🤖 AI

BadmintonGRF: A Multimodal Dataset and Benchmark for Markerless Ground Reaction Force Estimation in Badminton

Dieser Beitrag stellt BadmintonGRF vor, einen multimodalen Datensatz und Benchmark mit synchronisierten hochfrequenten Mehransichtsvideos und instrumentierten Daten der Bodenreaktionskräfte von 10 Probanden, der darauf abzielt, die markerlose Lastschätzung im Badminton durch kuratierte Aufprallsegmente, zeitlich abgestimmte Metadaten und umfassende Basislinienbewertungen voranzutreiben.

Ursprüngliche Autoren: Kuoye Niu, Jianwei Li, Shengze Cai, Yong Ma, Mengyao Jia, Lishun Shen, Zhenheng Zhang, Yuxin Peng, Xian Song

Veröffentlicht 2026-05-06

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Kuoye Niu, Jianwei Li, Shengze Cai, Yong Ma, Mengyao Jia, Lishun Shen, Zhenheng Zhang, Yuxin Peng, Xian Song

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen einem Computer beizubringen, genau zu verstehen, wie hart ein Badmintonspieler bei jedem Sprung und jeder Landung auf den Boden aufschlägt. Normalerweise benötigen Sie für diese Informationen, dass der Spieler auf speziellen, teuren, laborfähigen Waagen (Kraftmessplatten) steht, während er Sensoren trägt. Das ist zwar hervorragend für ein Wissenschaftslabor, aber während eines echten, schnellen Spiels oder einer regulären Trainingseinheit unmöglich durchzuführen.

Dieser Beitrag stellt BadmintonGRF vor, ein neues „Trainingsmanual" für Computer, das dieses Problem löst. Es ist eine massive Datensammlung, die KI beibringt, diese Bodenkräfte allein durch das Betrachten eines Videos vorherzusagen, ohne dass Sensoren am Körper des Spielers benötigt werden.

Hier ist eine Aufschlüsselung dessen, was sie getan haben, unter Verwendung einiger alltäglicher Analogien:

1. Das „Zeitreise"-Rätsel (Synchronisation)

In einem echten Labor laufen die Videokameras und die Bodewaagen normalerweise auf der exakt gleichen Uhrzeit. Doch in diesem Projekt nutzten die Forscher acht reguläre, hochauflösende Consumer-Kameras (wie die in Ihrem Handy oder einer GoPro) neben den Laborwaagen.

Das Problem: Diese Kameras teilen sich keine Uhrzeit. Eine könnte eine Split-Sekunde schneller sein als die andere. Es ist, als würde man versuchen, ein Orchester zu leiten, bei dem der Schlagzeuger und der Geiger unterschiedliche Metronome hören.
Die Lösung: Das Team entwickelte ein System, um das Video und die Kraftdaten manuell und automatisch auszurichten. Sie behandelten es wie ein Puzzle, indem sie bestimmte Momente (wie das Aufschlagen eines Fußes auf dem Boden) fanden, um die beiden Datenströme perfekt zu synchronisieren. Sie fügten sogar einen „Vertrauenswert" hinzu, um den Nutzern anzuzeigen, wie sicher sie bezüglich der Zeitabstimmung sind.

2. Die „Zwei-Ebenen"-Bibliothek (Der Datensatz)

Um die Privatsphäre der Athleten zu schützen und gleichzeitig Wissenschaftlern zu helfen, ist die Datenmenge in zwei „Ebenen" unterteilt, wie eine Bibliothek mit einem öffentlichen Lesesaal und einem eingeschränkten Archiv:

Ebene 1 (Der öffentliche Lesesaal): Dies ist das, was jeder kostenlos herunterladen kann. Es enthält das „Skelett" der Spieler (wo sich ihre Gelenke im Video befinden) und die Bodenkraftwerte. Es ist, als würde man jemandem eine Strichmännchen-Animation und die Daten geben, aber nicht das eigentliche Videomaterial. Das reicht aus, um KI-Modelle zu trainieren, Kräfte vorherzusagen.
Ebene 2 (Das eingeschränkte Archiv): Dies enthält das rohe, hochauflösende Video und die vollständigen 3D-Bewegungserfassungsdaten. Sie können dies nur erhalten, wenn Sie um Genehmigung nachsuchen. Dies ist für Forscher gedacht, die das tatsächliche Erscheinungsbild oder die Kleidung der Spieler untersuchen müssen, nicht nur deren Bewegung.

3. Der „Stresstest" (Der Benchmark)

Die Forscher haben die Daten nicht einfach nur veröffentlicht; sie schufen einen strengen Test, um zu sehen, wie gut verschiedene KI-Modelle abschneiden.

Die Herausforderung: Sie verwendeten eine „Leave-One-Subject-Out"-Methode (Ein-Subjekt-ausschließen). Stellen Sie sich vor, Sie unterrichten einen Studenten im Badminton mit neun verschiedenen Spielern und testen ihn dann am zehnten Spieler, den er noch nie gesehen hat. Dies testet, ob die KI die Physik des Badmintons wirklich gelernt hat oder ob sie nur die spezifischen Bewegungen einer Person auswendig gelernt hat.
Die Ergebnisse: Sie testeten 10 verschiedene KI-„Gehirne" (Modelle). Die besten konnten die vertikale Kraft mit einer Genauigkeit von etwa 40 % vorhersagen (gemessen durch einen statistischen Wert namens $r^2$ ). Obwohl dies nicht perfekt ist, ist es ein solider Start für einen so chaotischen und schnellen Sport wie Badminton.

4. Warum Badminton?

Die meisten früheren Studien betrachteten Gehen oder Springen in einer geraden Linie (wie auf einem Laufband). Badminton ist anders; es ist eine „Stopp-und-Go"-Sportart mit plötzlichen Stopps, scharfen Kurven und schweren Landungen.

Die Analogie: Wenn frühere Datensätze wie ein Rezept zum Backen eines einfachen Laibs Brot waren, ist BadmintonGRF wie ein Rezept für einen komplexen, mehrschichtigen Kuchen, der präzises Timing und Temperaturwechsel erfordert. Es erfasst den chaotischen, realen Stress auf den Beinen eines Spielers.

Was dies tatsächlich bedeutet (Basierend strikt auf dem Papier)

Es ist eine Ressource, kein Zauberstab: Das Papier betont, dass dies ein Werkzeug für Forscher ist. Es liefert die Daten, den Code zum Laden und die Regeln für Tests.
Es löst eine spezifische Lücke: Vorher gab es keinen öffentlichen Datensatz, der hochauflösendes Video, laborfähige Kraftmessungen und badminton-spezifische Bewegungen so kombinierte, dass Forscher ihre Ergebnisse leicht vergleichen konnten.
Es geht um „markenlose" Schätzung: Das Ziel ist es, Trainern oder Spielern schließlich zu ermöglichen, mit nur einer Videokamera abzuschätzen, wie viel Stress ihre Beine aushalten, ohne ein 50.000-Dollar-Labor-Setup zu benötigen.

Kurz gesagt ist BadmintonGRF ein sorgfältig organisierter, hochwertiger „Trainingsplatz", der Computern ermöglicht, die Beziehung zwischen den Videobewegungen eines Badmintonspielers und den unsichtbaren Kräften zu lernen, die auf den Boden wirken, und dabei gleichzeitig die Identitäten der Athleten schützt.

Technische Zusammenfassung: BadmintonGRF

Problemstellung

Die genaue Schätzung von Bodenreaktionskräften (GRF) ist entscheidend für die Überwachung der Arbeitsbelastung, die Analyse von Ermüdung und die Bewertung von Verletzungsrisiken der unteren Extremitäten im Sport. Während die markierungsfreie Schätzung (Ableitung von GRF aus Video oder Pose) Fortschritte macht, fehlt es derzeit an einer robusten Validierung in nicht-periodischen, hochintensiven Hallensportarten wie Badminton. Bestehende Ressourcen konzentrieren sich vorwiegend auf periodischen Gang oder skriptgesteuerte Sprünge und erfassen dabei nicht den unregelmäßigen, hochbelastenden Fußwechsel, der für das Wettkampfspiel charakteristisch ist. Darüber hinaus gibt es einen Mangel an öffentlichen Datensätzen, die instrumentierte, laborähnliche GRF mit hochfrequenter, multiviewiger Videoaufnahme koppeln, insbesondere dort, wo Video und Kraftsensoren nicht hardwaremäßig synchronisiert (genlocked) sind. Diese Lücke behindert die Entwicklung markierungsfreier Modelle zur Lastschätzung für realistische Trainingsumgebungen.

Methodik und Datensatzkonstruktion

Der Datensatz BadmintonGRF schließt diese Lücken durch eine studienreife multimodale Erfassungspipeline, an der 17 leistungsorientierte Badmintonathleten (zweite nationale Liga oder höher) beteiligt waren.

Datenerfassung

Sensoren: Das Setup umfasst acht fest installierte RGB-Kameras (DJI Osmo Action 4, ~120 FPS), vier Kistler-Sechs-Achsen-Kraftmessplatten und ein Vicon-Bewegungserfassungssystem mit acht Kameras (exportiert als C3D).
Synchronisationsherausforderung: Im Gegensatz zu traditionellen Laborsystemen arbeiten die kommerziellen RGB-Kameras mit unabhängigen Oszillatoren ohne Hardware-Genlock zur Laborzeitbasis.
Lösung zur Ausrichtung: Die Autoren entwickelten eine softwarebasierte Ausrichtungs-Pipeline. Diese umfasst:
1. Menschlich verifizierte Ereignisse: Annotatoren koppeln markante GRF-Spitzen mit Videoereignissen, um zeitliche Verschiebungen pro Kamera zu schätzen.
2. Automatisierte Qualitätsprüfung (QA): Eine Pipeline prüft die Konsistenz der Verschiebungen und markiert Anomalien (5,2 % der Versuche erforderten manuelle Klärung).
3. Unsicherheits-Metadaten: Die veröffentlichten Metadaten enthalten Verschiebungen und abgeleitete Unsicherheitswerte.
Protokoll: Die Athleten führten strukturierte Übungen und spielähnliche Ballwechsel sowohl unter frischen als auch unter induzierten Ermüdungsbedingungen durch. Das Protokoll wechselt zwischen Ballwechseln und spezifischen Fußwechselmodulen (Oberfeld, smash-orientiert, Sechs-Punkte-Reaktionen).

Datenverarbeitung und Segmentierung

Ground Truth: Die Referenz-GRF wird aus den vier Platten aggregiert, wobei die vertikale Kraft ( $F_z$ ) aufgrund ihrer Dominanz als Verletzungs-Surrogat das primäre Überwachungsziel darstellt.
Segmentierung: Die Pipeline erkennt Landungsspitzen im ausgerichteten $F_z$ -Signal und schneidet symmetrische Fenster von $\pm0,5$ Sekunden (ca. 120 Frames) zu.
Qualitätsgates: Ein Referenz-Lader filtert Instanzen basierend auf:
- Mittlerer Pose-Score der unteren Körperhälfte $\ge 0,70$ .
- Tracking-Verlustrate $\le 0,05$ .
- Spitzen- $F_z$ innerhalb des Dreifachen des Körpergewichts.
- Maskierung bei niedrigen Scores und Bereinigung mittels Finite-Differenzen.

Benchmark-Design

Der Datensatz wird in zwei Stufen veröffentlicht, um Nutzen und Datenschutz in Einklang zu bringen:

Stufe 1 (Öffentlich): Enthält zeitlich ausgerichtete Pose-Daten, verarbeitete GRF, Metadaten und vordefinierte Aufteilungen unter CC BY-NC 4.0. Diese Stufe unterstützt den primären Benchmark, ohne dass Rohvideos oder C3D-Dateien erforderlich sind.
Stufe 2 (Gesteuerter Zugriff): Bietet Roh-RGB- und C3D-Daten für Studien, die eine Analyse des Erscheinungsbilds oder vollständige Kinematik erfordern.

Der Benchmark verwendet ein Leave-One-Subject-Out (LOSO)-Protokoll, um die Generalisierung über verschiedene Probanden hinweg zu bewerten, eine kritische Metrik für die Anwendbarkeit in der realen Welt.

Hauptbeiträge

Studienreife multimodale Erfassung: Die erste öffentliche Veröffentlichung, nach Kenntnis der Autoren, die acht Ansichten mit ~120 FPS RGB, vier Kistler-Kraftmessplatten und Vicon C3D für nicht-periodische Badminton-Impakte kombiniert, ergänzt durch ermüdungsbewusste Protokoll-Tags.
Software-Ausrichtung ohne Genlock: Eine robuste „Human-in-the-Loop"-Pipeline, die eine annähernde framegenaue Ausrichtung zwischen kommerziellen RGB-Kameras und Laborsensoren erreicht, vollständig mit automatisierter QA und Unsicherheits-Metadaten.
Verpackter Benchmark: Eine kuratierte Veröffentlichung von 17.425 Impaktsegmenten (12.867 nach Qualitätsgates; 1.732 einzigartige Impakte) mit deterministischen Aufteilungen und Loadern.
Transparente Evaluation: Ein festes LOSO-Protokoll, vier komplementäre Metriken ( $r^2$ , RMSE, Spitzenmagnitudenfehler, Spitzenzeitfehler) und zehn dokumentierte Referenz-Baselines zur Minimierung von Implementierungsvarianzen.

Ergebnisse und Benchmark-Leistung

Die Arbeit evaluiert zehn Referenzarchitekturen (einschließlich Temporal Convolutional Networks, Transformer und Graph Neural Networks) auf dem Benchmark der Stufe 1.

Leistungsobergrenze: Die bestperformenden Modelle (PatchTST und ST-GCN+Transformer) erreichen ein $r^2$ von ungefähr 0,40 im LOSO-Einzelansicht-Setting.
Dominante Faktoren: Die Analyse zeigt, dass die biomechanische Variabilität zwischen Probanden die Hauptfehlerquelle ist und die verbleibende Synchronisationsrauschen überwiegt. Synthetische Timing-Stresstests zeigten, dass eine Verschiebung um 1 Frame das $r^2$ um ~0,05 reduziert, während zurückgehaltene Probanden Schwankungen >0,15 verursachen.
Metrik-Abwägungen:
- PatchTST führt bei Kurvenanpassung ( $r^2$ ) und RMSE.
- ST-GCN+Transformer führt bei der Genauigkeit der Spitzenmagnituden und des Timings, wahrscheinlich aufgrund seiner expliziten Graphenstruktur, die kurze Landungstransienten verarbeitet.
- Late Fusion: Die Kombination von Mehransichtsvorhersagen kann $r^2$ verbessern (z. B. erreicht TSMixer 0,472), verschlechtert jedoch oft die Spitzenmetriken, wenn Vorhersagen pro Ansicht kollidieren.
Leistung innerhalb des Versuchs: Wenn Probanden während des Trainings gesehen werden (Within-trial-Setting), verbessert sich $r^2$ auf ~0,60, was bestätigt, dass die aktuelle LOSO-Obergrenze durch Herausforderungen beim Probandentransfer und nicht durch Ausrichtungsprobleme bedingt ist.

Bedeutung und Behauptungen

Die Autoren positionieren BadmintonGRF als notwendige Ressource, um die Lücke zwischen kontrollierter Laborbiomechanik und ungebundenem Sporttraining zu schließen.

Reproduzierbarkeit: Die Arbeit betont, dass der Wert der Ressource in ihrem „geprüften" Charakter liegt – sie bietet explizite Ausrichtungsprotokolle, Qualitätssicherungsskripte und deterministische Loader, die es Forschern ermöglichen, Ergebnisse ohne versteckte Vorverarbeitungsentscheidungen zu reproduzieren.
Multimedia-Relevanz: Über die Sportwissenschaft hinaus dient der Datensatz als Stresstest für die Multimedia-Forschung hinsichtlich heterogener Uhren, verdeckter Pose-zu-Dynamik-Modellierung und Domänenverschiebungen zwischen Labor und Trainingsstätten.
Bescheidene Behauptungen: Die Autoren stellen ausdrücklich fest, dass die Referenzmodelle als „Reproduzierbarkeitsanker" dienen und keine Behauptungen über State-of-the-Art-Leistung aufstellen. Sie erkennen an, dass die aktuelle Leistungsobergrenze durch die Probandenvariabilität begrenzt ist und zukünftige Gewinne wahrscheinlich probandenbewusste oder metadatenkonditionierte Zielgrößen erfordern werden, anstatt weiterer Feinabstimmungen der Ausrichtung.
Zugänglichkeit: Durch die Bereitstellung eines Datensatzes der Stufe 1 mit datenschutzkonformen Pose-Daten zielen die Autoren darauf ab, die Einstiegshürde für Forscher zu senken, die an der Schätzung von Kraft aus Pose interessiert sind, ohne Zugang zu eingeschränkten Rohvideos oder teuren Laboreinrichtungen zu benötigen.