論文の概要: AI-Powered Precision in Sport Taekwondo: Enhancing Fairness, Speed, and Trust in Competition (FST.ai)
- arxiv url: http://arxiv.org/abs/2507.14657v1
- Date: Sat, 19 Jul 2025 15:14:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:31.988529
- Title: AI-Powered Precision in Sport Taekwondo: Enhancing Fairness, Speed, and Trust in Competition (FST.ai)
- Title（参考訳）: スポーツテコンドーにおけるAIによる精度:フェアネス、スピード、トラスト・イン・コンペティション(FST.ai)の強化
- Authors: Keivan Shariatmadar, Ahmad Osman,
- Abstract要約: FST.aiはSport Taekwondoの能力向上を目的としたAIベースのフレームワークである。
キーアクションの識別と分類を自動化し、意思決定時間を数分から秒に短縮する。
この枠組みは、柔道、空手、フェンシング、さらにはサッカーやバスケットボールのようなチームスポーツのようなアクション検出を必要とする幅広いスポーツに適応することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The integration of Artificial Intelligence (AI) into sports officiating represents a paradigm shift in how decisions are made in competitive environments. Traditional manual systems, even when supported by Instant Video Replay (IVR), often suffer from latency, subjectivity, and inconsistent enforcement, undermining fairness and athlete trust. This paper introduces FST.ai, a novel AI-powered framework designed to enhance officiating in Sport Taekwondo, particularly focusing on the complex task of real-time head kick detection and scoring. Leveraging computer vision, deep learning, and edge inference, the system automates the identification and classification of key actions, significantly reducing decision time from minutes to seconds while improving consistency and transparency. Importantly, the methodology is not limited to Taekwondo. The underlying framework -- based on pose estimation, motion classification, and impact analysis -- can be adapted to a wide range of sports requiring action detection, such as judo, karate, fencing, or even team sports like football and basketball, where foul recognition or performance tracking is critical. By addressing one of Taekwondo's most challenging scenarios -- head kick scoring -- we demonstrate the robustness, scalability, and sport-agnostic potential of FST.ai to transform officiating standards across multiple disciplines.
- Abstract（参考訳）: 人工知能(AI)のスポーツ能力向上への統合は、競争環境における意思決定のパラダイムシフトを表している。
インスタント・ビデオ・リプレイ(IVR)がサポートしている従来の手動システムは、しばしば遅延、主観性、一貫性のない執行に悩まされ、公正さとアスリートの信頼を損なう。
本稿では,スポーツテコンドーにおける能力向上を目的としたAIを活用した新しいフレームワークであるFST.aiについて紹介する。
コンピュータビジョン、ディープラーニング、エッジ推論を活用して、キーアクションの識別と分類を自動化し、一貫性と透明性を改善しながら、決定時間を数分から秒に短縮する。
重要な点として、この方法論はテコンドーに限ったものではない。
その基盤となるフレームワークは、ポーズ推定、モーション分類、インパクト分析に基づくもので、柔道、空手、フェンシング、さらにはサッカーやバスケットボールなどのチームスポーツなど、幅広いスポーツに適応することができる。
Taekwondo氏の最も困難なシナリオの1つ、ヘッドキックスコアリング(head kick score)に対処することで、FST.aiの堅牢性、スケーラビリティ、スポーツに依存しない可能性を実証し、複数の分野にわたる標準を変革する。
関連論文リスト
- Fair Play in the Fast Lane: Integrating Sportsmanship into Autonomous Racing Systems [44.52724799426566]
本稿では,スポーツマンシップ(SPS)をレースに組み込むための2段階のゲーム理論フレームワークを提案する。
高レベルでは、モンテカルロ木探索(MCTS)を用いて最適な戦略を導出するスタックルバーグゲームを用いて、レース意図をモデル化する。
低レベルにおいては、車両の相互作用は一般化ナッシュ平衡問題(GNEP)として定式化され、全てのエージェントが軌道を最適化しながらスポーツマンシップの制約に従うことが保証される。
論文 参考訳（メタデータ） (2025-03-04T10:14:19Z) - FACTS: Fine-Grained Action Classification for Tactical Sports [4.810476621219244]
フェンシングやボクシングのような速いペースで密着したスポーツにおけるきめ細かいアクションの分類は、固有の課題である。
我々は、生のビデオデータを直接処理する、きめ細かいアクション認識のための新しいアプローチであるFACTSを紹介する。
本研究は, トレーニング, パフォーマンス分析, スペクタエンゲージメントを向上し, 戦術スポーツにおける行動分類のための新しいベンチマークを設定した。
論文 参考訳（メタデータ） (2024-12-21T03:00:25Z) - Learn 2 Rage: Experiencing The Emotional Roller Coaster That Is Reinforcement Learning [5.962453678471195]
この研究は、AIcrowdが主催するLearn To Race Autonomous Racing Virtual Challenge 2022で優勝したチームの実験とソリューションの概要を示します。
Learn-to-Raceコンペティションの目的は、自動運転の安全性のメリットを達成することに焦点を当て、自動運転技術の境界を推し進めることである。
SAC(Soft Actor Critic)の変種の実装に焦点をあてた。
私たちのゴールは、視覚的特徴と幾何学的特徴のみからレースカーの非自明な制御を学習し、ピクセルを直接制御アクションにマッピングすることでした。
論文 参考訳（メタデータ） (2024-10-24T06:16:52Z) - Visual Agents as Fast and Slow Thinkers [88.1404921693082]
本稿では、Fast and Slow Thinking機構を視覚エージェントに組み込んだFaSTを紹介する。
FaSTは、システム1/2モード間の動的選択にスイッチアダプタを使用する。
モデルの信頼性を調整し、新しいコンテキストデータを統合することで、不確実で目に見えないオブジェクトに取り組む。
論文 参考訳（メタデータ） (2024-08-16T17:44:02Z) - FightLadder: A Benchmark for Competitive Multi-Agent Reinforcement Learning [25.857375787748715]
我々は、リアルタイムの格闘ゲームプラットフォームであるFightLadderを紹介し、競争力のあるMARL研究を促進する。
競争ゲームのための最先端のMARLアルゴリズムの実装と評価指標のセットを提供する。
シングルプレイヤーモードで12文字を連続的に打ち破る汎用エージェントを訓練することにより,このプラットフォームの実現可能性を示す。
論文 参考訳（メタデータ） (2024-06-04T08:04:23Z) - TacticAI: an AI assistant for football tactics [41.74699109772055]
TacticAIは、リバプールFCのドメインエキスパートと緊密に協力して開発されたAIフットボール戦術アシスタントである。
介入や改善の最も直接的な機会をコーチに提供するため、コーナーキックの分析に重点を置いています。
我々は、戦術のモデル提案が実際の戦術と区別できないだけでなく、当時の既存の戦術よりも有利であることを示す。
論文 参考訳（メタデータ） (2023-10-16T16:25:15Z) - Cooperation or Competition: Avoiding Player Domination for Multi-Target
Robustness via Adaptive Budgets [76.20705291443208]
我々は、敵攻撃を、異なるプレイヤーがパラメータ更新の合同方向で合意に達するために交渉する交渉ゲームであると見なしている。
我々は、プレイヤーの優位性を避けるために、異なる敵の予算を調整する新しいフレームワークを設計する。
標準ベンチマークの実験では、提案したフレームワークを既存のアプローチに適用することで、マルチターゲットロバスト性が大幅に向上することが示された。
論文 参考訳（メタデータ） (2023-06-27T14:02:10Z) - Towards Active Learning for Action Spotting in Association Football
Videos [59.84375958757395]
フットボールビデオの分析は困難であり、微妙で多様な時間的パターンを特定する必要がある。
現在のアルゴリズムは、限られた注釈付きデータから学ぶ際に大きな課題に直面している。
次にアノテートすべき最も情報に富んだビデオサンプルを選択する能動的学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-09T11:50:41Z) - A Survey on Video Action Recognition in Sports: Datasets, Methods and
Applications [60.3327085463545]
本稿では,スポーツ分析のための映像行動認識に関する調査を行う。
サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。
本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
論文 参考訳（メタデータ） (2022-06-02T13:19:36Z) - Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。
フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
論文 参考訳（メタデータ） (2020-11-18T10:26:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。