論文の概要: Digitizing Coaching Intelligence: An Agentic Framework for Holistic Athlete Profiling using VLM and RAG
- arxiv url: http://arxiv.org/abs/2606.28570v1
- Date: Fri, 26 Jun 2026 19:53:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.604162
- Title: Digitizing Coaching Intelligence: An Agentic Framework for Holistic Athlete Profiling using VLM and RAG
- Title（参考訳）: ディジタイズ・コーチング・インテリジェンス:VLMとRAGを用いたホロスティック・スポーツ・プロファイリングのためのエージェント・フレームワーク
- Abstract要約: 本稿では,LLMをベースとした総合的スポーツ選手のプロファイリングのためのハイブリッドエージェントフレームワークを提案する。
マルチモーダルビデオ処理に伴うレイテンシとトークンの制約を克服するために,3 X 3 "スマートグリッド" 時間的チャンキング戦略を導入する。
また,ベクトル検索エンジン(ChromaDB)を利用したデュアルパーセンス検索拡張パイプラインを実装した。
- 参考スコア（独自算出の注目度）: 2.059090414809123
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Athlete assessment is a critical process for tracking physical progress and identifying elite talent. However, during mass recruitment drives, traditional methods rely on manual observation, which is inherently subjective and unscalable, or basic computer vision (CV) systems limited to quantitative repetition counting. These standard approaches lack the "coaching intelligence" required to evaluate qualitative physiological markers such as form degradation, spinal articulation, and fatigue. This paper presents a novel, LLM-based hybrid agentic framework for automated, holistic athlete profiling that strictly aligns with the Sports Authority of India (SAI) assessment protocols. Orchestrated via LangGraph, our dual-pipeline architecture synthesizes the geometric precision of CV (MediaPipe) for kinematic tracking with the semantic reasoning of Vision-Language Models (Llama-4-scout). To overcome the latency and token constraints associated with multimodal video processing, we introduce a 3 X 3 "Smart Grid" temporal chunking strategy, reducing computational overhead by over 88% while preserving critical temporal continuity. To ensure data integrity and mitigate hallucination, the framework pioneers an autonomous "LLM-as-a-Judge" self-correction loop that cross-references quantitative and qualitative metrics before persistence. Finally, we implement a dual-persistence Retrieval-Augmented Generation (RAG) pipeline utilizing a vector search engine (ChromaDB). This enables coaches to bypass rigid SQL databases and perform complex semantic queries (e.g., "Identify athletes with high endurance but poor core rigidity") using natural language. Experimental results demonstrate that this multi-agent approach significantly bridges the gap between raw biometric tracking and actionable coaching insights, offering a scalable, objective solution for national talent identification.
- Abstract（参考訳）: スポーツアセスメントは、身体の進歩を追跡し、エリートな才能を識別するための重要なプロセスである。
しかし、大量採用の過程では、従来の手法は手動による観察に依存しており、それは本質的に主観的であり計算不能であり、また基本的なコンピュータビジョン(CV)システムは定量的な反復数に制限される。
これらの標準的なアプローチは、形態劣化、脊椎関節、疲労などの定性的生理的マーカーを評価するのに必要な「接触知能」を欠いている。
本稿では,インドスポーツオーソリティ(SAI)アセスメントプロトコルと厳密に整合した,自動化された総合的なアスリートプロファイリングのための,LLMベースのハイブリッドエージェントフレームワークを提案する。
Llama-4-scout(英語版)のセマンティック推論を用いて,LangGraphを介して,我々の二重パイプラインアーキテクチャはCV(MediaPipe)の幾何学的精度を合成する。
マルチモーダルビデオ処理に伴うレイテンシとトークンの制約を克服するため,クリティカルな時間的連続性を保ちながら,計算オーバーヘッドを88%以上削減する3 X 3 "スマートグリッド" 時間的チャンキング戦略を導入する。
データ完全性を確保し、幻覚を緩和するため、このフレームワークは、永続性の前に定量的かつ質的なメトリクスを相互参照する自律的な"LLM-as-a-Judge"自己補正ループを開拓した。
最後に,ベクトルサーチエンジン (ChromaDB) を利用したデュアルパーセンス・レトリーバル・拡張ジェネレーション (RAG) パイプラインを実装した。
これにより、コーチは、自然言語を使用して、厳格なSQLデータベースをバイパスし、複雑なセマンティッククエリ(例えば、高い耐久性を持つアスリートを識別する)を実行することができる。
実験の結果、このマルチエージェントアプローチは、生のバイオメトリック・トラッキングと行動可能なコーチングの洞察のギャップを著しく橋渡しし、全国的人材識別のためのスケーラブルで客観的なソリューションを提供することが示された。
関連論文リスト
- Does Appearance Help? A Systematic Study of Image-Based Re-Identification in Online 3D Multi-Pedestrian Tracking [0.6117371161379209]
本研究は,軽量プロジェクションベースフレームワークを用いたオンライン3次元MOTにおける画像ベースReIDの体系的研究である。
KITTIデータセットのペデストリアンクラスの実験では、外見と運動コストのナイーブな線形融合が視覚ノイズによって性能を低下させることが明らかとなった。
軽量アーキテクチャは、安全なナビゲーションに必要な低レイテンシと、社会的認識に必要な差別力との間に最適なトレードオフをもたらすことができることを示す。
論文 参考訳（メタデータ） (2026-06-05T13:00:04Z) - ANDES: Agent Native Data Evolving Synthesis Tool for Autonomous Instruction Alignment [9.28566352356072]
Andesは、データ生成をプラグアンドプレイのEmphエージェントスキルとして再定義するフレームワークである。
We demonstrate that Andes improves automated alignment, secure-of-the-art performance on PostTrainBench。
論文 参考訳（メタデータ） (2026-05-31T15:03:50Z) - ATLAS: Agentic or Latent Visual Reasoning? One Word is Enough for Both [55.182037225013836]
ATLASは、単一の独立した「ワード」を機能トークンと呼び、エージェント操作と潜在視覚推論ユニットの両方として機能するフレームワークである。
ATLASは、明確な解釈可能性を維持しながら、挑戦的なベンチマークで優れたパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-05-14T17:59:55Z) - Synthesizing the Expert: A Validated Multimodal Dataset for Trustworthy AI-Assisted Swimming Coaching [0.6445605125467574]
本研究では、水泳分野における高度なAIアプリケーションのための構造化された検索補助生成(RAG)システムに焦点を当てる。
本研究では,4次元にまたがる多モーダルな知識ベースを活用する新しい生成フレームワークを提案する。
構造化され合成された地上の真実を提供することで、この研究は水族学における信頼できるAIの基礎的なベンチマークを確立する。
論文 参考訳（メタデータ） (2026-05-12T22:34:33Z) - Video-Based Performance Evaluation for ECR Drills in Synthetic Training Environments [1.6162271703130058]
本稿では、追加ハードウェアを必要とせずに、トレーニングビデオからパフォーマンス分析を導出するビデオベースのアセスメントパイプラインを提案する。
我々は、心理運動の流布度、状況認識、チームの調整を計測するタスク固有のメトリクスを開発する。
今後の作業には、分析を3Dビデオデータに拡張することや、ビデオ分析を活用して、STE内でスケーラブルな評価を可能にすることが含まれる。
論文 参考訳（メタデータ） (2025-12-29T19:30:41Z) - AgentMath: Empowering Mathematical Reasoning for Large Language Models via Tool-Augmented Agent [80.83250816918861]
o3やDeepSeek-R1のようなLarge Reasoning Models (LRM)は、長いチェーン・オブ・シークレットを持つ自然言語推論において顕著な進歩を遂げている。
しかし、計算的に非効率であり、複雑な数学的操作を必要とする問題を解く際には精度に苦しむ。
本稿では,言語モデルの推論能力とコードインタプリタの計算精度をシームレスに統合するエージェントフレームワークであるAgentMathを紹介する。
論文 参考訳（メタデータ） (2025-12-23T19:57:49Z) - SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。
実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。
回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
論文 参考訳（メタデータ） (2025-11-29T09:18:39Z) - PRInTS: Reward Modeling for Long-Horizon Information Seeking [74.14496236655911]
PRInTS(PRInTS)は、二重機能で訓練された生成型PRMである。
PRInTSは,オープンソースモデルと特殊エージェントの情報検索能力を向上させる。
論文 参考訳（メタデータ） (2025-11-24T17:09:43Z) - Self-Consistency as a Free Lunch: Reducing Hallucinations in Vision-Language Models via Self-Reflection [71.8243083897721]
視覚言語モデルは、しばしば詳細を幻覚させ、既存のオブジェクトを生成するか、出力信頼性を損なう不正確な属性を生成する。
本稿では、長文応答と短文応答の自己整合性を利用して、学習のための選好ペアを生成する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-27T10:37:11Z) - Migration as a Probe: A Generalizable Benchmark Framework for Specialist vs. Generalist Machine-Learned Force Fields [1.572216094651749]
機械学習力場(MLFF)は、分子動力学スケールでのアブ初期レベルの精度を実現することによって、計算材料科学を変革している。
研究者たちは、スペシャリストモデルをスクラッチから訓練するか、ファウンデーショナリストのファンデーションモデルを使うべきか、ハイブリッドアプローチを使うべきか?
本稿では, 弾性バンドトラジェクトリを用いて診断プローブとして評価する, 欠陥マイグレーション経路を用いたベンチマークフレームワークを提案する。
微調整モデルでは、運動特性に対するゼロショットおよびゼロショットのアプローチよりも大幅に優れるが、長距離物理学の部分的な損失を示す。
論文 参考訳（メタデータ） (2025-08-27T13:24:41Z) - Continual Learning for VLMs: A Survey and Taxonomy Beyond Forgetting [70.83781268763215]
視覚言語モデル(VLM)は、大規模事前学習を活用することで、多様なマルチモーダルタスクにおいて優れたパフォーマンスを実現している。
VLMは、クロスモーダル機能ドリフト、共有アーキテクチャによるパラメータ干渉、ゼロショット機能侵食など、ユニークな課題に直面している。
本調査は、生涯の視覚言語システムを開発する研究者にとって、包括的かつ診断的な基準となることを目的としている。
論文 参考訳（メタデータ） (2025-08-06T09:03:10Z) - Will Pre-Training Ever End? A First Step Toward Next-Generation Foundation MLLMs via Self-Improving Systematic Cognition [89.50068130832635]
自己改善認知 (SIcog) は、マルチモーダル知識によって次世代のMLLMを構築するための自己学習フレームワークである。
ステップバイステップの視覚的理解のためのChain-of-Descriptionを提案し、詳細なマルチモーダル推論をサポートするために構造化されたChain-of-Thought(CoT)推論を統合する。
実験は、マルチモーダル認知を増強したMLLMの開発におけるSIcogの有効性を示す。
論文 参考訳（メタデータ） (2025-03-16T00:25:13Z)
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。