論文の概要: AI-Driven Real-Time Kick Classification in Olympic Taekwondo Using Sensor Fusion

• arxiv url: http://arxiv.org/abs/2512.12474v1
• Date: Sat, 13 Dec 2025 22:17:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.274613
• Title: AI-Driven Real-Time Kick Classification in Olympic Taekwondo Using Sensor Fusion
• Title（参考訳）: センサフュージョンを用いたテコンドーにおけるAI駆動リアルタイムキック分類
• Authors: Jamsheed Mistri,
• Abstract要約: オリンピック・テコンドーは、静的で防御的なゲームプレイと論争の多いスコアリングによって観客の参加が困難になってきた。 本稿では,既存のPSSセンサを加速度センサ,ジャイロスコープ,磁気/RFID,衝撃力センサと統合したAIを用いたスコアリングシステムを提案する。 このシステムは、キックをリアルタイムで分類して、テクニックタイプ、接触位置、衝撃力、そして使用した足の部分まで特定する。
• 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: Olympic Taekwondo has faced challenges in spectator engagement due to static, defensive gameplay and contentious scoring. Current Protector and Scoring Systems (PSS) rely on impact sensors and simplistic logic, encouraging safe strategies that diminish the sport's dynamism. This paper proposes an AI-powered scoring system that integrates existing PSS sensors with additional accelerometers, gyroscopes, magnetic/RFID, and impact force sensors in a sensor fusion framework. The system classifies kicks in real-time to identify technique type, contact location, impact force, and even the part of the foot used. A machine learning pipeline employing sensor fusion and Support Vector Machines (SVMs) is detailed, enabling automatic kick technique recognition for scoring. We present a novel kick scoring rubric that awards points based on specific kick techniques (e.g., turning and spinning kicks) to incentivize dynamic attacks. Drawing on a 2024 study achieving 96-98% accuracy, we validate the feasibility of real-time kick classification and further propose enhancements to this methodology, such as ensemble SVM classifiers and expanded datasets, to achieve the high-stakes accuracy required by the sport. We analyze how the proposed system can improve scoring fairness, reduce rule exploitation and illegitimate tactics, encourage more dynamic techniques, and enhance spectator understanding and excitement. The paper includes system design illustrations, a kick scoring table from an AI-augmented rule set, and discusses anticipated impacts on Olympic Taekwondo.
• Abstract（参考訳）: オリンピック・テコンドーは、静的で防御的なゲームプレイと論争の多いスコアリングによって観客の参加が困難になってきた。 現在のProtector and Scoring Systems (PSS) は衝撃センサーと単純化ロジックに依存しており、スポーツのダイナミズムを減少させる安全な戦略を奨励している。 本稿では,既存のPSSセンサと加速度センサ,ジャイロスコープ,磁気/RFID,衝撃力センサを統合したAIによるスコアリングシステムを提案する。 このシステムは、キックをリアルタイムで分類して、テクニックタイプ、接触位置、衝撃力、そして使用した足の部分まで特定する。 センサフュージョンとサポートベクトルマシン(SVM)を用いた機械学習パイプラインについて詳述し、スコアリングのための自動キック技術認識を可能にする。 動的攻撃を誘発する特定のキック技術(例えば、回転、回転キック)に基づいてポイントを付与する新しいキックライティングルーリックを提案する。 96～98%の精度を達成した2024年の研究では、リアルタイムキック分類の実現可能性を検証するとともに、SVM分類器のアンサンブルやデータセットの拡張など、この手法の強化を提案し、スポーツに必要な高い精度を実現する。 提案システムは,評価公正性を向上し,ルールの活用と不正な戦術を減らし,よりダイナミックな手法を奨励し,観察者の理解と興奮を高めることができる。 本論文は,システム設計図面,AI強化ルールセットからのキックスコアリングテーブル,およびオリンピックテコンドーへの影響について論じる。

関連論文リスト

• FST.ai 2.0: An Explainable AI Ecosystem for Fair, Fast, and Inclusive Decision-Making in Olympic and Paralympic Taekwondo [1.983259889617852]
  本稿では,emphFST.ai 2.0について紹介する。emphFST.ai 2.0は,テコンドー競技やトレーニングにおいて,審判,コーチ,アスリートをリアルタイムで支援するために設計された,説明可能なAIエコシステムである。 インタラクティブダッシュボードのセットは、審判評価、アスリートのパフォーマンス分析、パラテコンド分類における人間とAIの協調を可能にする。 FST.ai2.0は、リアルタイムの知覚、説明可能な推論、ガバナンスを意識したデザインをブリッジすることで、スポーツにおける公平で説明可能な、そして人間に沿ったAIへのステップを表現している。
  論文  参考訳（メタデータ） (2025-10-21T00:35:56Z)
• ANNIE: Be Careful of Your Robots [48.89876809734855]
  エンボディドAIシステムに対する敵の安全攻撃に関する最初の体系的研究について述べる。 すべての安全カテゴリーで攻撃の成功率は50%を超えている。 結果は、実証済みのAIシステムにおいて、これまで未調査だったが、非常に連続的な攻撃面を露呈する。
  論文  参考訳（メタデータ） (2025-09-03T15:00:28Z)
• AI-Enhanced Precision in Sport Taekwondo: Increasing Fairness, Speed, and Trust in Competition (FST.ai) [0.0]
  「FST.ai」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。 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。
  論文  参考訳（メタデータ） (2025-07-19T15:14:45Z)
• 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)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)
• Efficient Few-Shot Object Detection via Knowledge Inheritance [62.36414544915032]
  Few-shot Object Detection (FSOD) は、未確認のタスクに少ないトレーニングサンプルで適応できるジェネリック検出器を学習することを目的としている。 計算量の増加を伴わない効率的なプレトレイン・トランスファー・フレームワーク(PTF)のベースラインを提案する。 また,予測された新しいウェイトと事前訓練されたベースウェイトとのベクトル長の不整合を軽減するために,適応長再スケーリング(ALR)戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-23T06:24:31Z)
• Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the Age of AI-NIDS [70.60975663021952]
  ネットワーク分類器に対するブラックボックス攻撃について検討する。 我々は、アタッカー・ディフェンダーの固定点がそれ自体、複雑な位相遷移を持つ一般サムゲームであると主張する。 攻撃防御力学の研究には連続的な学習手法が必要であることを示す。
  論文  参考訳（メタデータ） (2021-11-23T23:42:16Z)
• Evaluating the Robustness of Semantic Segmentation for Autonomous Driving against Real-World Adversarial Patch Attacks [62.87459235819762]
  自動運転車のような現実のシナリオでは、現実の敵例(RWAE)にもっと注意を払わなければならない。 本稿では,デジタルおよび実世界の敵対パッチの効果を検証し,一般的なSSモデルのロバスト性を詳細に評価する。
  論文  参考訳（メタデータ） (2021-08-13T11:49:09Z)
• Invisible for both Camera and LiDAR: Security of Multi-Sensor Fusion based Perception in Autonomous Driving Under Physical-World Attacks [62.923992740383966]
  本稿では,MDFに基づくADシステムにおけるセキュリティ問題の最初の研究について述べる。 物理的に実現可能な逆3Dプリントオブジェクトを生成し、ADシステムが検出に失敗してクラッシュする。 以上の結果から,攻撃は様々なオブジェクトタイプおよびMSFに対して90%以上の成功率を達成した。
  論文  参考訳（メタデータ） (2021-06-17T05:11:07Z)

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。