Physics-Informed Dual-View YOLO Framework for Tennis Ball Trajectory Prediction

जब एक टेनिस बॉल रैकेट से निकलती है, तो वह हाथ से फेंके गए पत्थर की तरह केवल एक सहज, अनुमानित चाप (arc) का अनुसरण नहीं करती है। इसके बजाय, यह तीव्रता से घूमती है, और वह स्पिन हवा के साथ मिलकर ऐसी अदृश्य ताकतें पैदा करती है जो गेंद को ऊपर, नीचे या बगल की ओर धकेलती हैं। यह घटना, जिसे मैग्नस प्रभाव (Magnus effect) के रूप में जाना जाता है, टेनिस बॉल की उड़ान को भौतिकी के एक जटिल नृत्य में बदल देती है जहाँ गुरुत्वाकर्षण, वायु प्रतिरोध और घूर्णन (rotation) सभी अलग-अलग दिशाओं में खिंचाव डालते हैं। दशकों से, वैज्ञानिक और कोच सटीक रूप से यह अनुमान लगाने की कोशिश कर रहे हैं कि एक घूमती हुई गेंद कहाँ गिरेगी, लेकिन पारंपरिक तरीके अक्सर सरलीकृत मॉडलों पर निर्भर करते हैं जो इन घुमावदार बलों को अनदेखा कर देते हैं। पुराने मॉडल यह मान लेते हैं कि गेंद एक साधारण प्रक्षेप्य (projectile) की तरह चलती है, जो निर्वात (vacuum) में गिरते हुए पत्थर के लिए तो ठीक है, लेकिन एक उच्च-गति वाले टेनिस मैच की अराजक वास्तविकता को पकड़ने में विफल रहता है। गेंद के वास्तविक पथ को समझना न केवल अंक जीतने के लिए महत्वपूर्ण है, बल्कि बेहतर प्रशिक्षण उपकरण विकसित करने, खिलाड़ी के प्रदर्शन का विश्लेषण करने और भविष्य की खेल तकनीक के लिए यथार्थवादी सिमुलेशन बनाने के लिए भी आवश्यक है।

ताइवान के नेशनल काओशुंग यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी के शोधकर्ताओं ने इन उड़ानों को ट्रैक करने का एक नया तरीका विकसित किया है जो इस बात के बीच के अंतर को पाटता है कि आँखें क्या देखती हैं और भौतिकी वास्तव में कैसे काम करती है। उन्होंने एक ऐसी प्रणाली बनाई है जो टेनिस बॉल के सटीक त्रि-आयामी (3D) पथ को पुनर्गठित करने के लिए उन्नत कंप्यूटर विजन को वायुगतिकी (aerodynamics) के नियमों के साथ जोड़ती है। गेंद के व्यवहार का अनुमान लगाने के बजाय, उनकी विधि दो अलग-अलग कोणों से गेंद को एक साथ देखती है—एक बगल से और एक सीधे ऊपर से—उच्च गति वाले कैमरों का उपयोग करके। यह दोहरा दृष्टिकोण उन्हें गेंद की गति, उसके लॉन्च का कोण और स्पिन-प्रेरित विचलन (drift) को उस स्पष्टता के साथ देखने की अनुमति देता है जो एक एकल कैमरा कभी प्राप्त नहीं कर सकता। इस दृश्य डेटा को एक कंप्यूटर मॉडल में फीड करके, जो मैग्नस प्रभाव को ध्यान में रखता है, वे वास्तविक दुनिया की स्थितियों में पहले की तुलना में अधिक सटीकता के साथ हवा में गेंद की यात्रा का अनुकरण (simulate) कर सकते हैं।

टीम ने लाल मिट्टी के टेनिस कोर्ट पर अपने सिस्टम का परीक्षण किया, जिसमें चमकीले दिन के उजाले और कृत्रिम रात की रोशनी के तहत चालीस अलग-अलग स्ट्रोक रिकॉर्ड किए गए। उन्होंने शीर्ष-से-नीचे (top-down) दृश्य कैप्चर करने के लिए एक ड्रोन और एक साइड व्यू के लिए ट्राइपॉड-माउंटेड कैमरा का उपयोग किया, दोनों ने बिना धुंधलेपन के तीव्र गति को पकड़ने के लिए साठ फ्रेम प्रति सेकंड पर फिल्मांकन किया। YOLO नामक डीप लर्निंग सिस्टम पर आधारित एक कंप्यूटर प्रोग्राम ने हर एक फ्रेम में गेंद की पहचान की, और हवा में उड़ते समय उसकी स्थिति को ट्रैक किया। जैसे ही सिस्टम ने रैकेट द्वारा गेंद को मारने के सटीक क्षण को पहचाना, इसने प्रारंभिक गति और दिशा की गणना की। महत्वपूर्ण रूप से, शोधकर्ताओं ने प्रत्येक शॉट के लिए दो अलग-अलग सिमुलेशन चलाए: एक जिसमें स्पिन के भौतिकी को शामिल किया गया था, और एक जिसने इसे केवल गुरुत्वाकर्षण के प्रभाव में गिरती हुई गेंद मानकर स्पिन को अनदेखा कर दिया। उन्होंने इन सिमुलेशन के परिणामों की तुलना वास्तविक लैंडिंग स्थानों से की, जिन्हें उन्होंने मिट्टी पर गेंदों द्वारा छोड़े गए निशानों को देखकर भौतिक रूप से मापा था।

परिणामों ने दोनों दृष्टिकोणों के बीच एक स्पष्ट अंतर दिखाया। जब शोधकर्ताओं ने स्पिन और परिणामी वायुगतिकीय बलों को अनदेखा किया, तो उनके अनुमान अक्सर काफी बड़े अंतर से गलत थे। गेंद कितनी दूर आगे बढ़ेगी, इसका अनुमान लगाने में औसत त्रुटि लगभग 2.5 मीटर थी। हालाँकि, जब उन्होंने गणनाओं में मैग्नस प्रभाव को शामिल किया, तो वह त्रुटि नाटकीय रूप से घटकर केवल 1 मीटर से थोड़ी अधिक रह गई। वह कुल दूरी जहाँ मॉडल ने कहा कि गेंद गिरेगी और जहाँ वह वास्तव में गिरी, वह लगभग 2.8 मीटर से घटकर लगभग 1.5 मीटर रह गई। यह सुधार आगे की दिशा में सबसे अधिक स्पष्ट था, जहाँ स्पिन गेंद को उन तरीकों से नीचे की ओर झुकाने या मोड़ने का कारण बनता है जिन्हें सरल गुरुत्वाकर्षण मॉडल नहीं समझा सकते। अध्ययन में पाया गया कि जबकि गेंद की अगल-बगल की स्थिति उनके विशिष्ट सेटअप में स्पिन से बहुत अधिक प्रभावित नहीं थी, वहीं अग्र पथ (forward trajectory) इन वायुगतिकीय बलों को ध्यान में रखने पर अत्यधिक निर्भर था।

शोधकर्ताओं ने यह भी खोजा कि उनका सिस्टम इस बात पर लगातार अच्छा काम करता है कि सूरज चमक रहा हो या लाइटें जल रही हों। लैंडिंग भविष्यवाणियों की सटीकता विभिन्न प्रकाश स्थितियों में स्थिर रही, जिससे सिद्ध हुआ कि डुअल-कैमरा ट्रैकिंग और भौतिकी-आधारित मॉडलिंग का संयोजन वास्तविक दुनिया के उपयोग के लिए पर्याप्त मजबूत है। अध्ययन बताता है कि स्पिन और हवा के बीच जटिल अंतःक्रिया को अनदेखा करने से गेंद के जाने के स्थान की भविष्यवाणी करने में व्यवस्थित त्रुटियां होती हैं, और एक मॉडल को वास्तव में सटीक होने के लिए इन बलों को शामिल करना चाहिए। कंप्यूटर विजन को वायुगतिकीय सिमुलेशन के साथ सफलतापूर्वक जोड़कर, टीम ने एक ऐसा ढांचा तैयार किया है जो उच्च निष्ठा (fidelity) के साथ टेनिस बॉल की उड़ान को पुनर्गठित कर सकता है। यह दृष्टिकोण खेल के गति के विश्लेषण के लिए एक नया मानक प्रदान करता है, जो केवल ज्यामितीय ट्रैकिंग से आगे बढ़कर उन भौतिक बलों की गहरी समझ की ओर बढ़ता है जो खेल को नियंत्रित करते हैं।