Los algoritmos desarrollados en el Laboratorio de Sistemas y Controles Inteligentes de Cornell pueden predecir las acciones en el juego de los jugadores de voleibol con más del 80% de precisión, y ahora el laboratorio está colaborando con el equipo de hockey Big Red para expandir las aplicaciones del proyecto de investigación.

Los algoritmos son únicos porque adoptan un enfoque holístico para la anticipación de la acción, combinando datos visuales, por ejemplo, dónde se encuentra un atleta en la cancha, con información que es más implícita, como el rol específico de un atleta en el equipo.

"La visión por computadora puede interpretar información visual como el color de la camiseta y la posición o la postura del cuerpo de un jugador", dijo Silvia Ferrari, profesora John Brancaccio de Ingeniería Mecánica y Aeroespacial, quien dirigió la investigación. "Todavía usamos esa información en tiempo real, pero integramos variables ocultas como la estrategia del equipo y los roles de los jugadores, cosas que nosotros, como humanos, podemos inferir porque somos expertos en ese contexto en particular".

Ferrari y los estudiantes de doctorado Junyi Dong y Qingze Huo entrenaron los algoritmos para inferir variables ocultas de la misma manera en que los humanos obtienen su conocimiento deportivo:viendo juegos. Los algoritmos usaron aprendizaje automático para extraer datos de videos de juegos de voleibol y luego usaron esos datos para ayudar a hacer predicciones cuando se les mostró un nuevo conjunto de juegos.

Los resultados se publicaron el 22 de septiembre en la revista ACM Transactions on Intelligent Systems and Technology y muestran que los algoritmos pueden inferir los roles de los jugadores, por ejemplo, distinguir un pasador defensivo de un bloqueador, con una precisión promedio de casi el 85 %, y pueden predecir múltiples acciones en una secuencia de hasta 44 fotogramas con una precisión promedio de más del 80%. Las acciones incluyeron pinchar, colocar, bloquear, cavar, correr, ponerse en cuclillas, caer, ponerse de pie y saltar.

Ferrari prevé que los equipos usen los algoritmos para prepararse mejor para la competencia entrenándolos con imágenes de juego existentes de un oponente y usando sus habilidades predictivas para practicar jugadas y escenarios de juego específicos.

Ferrari ha solicitado una patente y ahora está trabajando con el equipo de hockey masculino Big Red para desarrollar aún más el software. Utilizando imágenes de juegos proporcionadas por el equipo, Ferrari y sus estudiantes graduados, dirigidos por Frank Kim, están diseñando algoritmos que identifican de manera autónoma a los jugadores, las acciones y los escenarios del juego. Uno de los objetivos del proyecto es ayudar a anotar la película del juego, que es una tarea tediosa cuando la realizan manualmente los miembros del personal del equipo.

"Nuestro programa pone un gran énfasis en el análisis de video y la tecnología de datos", dijo Ben Russell, director de operaciones de hockey del equipo masculino de Cornell. "Buscamos constantemente formas de evolucionar como cuerpo técnico para servir mejor a nuestros jugadores. Me impresionó mucho la investigación que la profesora Ferrari y sus alumnos han realizado hasta ahora. Creo que este proyecto tiene el potencial de influir drásticamente en la forma en que los equipos estudian y se preparan para la competencia".

Más allá de los deportes, la capacidad de anticipar las acciones humanas tiene un gran potencial para el futuro de la interacción hombre-máquina, según Ferrari, quien dijo que un software mejorado puede ayudar a los vehículos autónomos a tomar mejores decisiones, acercar a los robots y los humanos en los almacenes e incluso puede hacer juegos de video más divertidos al mejorar la inteligencia artificial de la computadora.

"Los seres humanos no son tan impredecibles como los algoritmos de aprendizaje automático los hacen parecer en este momento", dijo Ferrari, quien también es decano asociado de investigación de ingeniería entre campus, "porque si realmente tiene en cuenta todo el contenido, todo de las pistas contextuales, y observas a un grupo de personas, puedes predecir mucho mejor lo que van a hacer". + Explora más

Los ingenieros devoran la puntuación de Ms. Pac-Man con un jugador artificial