**運(yùn)動(dòng)技能自動(dòng)評(píng)估的突破：博爾扎諾自由大學(xué)的創(chuàng)新研究**

在體育訓(xùn)練、教練指導(dǎo)和人才發(fā)展領(lǐng)域，如何客觀評(píng)估運(yùn)動(dòng)員技能水平一直是個(gè)挑戰(zhàn)。2025年6月，意大利博爾扎諾自由大學(xué)工程學(xué)院的Edoardo Bianchi和Antonio Liotta教授在arXiv上發(fā)表了一項(xiàng)創(chuàng)新研究，題為"PATS: Proficiency-Aware Temporal Sampling for Multi-View Sports Skill Assessment"（技能感知時(shí)序采樣法：用于多視角運(yùn)動(dòng)技能評(píng)估），為解決這一問題提供了新思路。這項(xiàng)研究已作為預(yù)印本發(fā)布在arXiv:2506.04996v1，感興趣的讀者可以通過arXiv網(wǎng)站查閱完整論文。

**為什么運(yùn)動(dòng)技能評(píng)估如此重要又如此困難？**

想象一下，當(dāng)你觀看一場(chǎng)籃球比賽時(shí)，你能輕松分辨出專業(yè)球員和業(yè)余愛好者的區(qū)別。專業(yè)球員的運(yùn)球節(jié)奏更加流暢，傳球時(shí)機(jī)把握得更準(zhǔn)確，投籃動(dòng)作更加一氣呵成。這些微妙的差異構(gòu)成了技能水平的本質(zhì)，但讓計(jì)算機(jī)理解這些差異卻非常困難。

與簡(jiǎn)單地識(shí)別"這是籃球運(yùn)球"不同，技能評(píng)估需要計(jì)算機(jī)理解"這個(gè)運(yùn)球做得有多好"。這就像區(qū)分"會(huì)做飯"和"是米其林大廚"的差距——不是識(shí)別行為本身，而是評(píng)判行為的質(zhì)量。

研究團(tuán)隊(duì)發(fā)現(xiàn)，目前的視頻分析方法存在一個(gè)根本性缺陷：它們通常是從視頻中隨機(jī)或均勻地抽取幀進(jìn)行分析，這就像看電影時(shí)隨機(jī)跳過大段情節(jié)一樣，破壞了動(dòng)作的連貫性。想象你試圖評(píng)價(jià)一位芭蕾舞者的表演，但只能看到隨機(jī)幾個(gè)靜止畫面，這顯然無法真實(shí)評(píng)估其舞蹈水平。

**PATS方法：讓AI像專業(yè)教練一樣觀察運(yùn)動(dòng)員**

博爾扎諾自由大學(xué)的研究團(tuán)隊(duì)提出的PATS（Proficiency-Aware Temporal Sampling，技能感知時(shí)序采樣）方法，本質(zhì)上是教會(huì)AI像專業(yè)教練那樣觀察運(yùn)動(dòng)員的完整動(dòng)作序列，而不是碎片化的瞬間。

想象一位體操教練觀察運(yùn)動(dòng)員的表現(xiàn)。教練不會(huì)只看幾個(gè)隨機(jī)瞬間，而是會(huì)關(guān)注完整的動(dòng)作組合——從起跑、騰空到落地的整個(gè)過程。PATS方法正是模擬了這種觀察方式：它從視頻中提取完整、連續(xù)的時(shí)間片段，確保每個(gè)片段都包含至少一個(gè)完整的基礎(chǔ)動(dòng)作，然后在多個(gè)這樣的片段中進(jìn)行分析，從而全面評(píng)估運(yùn)動(dòng)員的技能水平。

**PATS如何工作？像剪輯電影一樣提取關(guān)鍵片段**

PATS方法的工作原理可以類比為一位精明的電影剪輯師，需要從一部長(zhǎng)電影中剪出幾個(gè)關(guān)鍵片段來展示演員的表演能力。

這位"剪輯師"由三個(gè)關(guān)鍵參數(shù)指導(dǎo)工作： 1. 需要提取的總幀數(shù)（相當(dāng)于總時(shí)長(zhǎng)） 2. 要分割的時(shí)間段數(shù)量（相當(dāng)于要剪出幾個(gè)片段） 3. 每個(gè)時(shí)間段的理想持續(xù)時(shí)間（每個(gè)片段多長(zhǎng)）

假設(shè)我們有一段3分鐘的籃球運(yùn)球視頻，PATS會(huì)根據(jù)設(shè)置提取例如2個(gè)各15秒的連續(xù)片段，而不是隨機(jī)抽取30個(gè)散亂的畫面。這確保了AI可以觀察到完整的運(yùn)球節(jié)奏和連貫性，就像真正的籃球教練會(huì)做的那樣。

PATS還會(huì)根據(jù)視頻的總長(zhǎng)度智能調(diào)整片段的分布，確保它們均勻分布在整個(gè)表演過程中，捕捉到從開始到結(jié)束的不同階段。它還能處理各種邊界情況，比如視頻過短或過長(zhǎng)的情況，確保即使在不理想的條件下也能獲得最佳效果。

**驗(yàn)證PATS效果：在EgoExo4D數(shù)據(jù)集上的出色表現(xiàn)**

研究團(tuán)隊(duì)將PATS集成到一個(gè)名為SkillFormer的現(xiàn)有技能評(píng)估系統(tǒng)中進(jìn)行測(cè)試。SkillFormer是一個(gè)專門用于評(píng)估運(yùn)動(dòng)技能的AI系統(tǒng)，能夠同時(shí)處理第一人稱視角（想象運(yùn)動(dòng)員頭戴相機(jī)拍攝的畫面）和第三人稱視角（想象教練從旁邊拍攝的畫面）的視頻。

測(cè)試使用了EgoExo4D數(shù)據(jù)集，這是一個(gè)包含1,200多小時(shí)視頻、來自740名參與者的大型數(shù)據(jù)集，涵蓋了烹飪、音樂、籃球、攀巖、足球和舞蹈六個(gè)領(lǐng)域，每個(gè)視頻都標(biāo)注了四個(gè)技能等級(jí)：新手、初級(jí)專家、中級(jí)專家和高級(jí)專家。

結(jié)果令人印象深刻：在所有視角配置下，PATS都提高了系統(tǒng)的準(zhǔn)確率：第一人稱視角提高了3.05%，第三人稱視角提高了0.65%，組合視角提高了1.05%。

特別值得一提的是，在某些特定領(lǐng)域，PATS帶來了更顯著的提升：攀巖技能評(píng)估準(zhǔn)確率提高了驚人的26.22%，音樂表演評(píng)估提高了2.39%，籃球技能評(píng)估提高了1.13%。

**為不同活動(dòng)定制的最佳觀察策略**

研究團(tuán)隊(duì)通過系統(tǒng)分析發(fā)現(xiàn)，不同類型的活動(dòng)需要不同的觀察策略，這與人類專業(yè)教練的行為非常相似。

對(duì)于籃球這類動(dòng)態(tài)活動(dòng)，高頻率采樣（每秒4-5.33幀）加上較少的時(shí)間段（2個(gè)）效果最好，因?yàn)檫@能保持游戲流的連貫性。籃球在使用這種策略時(shí)達(dá)到了所有活動(dòng)中最高的絕對(duì)準(zhǔn)確率：78.76%。

而對(duì)于音樂演奏這類結(jié)構(gòu)化的順序活動(dòng)，低頻率采樣（每秒0.89幀）配合更多的時(shí)間段（12個(gè)）效果最佳，因?yàn)檫@能捕捉到演奏中的精細(xì)變化。音樂表演使用這種策略達(dá)到了74.14%的準(zhǔn)確率。

烹飪活動(dòng)則在使用第三人稱視角、高頻率采樣（每秒4幀）和中等數(shù)量時(shí)間段（8個(gè)）時(shí)表現(xiàn)最佳，達(dá)到60.53%的準(zhǔn)確率，這可能是因?yàn)榕腼兗记尚枰獜耐獠壳逦^察操作細(xì)節(jié)。

攀巖則更依賴第一人稱視角的快速采樣（每秒5.33幀，2個(gè)時(shí)間段），專注于攀登者自身的體感反饋，使用這種策略達(dá)到42.31%的準(zhǔn)確率。

**PATS的實(shí)際應(yīng)用前景**

這項(xiàng)研究的應(yīng)用前景令人期待。想象一下以下場(chǎng)景：

- 運(yùn)動(dòng)訓(xùn)練應(yīng)用可以分析業(yè)余運(yùn)動(dòng)員的視頻，提供專業(yè)級(jí)的技術(shù)改進(jìn)建議，就像隨身攜帶一位私人教練。 - 體育賽事直播可以實(shí)時(shí)評(píng)估運(yùn)動(dòng)員的技術(shù)動(dòng)作質(zhì)量，為觀眾提供更深入的比賽分析。 - 運(yùn)動(dòng)天賦識(shí)別系統(tǒng)可以通過分析年輕運(yùn)動(dòng)員的視頻，發(fā)現(xiàn)那些具有專業(yè)潛力的人才。 - 康復(fù)中心可以更準(zhǔn)確地評(píng)估患者的運(yùn)動(dòng)恢復(fù)進(jìn)度，制定更精準(zhǔn)的康復(fù)計(jì)劃。

更值得注意的是，PATS的設(shè)計(jì)非常實(shí)用——它作為一個(gè)預(yù)處理步驟工作，不需要改變現(xiàn)有AI系統(tǒng)的架構(gòu)，也不增加計(jì)算負(fù)擔(dān)，這意味著它可以相對(duì)容易地集成到現(xiàn)有的視頻分析系統(tǒng)中。

**PATS的局限性與未來研究方向**

盡管PATS取得了顯著成果，研究團(tuán)隊(duì)也坦誠(chéng)承認(rèn)它的一些局限性。在舞蹈等主觀性較強(qiáng)的領(lǐng)域，基礎(chǔ)方法有時(shí)表現(xiàn)更好，這表明PATS可能未能充分捕捉舞蹈中的節(jié)奏和美學(xué)成分。在足球領(lǐng)域，PATS在第一人稱視角的表現(xiàn)有所下降，表明該采樣策略可能不適合某些特定的活動(dòng)-視角組合。

研究團(tuán)隊(duì)建議未來研究應(yīng)關(guān)注自動(dòng)配置選擇機(jī)制、增強(qiáng)節(jié)奏活動(dòng)的時(shí)序建模，以及整合音頻和觸覺反饋等多模態(tài)信息。他們還提出使用元學(xué)習(xí)方法實(shí)現(xiàn)跨領(lǐng)域的快速適應(yīng)，進(jìn)一步提高系統(tǒng)在新領(lǐng)域的泛化能力。

**結(jié)語(yǔ)：邁向更智能的運(yùn)動(dòng)技能評(píng)估**

博爾扎諾自由大學(xué)研究團(tuán)隊(duì)的PATS方法代表了運(yùn)動(dòng)技能自動(dòng)評(píng)估領(lǐng)域的重要進(jìn)步。通過模擬專業(yè)教練的觀察方式，PATS讓AI系統(tǒng)能夠像人類專家一樣連貫地觀察和評(píng)估運(yùn)動(dòng)表現(xiàn)，為體育訓(xùn)練、教練指導(dǎo)和人才發(fā)展提供了更準(zhǔn)確、更可靠的技術(shù)支持。

正如研究團(tuán)隊(duì)所展示的，不同運(yùn)動(dòng)活動(dòng)需要不同的觀察策略，這一發(fā)現(xiàn)不僅提高了技能評(píng)估的準(zhǔn)確性，也加深了我們對(duì)專業(yè)技能本質(zhì)的理解。未來，隨著這項(xiàng)技術(shù)的進(jìn)一步發(fā)展和應(yīng)用，我們可能會(huì)看到更加個(gè)性化、精準(zhǔn)的運(yùn)動(dòng)技能評(píng)估系統(tǒng)，讓每個(gè)人都能獲得專業(yè)級(jí)的技術(shù)指導(dǎo)，無論是專業(yè)運(yùn)動(dòng)員還是周末愛好者。

如果你對(duì)這項(xiàng)研究感興趣，可以在arXiv網(wǎng)站上搜索"PATS: Proficiency-Aware Temporal Sampling for Multi-View Sports Skill Assessment"，或者直接訪問arXiv:2506.04996v1查閱完整論文。