Technische Samenvatting: AIDE – Geautomatiseerde Instructie via Gedestilleerde Expertise voor Referentievrije Coaching van Motorische Vaardigheden

Probleemstelling

Het genereren van specifieke, actiegerichte natuurlijke taalcoaching-feedback voor motorische vaardigheden is cruciaal voor domeinen variërend van sport tot revalidatie, maar de toegang tot deskundige coaches wordt beperkt door schaarste en kosten. Hoewel recente vooruitgang in Action Quality Assessment (AQA) automatische scoreberekeningen mogelijk maakt, en pose-estimatie betrouwbare skeletale representaties biedt, zijn er weinig methoden die open eind feedback in tekstvorm genereren. Bestaande referentie-gebaseerde benaderingen (bijv. ExpertAF, CoachMe) vereisen expert-demonstratievideo's tijdens zowel de trainingsfase als de inferentiefase om de leerling- en expertposes te vergelijken. Deze afhankelijkheid creëert een praktische flessenhals, aangezien het verkrijgen van een bijbehorende expert-demonstratie voor elke poging van een leerling tijdens de inzet in de echte wereld vaak onhaalbaar is. Daartegenover staan referentievrije methoden die de noodzakelijke vergelijkende kennis missen om hoogwaardige, specifieke feedback te genereren.

Methodologie: AIDE-framework

De auteur stelt AIDE (Automated Instruction via Distilled Expertise) voor, een framework gebaseerd op het Learning Using Privileged Information (LUPI) paradigma. LUPI formaliseert een setting waarbij aanvullende informatie (expert-referenties) beschikbaar is tijdens de training, maar afwezig is tijdens de inferentie. AIDE werkt in twee stadia met behulp van een bevroren Large Language Model (LLM) als ruggengraat, waarbij pose-afgeleide tokens worden geïnjecteerd via lichtgewicht connectoren (Perceiver Resampler).

Fase 1: Training van het Teacher-model

Het teacher-model wordt getraind op gepaarde leerling- ($V$) en expert- ($\bar{V}$) pose-sequenties.

• Pose Encoder: Een gedeelde encoder (MLP + Perceiver Resampler) verwerkt beide sequenties om vastlengte token-sequenties te produceren.
• Token Separatie: Het model genereert twee onderscheidende token-sequenties:
  1. Learner Tokens ($z$): Geëncodeerd uit de pose van de leerling.
  2. Difference Tokens ($z_\Delta$): Berekend via elementgewijze aftrekking: $z_\Delta = \text{Enc}(V) - \text{sg}(\text{Enc}(\bar{V}))$, waarbij $\text{sg}$ de stop-gradient operator is. Dit zorgt ervoor dat de expert-tak fungeert als een vaste referentie.
• Generatie: De LLM ontvangt de geconcateneerde sequentie $[z; z_\Delta]$ en genereert gestructureerde feedback (samenvatting, verbeterpunten, goede punten). Alleen de parameters van de pose encoder worden bijgewerkt; de LLM blijft bevroren.

Fase 2: Inferentie van het Student-model

Het student-model is ontworpen om zonder expert-referenties te opereren tijdens de inferentie.

• Architectuur: De student hergebruikt de bevroren encoder-gewichten ($\theta^*_{enc}$) van de teacher om learner-tokens ($z$) te genereren.
• Auxiliary Latent Module (ALM): De expliciete verschilberekening wordt vervangen door een trainbare ALM ($\theta_{aux}$) die enkel de pose van de leerling ($V$) als input neemt. De ALM deelt dezelfde architectuur als de pose encoder (MLP + Resampler) en is geïnitialiseerd met de gewichten van de teacher.
• Impliciete Kennisoverdracht: De student genereert feedback vanuit $[z; z_{aux}]$. Cruciaal is dat geen expliciete distillatieverlies (bijv. het minimaliseren van $\|z_{aux} - z_\Delta\|^2$) wordt toegepast. De ALM is vrij om een representatie te leren die geschikt is voor de eindtaak, in plaats van het imiteren van de structureel beperkte verschil-tokens van de teacher.
• Trainingsdoel: De student wordt uitsluitend getraind op het generatieverlies ($\mathcal{L}_{gen}$) tegen de grondwaarheid-feedback.

Belangrijkste Bijdragen

1. LUPI voor Coaching-feedback: Dit is de eerste toepassing van het LUPI-paradigma op coaching van motorische vaardigheden. AIDE benut expert-referenties alleen tijdens de training, waardoor de noodzaak voor gematchte expert-demonstraties tijdens de inferentie wordt geëlimineerd.
2. Impliciete Kennisoverdracht: Het paper toont aan dat het delen van encoders en gewichts-initialisatie alleen al voldoende is om kennis van de teacher naar de student over te dragen. Deze aanpak presteert beter dan referentievrije baselines en komt overeen met referentie-vereiste methoden zonder dat hiervoor expliciete distillatieverliezen nodig zijn.
3. Token-gescheiden Architectuur: Door de learner- en verschil-tokens als onderscheidende sequenties te behouden, maakt het framework modulaire kennisoverdracht mogelijk. De student erft de learner-representatie intact terwijl alleen de verschil-pad wordt vervangen door een geleerd hulpmodule.

Experimentele Resultaten

Experimenten werden uitgevoerd op de ExpertAF dataset, gebruikmakend van basketbal (primair) en voetbal (secundair) subsets.

• Prestaties t.o.v. Baselines:

  • AIDE presteerde beter dan de Learner-Only baseline (die geen expert-data heeft tijdens training of inferentie) over alle metrieken op basketbal, inclusief ROUGE-L (+1.6) en gewogen F1 voor deel-voorspelling (+5.9).
  • AIDE presteerde vergelijkbaar met de Learner+Expert teacher (die expert-referenties vereist tijdens de inferentie) en de opnieuw geïmplementeerde CoachMe baseline. Zo behaalde AIDE op basketbal een ROUGE-L van 22.3 vergeleken met 21.7 voor Learner+Expert en 21.8 voor CoachMe.
  • In voetbal toonde AIDE significante verbeteringen in tekstkwaliteit ten opzichte van Learner-Only (ROUGE-L 26.3 vs. 17.6), hoewel de metrieken voor deel-voorspelling lager waren, wat wordt toegeschreven aan de kleine omvang van de trainingsset.

• LLM-gebaseerde Evaluatie: Paar-evaluaties met twee onafhankelijke judges (Claude Sonnet 4.6 en Qwen3.5-9B) bevestigden dat AIDE wordt verkozen boven Learner-Only wat betreft correctheid en specificiteit. AIDE behaalde winstpercentages die bijna gelijk zijn aan Learner+Expert en CoachMe, wat de claim ondersteunt dat inferentie-tijd referenties kunnen worden vervangen door impliciete kennisoverdracht.

• Capaciteitscontrole: Ablatie-studies bevestigden dat de prestatiewinst van AIDE niet komt door een verhoogde modelcapaciteit. Het verdubbelen van het aantal tokens voor de Learner-Only baseline leverde geen vergelijkbare verbeteringen op, en het succes van het student-model was afhankelijk van de specifieke mechanismen van encoder-deling en initialisatie in plaats van het ruwe aantal parameters.

Betekenis en Claims

Het paper claimt dat AIDE een praktisch pad biedt naar schaalbare coaching van motorische vaardigheden door de barrière van het vereisen van expert-demonstraties voor elke leerling-poging weg te nemen. De centrale bevinding is dat impliciete transfer — bereikt door gedeelde encoder-gewichten en initialisatie zonder expliciete distillatieverliezen — een referentievrij model in staat stelt om vergelijkbaar te presteren met referentie-vereiste methoden.

De auteur benadrukt dat het framework toegang tot coaching democratiseert in omgevingen met beperkte middelen. Door de input te reduceren tot pose-sequenties (16–32 tokens) in plaats van ruwe videoframes (~7.000 tokens) en de noodzaak voor expert-inferentie-data te elimineren, biedt AIDE een computationeel efficiënte en inzetbare oplossing. Het gestructureerde outputformaat (JSON met samenvatting, verbeterpunten en goede punten) is ontworpen om direct actiegericht te zijn voor leerlingen zonder dat daar interpretatie door een domeinexpert voor nodig is.

Het paper blijft bescheiden over de beperkingen en merkt op dat de prestaties van deel-voorspelling verslechteren in scenario's met weinig data (voetbal) en dat toekomstig werk nodig is om de generalisatie naar andere domeinen en de impact van pose-estimatie-ruis in real-world deployments te valideren.