します。ネットワークの出力と、セッターの左側面から計測した映像から検出した実際のボール軌道との誤差が小さくなるように学習します。機械学習ライブラリはChainerを用います。
結果、トスの動きが未学習のテストデータであったとしても、ボールの軌跡を高い精度で予測することを実証しました。また、下半身を入力するよりも、全身、あるいは腕部分のみを入力する方が、高い精度になることも実証しました。
左：バックトスをしたときのボールの軌道。右：前方に跳ね返すようにトスをしたときのボールの軌道。赤丸が予測軌道で、緑丸が実際のボールの軌道。
さらに、画像から人物の2次元骨格座標を推定できる機械学習ライブラリOpenPoseを用いても、適切にボールの軌道予測ができることを実証しました。これにより、RGBカメラで撮影した映像からでも予測できる可能性を示しました。今後は、オリンピック等の世界的なスポーツ大会での実用化を目指すとしています。