Biomechanics-Guided Standard Action Modeling and Lightweight ST-GCN for Interpretable Phase-Based Action Quality Assessment

تخيل أنك تشاهد صديقاً لك يحاول تعليم روبوت كيفية لعب كرة السلة. إذا قلت للروبوت فقط: "لقد أخطأت في الرمية"، فلن يتعلم شيئاً. ولكن إذا قلت له: "كان كوعك منخفضاً جداً، ولم تثنِ ركبتيك بما يكفي، وتركت الكرة مبكراً جداً"، فسيتمكن الروبوت فعلياً من تحسين لعبه. هذا هو جوهر مجال يسمى تقييم جودة الحركة (AQA). لسنوات طويلة، كانت الحواسيب بارعة في التعرف على نوع الحركة التي تحدث (مثل "القفز" أو "الجري")، لكنها واجهت صعوبة في شرح مدى جودة تنفيذها. الطرق التقليدية غالباً ما تتطلب كاميرات ومستشعرات باهظة الثمن وضخمة تجعل المشهد يبدو كأنه من أفلام الخيال العلمي، مما يجعل استخدامها مستحيلاً في صالة ألعاب مدرسية عادية. السؤال الكبير الذي يحاول الباحثون حله هو: هل يمكننا استخدام فيديو بسيط من هاتف أو كاميرا عادية ليس فقط لإعطاء درجة، بل لشرح أين وكيف حدث الخطأ في الحركة بالضبط، وكل ذلك دون الحاجة إلى مختبر مليء بالمعدات؟

يقدم هذا البحث نظاماً جديداً وذكياً مصمماً لتقييم الوثب الطويل من الثبات — وهو اختبار كلاسيكي للقوة الانفجارية — باستخدام الفيديو فقط. قام الباحثون، بقيادة فريق من جامعة كابيتال نورمال (Capital Normal University)، ببناء "مدرب رقمي" يفكك القفزة إلى أجزائها الميكانيكية الدقيقة. فبدلاً من الاكتفاء بالنظر إلى المسافة النهائية للقفزة، يراقب نظامهم الرياضي مثل محقق ميكانيكي حيوي. لقد أنشأوا "نموذجاً معيارياً" (Standard Template) بناءً على المعرفة الخبيرة، والذي يعمل كـ "شبح مثالي" لقفزة نموذجية. ثم استخدموا نموذج ذكاء اصطناعي خفيف الوزن (نوع من الأدمغة يسمى ST-GCN) لمقارنة فيديو الرياضي الحقيقي بهذا الشبح المثالي. والنتيجة ليست مجرد رقم؛ بل هي تقرير مفصل يقول: "كانت زاوية الانطلاق منخفضة جداً"، أو "لم تثنِ ركبتيك بما يكفي عند الهبوط". اختبر الفريق هذا النظام على 200 شخص ووجد أن ذكاءهم الاصطناعي يمكنه تقييم القفزات بمستوى من الدقة يضاهي الخبراء البشر، لكنه يفعل ذلك بجزء ضئيل من القدرة الحوسبية، مما يجعله قابلاً للتشغيل على أجهزة الكمبيوتر العادية في المدارس.

المدرب الرقمي والشبح المثالي

فكر في الوثب الطويل من الثبات كرقصة معقدة تتكون من خمس حركات متميزة: الاستعداد، ثم القرفصاء، ثم الانفجار للأعلى، ثم الطيران في الهواء، وأخيراً الهبوط بأمان. في الماضي، إذا أراد مدرب تقييم هذه الحركة، كان عليه مشاهدة الفيديو إطاراً تلو الآخر، وتخمين الزوايا، وتدوين الملاحظات. إنها عملية بطيئة، وقد يختلف مدربان حول التقييم.

قرر مؤلفو هذا البحث بناء مدرب رقمي لا يتعب أبداً ولا يختلف مع نفسه. أولاً، كان عليهم تعليم الكمبيوتر كيف "يرى". لقد أخذوا فيديوهات لـ 200 مشارك (100 رجل و100 امرأة) وهم يقفزون، واستخدموا أداة تسمى MMPose لتحديد "الهيكل العظمي" للشخص في الفيديو. الأمر يشبه رسم شكل رجل العصا فوق الشخص في كل إطار من إطارات الفيديو. بعد ذلك، استخدموا أداة أخرى تسمى VideoPose3D لرفع شكل رجل العصا هذا إلى الفضاء ثلاثي الأبعاد، بحيث يفهم الكمبيوتر العمق، وليس مجرد صورة مسطحة.

لكن رؤية الهيكل العظمي ليست كافية؛ إذ يجب أن يعرف الكمبيوتر كيف تبدو القفزة "الجيدة". لذا، بنى الفريق نموذج حركة معيارياً (Standard Action Template). تخيل هذا النموذج كقفزة "شبح مثالي". هذا الشبح ليس له جسد، لكن لديه مجموعة من القواعد: "يجب أن تنثني الركبتان بزاوية 80-100 درجة"، "يجب أن تكون زاوية الانطلاق بين 19 و40 درجة"، و"يجب أن يكون الهبوط ناعماً". تم إنشاء هذا الشبح من خلال دمج الدراسات العلمية مع معرفة خبراء الرياضة الحقيقيين.

الدماغ خفيف الوزن

الآن نأتي إلى نجم العرض: ST-GCN خفيف الوزن. في عالم الذكاء الاصطناعي، يرمز الاختصار "GCN" إلى "شبكة التلافيف الرسومية" (Graph Convolutional Network)، وهي طريقة معقدة لقول إن الكمبيوتر يمتلك دماغاً يفهم كيفية اتصال أجزاء الجسم ببعضها (مثل كيف تتحرك ركبتك عندما يتحرك وركك). عادةً ما تكون هذه الأدمغة ضخمة وثقيلة وبطيئة، وتتطلب أجهزة كمبيوتر فائقة القوة لتشغيلها.

أراد الباحثون شيئاً يمكن تشغيله على كمبيوتر عادي، ربما حتى على جهاز لاب توب في صالة ألعاب مدرسية. لذا، قاموا ببناء نسخة خفيفة الوزن. فكر في الأمر كتقليص مكتبة ضخمة ومعقدة إلى دفتر ملاحظات واحد منظم بدقة. لقد حذفوا الأجزاء غير الضرورية، وأزالوا آليات الانتباه المعقدة (التي تشبه محاولة الدماغ النظر إلى أشياء كثيرة في وقت واحد)، وبسطوا الهيكل.

النتيجة هي نموذج صغير للغاية. فهو يحتوي على 0.48 مليون معلمة فقط (وهي "ذاكرة" الدماغ) ويتطلب 2.7 جيجا فلوب (GFLOPs) من القدرة الحوسبية. ولو وضعنا ذلك في الاعتبار، فإن نسخة قياسية وثقيلة من هذا الدماغ ستحتاج إلى 3.10 مليون معلمة و16.4 جيجا فلوب. النموذج الجديد أصغر بنسبة 84.5% تقريباً وأسرع بكثير. يمكنه تحليل القفزة في غض_ن 18.2 ميلي ثانية فقط على كمبيوتر عالي الأداء، أو 64.3 ميلي ثانية على وحدة معالجة مركزية (CPU) قياسية. هذا سريع بما يكفي لتقديم ملاحظات فورية، تماماً مثل مدرب يصرخ بالنصائح بينما لا تزال في الهواء.

كيف يقوم بالتقييم والشرح

هنا يحدث السحر. النظام لا ينظر فقط إلى القفزة ككل ويخمن درجة، بل يقسم القفزة إلى ثلاث مناطق تقييم رئيسية: الانطلاق (Take-off)، الطيران (Flight)، والهبوط (Landing).

1. منطقة الانطلاق: تشمل التحضير، والقرفصاء، والانفجار. يتحقق الذكاء الاصطناعي مما إذا كان الرياضي قد ثنى ركبتيه بما يكفي وما إذا كان قد حرك ذراعيه بشكل صحيح.
2. منطقة الطيران: هي وقت التواجد في الهواء. يتحقق الذكاء الاصطناعي مما إذا كان الجسم قد ظل مستقراً وما إذا كانت الساقان قد سُحبتا للخلف بشكل صحيح.
3. منطقة الهبوط: هي لحظة الارتطام. يتحقق الذكاء الاصطناत्मक مما إذا كانت الركبتان قد انثتا لامتصاص الصدمة وما إذا كان الجسم قد حافظ على توازنه.

يعطي الذكاء الاصطناعي درجة لكل منطقة، ثم يجمعها في درجة إجمالية. لكن الجزء الأفضل هو التغذية الراجعة (Feedback). إذا كانت درجة "الانطلاق" منخفضة، ينظر النظام إلى نموذج "الشبح المثالي" ويسأل: "ما الذي كان مختلفاً؟"

• هل لم تنحنِ الركبتان بما يكفي؟ -> التغذية الراجعة: "دفع غير كافٍ" (Insufficient push-off).
• هل كانت القفزة مسطحة جداً؟ -> التغذية الراجعة: "زاوية انطلاق منخفضة" (Low take-off angle).
• هل ظلت الذراعان ثابتتين؟ -> التغذية الراجعة: "تأرجح ذراعين غير كافٍ" (Insufficient arm swing).

النتائج: هل ينجح الأمر؟

اختبر الفريق مدربهم الرقمي مقابل ثلاثة خبراء بشريين. كانت النتائج مبهرة. طابقت درجات الذكاء الاصطناعي درجات الخبراء البشريين بمعامل ارتباط قدره 0.94 (حيث 1.0 هو التطابق التام). ومن حيث الخطأ، كان الذكاء الاصطناعي بعيداً بمقدار 0.12 نقطة فقط في المتوسط (RMSE)، مقارنة بـ 0.33 نقطة للخبراء البشريين و 0.26 نقطة لطرق الكمبيوتر الأخرى.

يشير البحث إلى أن هذه الطريقة جيدة بشكل خاص في مرحلة الانطلاق، حيث كانت الأكثر اتساقاً. أما مرحلتا الطيران والهبوط فقد كان من الصعب الحكم عليهما بدقة تامة، ويرجع ذلك على الأرجوت إلى سرعة حركة الجسم وأن الكاميرا قد تفقد تتبع المفاصل للحظة قصيرة. ومع ذلك، حتى مع هذه الهفوات الصغيرة، ظل النظام أكثر دقة من طرق الكمبيوتر التقليدية وكان بمستوى الخبراء البشريين.

كما قارن الباحثون طريقة "التقسيم المرحلي" (تقييم الأجزاء الثلاثة بشكل منفصل) بطريقة تنظر إلى القفزة كاملة دفعة واحدة. وقد انتصرت طريقة التقسيم المرحلي بفارق كبير. الأمر يشبه تقييم اختبار رياضيات عبر التحقق من الجمع، والضرب، والنتيجة النهائية بشكل منفصل، بدلاً من مجرد النظر إلى الرقم النهائي. ساعد هذا النهج الذكاء الاصطناعي على رصد الأخطاء الصغيرة التي كانت ستظل مخفية لو نظر فقط إلى الدرجة الإجمالية.

الخلاصة

يشير هذا البحث إلى أننا لسنا بحاجة إلى مختبرات باهظة الثمن للحصول على ملاحظات احترافية حول الحركات الرياضية. فمن خلال الجمع بين نموذج "الشبح المثالي" ودماغ ذكاء اصطناعي صغير وسريع، يمكننا تحويل فيديو بسيط إلى جلسة تدريب مفصلة. النظام سريع، دقيق، والأهم من ذلك أنه قابل للتفسير — فهو يخبرك لماذا حصلت على درجة معينة، وليس فقط ما هي تلك الدرجة.

يلاحظ المؤلفون أن هذا ليس بديلاً للمدرب البشري الحقيقي أو للمختبرات ذات المستشعرات عالية التقنية، بل هو أداة للمدارس والتدريبات القاعدية حيث الموارد محدودة. كما يعترفون بأن مجموعتهم الاختبارية كانت مكونة في الغالب من الشباب، لذا قد يحتاج النظام إلى مزيد من الاختبار على الأطفال أو الرياضيين الأكبر سناً. ولكن في الوقت الحالي، لقد أثبتوا أنه بلمسة من الهندسة الذكية، يمكن للكمبيوتر أن يتعلم مراقبة قفزة، وفهم الفيزياء، ومنحك تشجيعاً أو دفعة لطيفة لتجرب مرة أخرى.