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

Imagine que você está observando um amigo tentar ensinar um robô a jogar basquete. Se você apenas disser ao robô, "Você errou o arremesso", ele não aprende nada. Mas se você disser: "Seu cotovelo estava muito baixo, você não dobrou os joelhos o suficiente e soltou a bola cedo demais", o robô pode realmente consertar seu jogo. Este é o coração de um campo chamado Avaliação de Qualidade de Ação (AQA - Action Quality Assessment). Durante anos, os computadores foram ótimos em reconhecer o que ação está acontecendo (como "pular" ou "correr"), mas tiveram dificuldade em explicar o quão bem ela foi realizada. Os métodos tradicionais geralmente exigem câmeras e sensores caros e volumosos que parecem um cenário de filme de ficção científica, tornando-os impossíveis de usar em uma academia escolar comum. A grande questão que os pesquisadores estão tentando resolver é: Podemos usar um vídeo simples de um celular ou de uma câmera padrão para não apenas dar uma nota, mas também explicar exatamente onde um movimento deu errado, tudo isso sem precisar de um laboratório cheio de equipamentos?

Este artigo apresenta um novo sistema inteligente projetado para avaliar o salto em distância parado — um teste clássico de potência explosiva — usando apenas um vídeo. Os pesquisadores, liderados por uma equipe da Universidade Normal de Capital, construíram um "treinador digital" que decompõe o salto em suas minúsculas partes mecânicas. Em vez de apenas olhar para a distância final saltada, o sistema observa o atleta como um detetive biomecânico. Eles criaram um "modelo padrão" baseado em conhecimento especializado, que atua como um fantasma perfeito de um salto ideal. Então, usaram um modelo de IA leve (um tipo de cérebro chamado ST-GCN) para comparar o vídeo do atleta real contra esse fantasma perfeito. O resultado não é apenas um número; é um boletim detalhado que diz: "Seu ângulo de saída foi muito baixo" ou "Você não dobrou os joelhos o suficiente ao pousar". A equipe testou isso em 200 pessoas e descobriu que sua IA podia avaliar os saltos com um nível de precisão que se iguala ao de especialistas humanos, mas faz isso com uma fração mínima do poder de computação, tornando possível rodar em computadores comuns em escolas.

O Treinador Digital e o Fantasma Perfeito

Pense no salto em distância parado como uma dança complexa com cinco movimentos distintos: preparar-se, agachar, explodir para cima, voar pelo ar e pousar com segurança. No passado, se um treinador quisesse avaliar isso, teria que assistir ao vídeo quadro a quadro, adivinhar os ângulos e anotar observações. É lento, e dois treinadores podem discordar.

Os autores deste artigo decidiram construir um treinador digital que nunca se cansa e nunca discorda de si mesmo. Primeiro, eles tiveram que ensinar o computador a enxergar. Eles pegaram vídeos de 200 participantes (100 homens e 100 mulheres) saltando e usaram uma ferramenta chamada MMPose para encontrar o "esqueleto" da pessoa no vídeo. É como desenhar um boneco de palito sobre a pessoa em cada quadro do vídeo. Depois, usaram outra ferramenta, o VideoPose3D, para elevar esse boneco de palito para o espaço 3D, para que o computador entenda a profundidade, não apenas uma imagem plana.

Mas ver o esqueleto não é suficiente; o computador precisa saber como é um bom salto. Por isso, a equipe construiu um Modelo de Ação Padrão. Imagine isso como um salto do "Fantasma Perfeito". Este fantasma não tem corpo, mas tem um conjunto de regras: "Os joelhos devem dobrar entre 80–100 graus", "O ângulo de saída deve estar entre 19 e 40 graus" e "O pouso deve ser suave". Este fantasma foi criado combinando estudos científicos com o conhecimento de especialistas reais em esportes.

O Cérebro Leve

Agora vem a estrela do show: o ST-GCN Leve. No mundo da IA, "GCN" significa Rede Convolucional de Grafos, uma maneira sofisticada de dizer um cérebro de computador que entende como as partes do corpo estão conectadas (como o modo como seu joelho se move quando seu quadril se move). Geralmente, esses cérebros são enormes, pesados e lentos, exigindo supercomputadores poderosos para rodar.

Os pesquisadores queriam algo que pudesse rodar em um computador comum, talvez até em um laptop em uma quadra escolar. Por isso, construíram uma versão leve. Pense nisso como encolher uma biblioteca massiva e complexa para um único caderno perfeitamente organizado. Eles cortaram partes desnecessárias, removeram mecanismos de atenção complexos (que são como o cérebro tentando olhar para muitas coisas ao mesmo tempo) e simplificaram a estrutura.

O resultado é um modelo incrivelmente pequeno. Ele possui apenas 0,48 milhão de parâmetros (a "memória" do cérebro) e requer 2,7 GFLOPs de poder de computação. Para colocar em perspectiva, uma versão padrão e pesada deste cérebro precisaria de 3,10 milhões de parâmetros e 16,4 GFLOPs. O novo modelo é cerca de 84,5% menor e muito mais rápido. Ele pode analisar um salto em apenas 18,2 milissegundos em um computador de alto desempenho, ou 64,3 milissegundos em uma CPU padrão. Isso é rápido o suficiente para dar feedback quase instantaneamente, como um treinador gritando conselhos enquanto você ainda está no ar.

Como Ele Avalia e Explica

É aqui que a mágica acontece. O sistema não olha apenas para o salto inteiro e adivinha uma nota. Ele decompõe o salto em três zonas principais de pontuação: Saída (Take-off), Voo (Flight) e Pouso (Landing).

1. A Zona de Saída: Inclui a preparação, o agachamento e a explosão. A IA verifica se o atleta dobrou os joelhos o suficiente e se balançou os braços corretamente.
2. A Zona de Voo: Este é o tempo no ar. A IA verifica se o corpo permaneceu estável e se as pernas foram puxadas para trás adequadamente.
3. A Zona de Pouso: Este é o impacto. A IA verifica se os joelhos dobraram para amortecer a queda e se o corpo manteve o equilíbrio.

A IA dá uma pontuação para cada zona e então as combina em uma pontuação total. Mas a melhor parte é o feedback. Se a pontuação da "Saída" for baixa, o sistema olha para o modelo do "Fantasma Perfeito" e pergunta: "O que foi diferente?"

• Os joelhos não dobraram o suficiente? -> Feedback: "Impulsão insuficiente."
• O salto foi muito baixo/plano? -> Feedback: "Ângulo de saída baixo."
• Os braços ficaram parados? -> Feedback: "Balanço de braços insuficiente."

Os Resultados: Funciona?

A equipe testou seu treinador digital contra três especialistas humanos. Os resultados foram impressionantes. As pontuações da IA coincidiram com as dos especialistas humanos com uma correlação de 0,94 (onde 1,0 é uma correspondência perfeita). Em termos de erro, a IA errou apenas 0,12 pontos em média (RMSE), comparado a 0,33 pontos para os especialistas humanos e 0,26 pontos para outros métodos computacionais.

O artigo sugere que este método é particularmente bom na fase de saída, onde foi mais consistente. As fases de voo e pouso foram um pouco mais difíceis de julgar perfeitamente, provavelmente porque o corpo se move muito rápido e a câmera às vezes perde o rastreamento das articulações por um breve segundo. No entanto, mesmo com esses pequenos contratempos, o sistema ainda foi mais preciso do que os métodos computacionais tradicionais e tão bom quanto os especialistas humanos.

Os pesquisadores também compararam seu método de "divisão de fases" (avaliando as três partes separadamente) contra um método que olha apenas para o salto completo de uma vez. O método de divisão de fases venceu de longe. É como avaliar uma prova de matemática verificando a adição, a multiplicação e o resultado final separadamente, em vez de apenas olhar para o número final. Essa abordagem ajudou a IA a detectar pequenos erros que teriam sido ocultados se ela olhasse apenas para a pontuação total.

A Conclusão

Este artigo sugere que não precisamos de laboratórios caros para obter feedback de nível profissional sobre movimentos esportivos. Ao combinar um modelo de "Fantasma Perfeito" com um cérebro de IA pequeno e rápido, podemos transformar um vídeo simples em uma sessão de treinamento detalhada. O sistema é rápido, preciso e, o mais importante, interpretável — ele diz por que você obteve certa nota, não apenas qual é a nota.

Os autores ressaltam cuidadosamente que isso não é um substituto para um treinador humano real ou um laboratório com sensores de alta tecnologia. É uma ferramenta para escolas e treinamento de base onde os recursos são limitados. Eles também admitem que seu grupo de teste consistia principalmente de jovens adultos, portanto, pode precisar de mais testes com crianças ou atletas mais velhos. Mas, por enquanto, eles mostraram que, com um pouco de engenharia inteligente, um computador pode aprender a observar um salto, entender a física e te dar um "high-five" ou um empurrãozinho gentil para tentar novamente.