Research on table tennis motion recognition under limb occlusion
تقدم هذه الورقة مجموعة بيانات موثوقة لحركة تنس الطاولة، وتقترح نموذج شبكة عصبية تلافيفية رسومية مكانية-زمانية يتنبأ بفعالية بمواقع المفاصل المحجوبة لتحسين دقة التعرف على الحركة في ظل حجب الأطراف.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم تنس الطاولة التنافسي عالي المخاطر، غالباً ما يحدد قرار في جزء من الثانية نتيجة المباراة. يجب على الرياضيين مسح أجساد خصومهم باستمرار، وقراءة الإشارات الدقيقة في حركة الذراع أو تحول الوزن للتنبؤ بمكان ذهاب الكرة تالياً. ومع ذلك، نادراً ما تُلعب اللعبة برؤية واضحة وغير منقطعة؛ إذ كثيراً ما تحجب الشبكة، والطاولة، وجسد الخصم نفسه خط الرؤية، مما يخفي الحركات التي تحمل سر الضربة التالية. هذه الظاهرة، المعروفة باسم "الاحتجاب" (occlusion)، تخلق نقطة عمياء حيث تختفي المعلومات الحيوية. لعقود من الزمن، حاول الباحثون تعليم الحواسيب كيفية الرؤية عبر هذه الفجوات، باستخدام الذكاء الاصطناعي لملء الأجزاء المفقودة من صورة متحركة. ويكمن التحدي في تعليم الآلة ليس فقط التعرف على نمط ما عندما يكون مكتملاً، بل فهم القصة بأكملها حتى عندما تكون أجزاء منها مفقودة، بالاعتماد على منطق كيفية تحرك الأجساد البشرية معاً بمرور الوقت.
وضع فريق من الباحثين من جامعة شاندونغ الرياضية وجامعة شنغهاي الرياضية نصب أعينهم حل هذا اللغز المحدد في سياق تنس الطاولة. بدأوا بالتقاط الحركات الدقيقة لثلاثين لاعباً محترفاً باستخدام نظام متخصص من الكاميرات بالأشعة تحت الحمراء التي تتبعت موقع علامات عاكسة وُضعت على أجساد الرياضيين ومضاربهم. أنتجت هذه العملية مكتبة ضخمة من البيانات، سجلت الموقع الدقيق لأربعة عشر مفصلاً رئيسياً في الجسم لكل إطار من إطارات حركة اللاعب. ومع امتلاك هذا الأرشيف الرقمي، أنشأ الفريق تجربة منضبطة لمحاكاة فوضى مباراة حقيقية. استخدموا برامج حاسوبية لبناء رسوم متحركة لشخصيات "رجل العصا" (stick-figure) للاعبين، ثم قاموا بمسح أجزاء مختلفة من هذه الشخصيات بشكل منهجي لمحاكاة الطريقة التي قد يخفي بها شبك أو جسد طرفاً أثناء اللعبة. أنشأوا سيناريوهات حيث كانت الذراع اليسرى مخفية، وحيث كانت الأرجل غير مرئية، وحيث كان الجذع بأكمله محجوباً، وحتى حيث ظل مسار المضرب وحده هو المرئي.
طُلب من ثلاثين لاعباً محترفاً آخر مشاهدة هذه الرسوم المتحركة غير المكتملة وتحديد نوع الضربة المحددة التي يتم تنفيذها، مثل الهجوم من الجانب الأمامي (forehand attack) أو الضربة الخلفية (backhand drive). قدمت النتائج خريطة واضحة لما هي المعلومات الضرورية حقاً. فعندما كان الجسم كاملاً مرئياً، حدد اللاعبون الحركات بدقة شبه مثالية. وعندما كانت الذراع اليسرى مخفية، لم ينخفض أداؤهم إلا قليلاً، مما يشير إلى أن الذراع غير المسيطرة أقل أهمية في قراءة نية الخصم. ومع ذلك، عندما كان مسار المضرب هو الشيء الوحيد المرئي، انخفضت الدقة بشكل كبير، رغم أنها ظلت عالية بما يكفي لإثبات أن مسار الكرة والمضرب يحمل وزناً هائلاً. وجاءت النتيجة الأكثر دلالة عندما أزال الباحثون الجزء السفلي من الجسم أو الجذع بأكمله؛ فحتى مع حجب الأطراف السفلية، بلغت دقة التعرف 91.4%، ومع حجب الجذع تماماً، ظلت عند 96.2%، مما يشير إلى أنه بينما يوفر الجزء السفلي من الجسم السياق، فإن الجزء العلوي من الجسم ومسار المضرب وحدهما كافيان لتحديد الحركة بدقة عالية.
بعد تحديد ما يحتاج البشر لرؤيته، اتجه الباحثون إلى الذكاء الاصطناعي لمعرفة ما إذا كان بإمكان الكمبيوتر القيام بنفس المهمة، ولكن مع لمسة مختلفة. لقد بنوا شبكة عصبية متخصصة، وهي نوع من البرامج الحاسوبية المصممة لتعلم الأنماط، لتعمل كمُرمم رقمي. كان الهدف هو تغذية النظام برسوم متحركة ذات مفاصل مفقودة وجعل الحاسوب يحسب بالضبط أين يجب أن تكون تلك الأجزاء المخفية. تعلم النظام العلاقة بين العظام المرئية وغير المرئية، مدركاً أنه إذا تحرك الكتف الأيمن بطريقة معينة، فلا بد أن تتحرك الذراع اليسرى بطريقة محددة ومنسقة. وعند الاختبار، نجح الكمبيوتر في إعادة بناء الأطراف المفقودة، وملء الفجوات بمستوى من الدقة يطابق أحكام المدربين البشر. كانت الحركات المعاد بناؤها دقيقة للغاية لدرجة أنه عندما قام الخبراء بتقييم الرسوم المتحركة الأصلية غير المكتملة والنسخ التي أكملها الكمبيوتر، كانت الدرجات متطابقة تقريباً، حيث استعادت نسخة الكمبيوتر الحركة إلى حالة تبدو كاملة وطبيعية.
تخلص الدراسة إلى أنه بينما يعد المضرب والذراع المسيطرة المصدرين الأساسيين للمعلومات للتنبؤ بضربة تنس الطاولة، فإن بقية الجسم توفر السياق اللازم لجعل هذا التنبؤ موثوقاً. يوضح البحث أنه من خلال فهم الروابط المكانية والزمانية بين المفاصل — أي كيف تتحرك بالنسبة لبعضها البعض عبر الزمن — فمن الممكن استنتاج موقع طرف مخفي رياضياً بثقة عالية. لا يقدم هذا العمل مجرد طريقة لتحسين تكنولوجيا تتبع الحركة فحسب، بل يقدم أيضاً فهماً أعمق لكيفية معالجة الرياضيين أنفسهم للمعلومات البصرية تحت الضغط. ويشير إلى أنه حتى عندما يكون المنظر محجوباً، يمكن للدماغ والآلة على حد سواء الاعتماد على الأدلة المرئية المتبقية لإعادة بناء الواقع الكامل للحركة، وتحويل الرؤية المجزأة إلى تنبؤ واضح.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.