**運(yùn)動技能自動評估的突破：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，如何客觀評估運(yùn)動員技能水平一直是個挑戰(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)表了一項創(chuàng)新研究，題為"PATS: Proficiency-Aware Temporal Sampling for Multi-View Sports Skill Assessment"（技能感知時序采樣法：用于多視角運(yùn)動技能評估），為解決這一問題提供了新思路。這項研究已作為預(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)動技能評估如此重要又如此困難？**

想象一下，當(dāng)你觀看一場籃球比賽時，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，傳球時機(jī)把握得更準(zhǔn)確，投籃動作更加一氣呵成。這些微妙的差異構(gòu)成了技能水平的本質(zhì)，但讓計算機(jī)理解這些差異卻非常困難。

與簡單地識別"這是籃球運(yùn)球"不同，技能評估需要計算機(jī)理解"這個運(yùn)球做得有多好"。這就像區(qū)分"會做飯"和"是米其林大廚"的差距——不是識別行為本身，而是評判行為的質(zhì)量。

研究團(tuán)隊發(fā)現(xiàn)，目前的視頻分析方法存在一個根本性缺陷：它們通常是從視頻中隨機(jī)或均勻地抽取幀進(jìn)行分析，這就像看電影時隨機(jī)跳過大段情節(jié)一樣，破壞了動作的連貫性。想象你試圖評價一位芭蕾舞者的表演，但只能看到隨機(jī)幾個靜止畫面，這顯然無法真實評估其舞蹈水平。

**PATS方法：讓AI像專業(yè)教練一樣觀察運(yùn)動員**

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

想象一位體操教練觀察運(yùn)動員的表現(xiàn)。教練不會只看幾個隨機(jī)瞬間，而是會關(guān)注完整的動作組合——從起跑、騰空到落地的整個過程。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)的時間片段，確保每個片段都包含至少一個完整的基礎(chǔ)動作，然后在多個這樣的片段中進(jìn)行分析，從而全面評估運(yùn)動員的技能水平。

**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，需要從一部長電影中剪出幾個關(guān)鍵片段來展示演員的表演能力。

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

假設(shè)我們有一段3分鐘的籃球運(yùn)球視頻，PATS會根據(jù)設(shè)置提取例如2個各15秒的連續(xù)片段，而不是隨機(jī)抽取30個散亂的畫面。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做的那樣。

PATS還會根據(jù)視頻的總長度智能調(diào)整片段的分布，確保它們均勻分布在整個表演過程中，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的情況，確保即使在不理想的條件下也能獲得最佳效果。

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

研究團(tuán)隊將PATS集成到一個名為SkillFormer的現(xiàn)有技能評估系統(tǒng)中進(jìn)行測試。SkillFormer是一個專門用于評估運(yùn)動技能的AI系統(tǒng)，能夠同時處理第一人稱視角（想象運(yùn)動員頭戴相機(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。

測試使用了EgoExo4D數(shù)據(jù)集，這是一個包含1,200多小時視頻、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、足球和舞蹈六個領(lǐng)域，每個視頻都標(biāo)注了四個技能等級：新手、初級專家、中級專家和高級專家。

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：攀巖技能評估準(zhǔn)確率提高了驚人的26.22%，音樂表演評估提高了2.39%，籃球技能評估提高了1.13%。

**為不同活動定制的最佳觀察策略**

研究團(tuán)隊通過系統(tǒng)分析發(fā)現(xiàn)，不同類型的活動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。

對于籃球這類動態(tài)活動，高頻率采樣（每秒4-5.33幀）加上較少的時間段（2個）效果最好，因為這能保持游戲流的連貫性?；@球在使用這種策略時達(dá)到了所有活動中最高的絕對準(zhǔn)確率：78.76%。

而對于音樂演奏這類結(jié)構(gòu)化的順序活動，低頻率采樣（每秒0.89幀）配合更多的時間段（12個）效果最佳，因為這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)量時間段（8個）時表現(xiàn)最佳，達(dá)到60.53%的準(zhǔn)確率，這可能是因為烹飪技巧需要從外部清晰觀察操作細(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個時間段），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的實際應(yīng)用前景**

這項研究的應(yīng)用前景令人期待。想象一下以下場景：

- 運(yùn)動訓(xùn)練應(yīng)用可以分析業(yè)余運(yùn)動員的視頻，提供專業(yè)級的技術(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時評估運(yùn)動員的技術(shù)動作質(zhì)量，為觀眾提供更深入的比賽分析。 - 運(yùn)動天賦識別系統(tǒng)可以通過分析年輕運(yùn)動員的視頻，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)確地評估患者的運(yùn)動恢復(fù)進(jìn)度，制定更精準(zhǔn)的康復(fù)計劃。

更值得注意的是，PATS的設(shè)計非常實用——它作為一個預(yù)處理步驟工作，不需要改變現(xiàn)有AI系統(tǒng)的架構(gòu)，也不增加計算負(fù)擔(dān)，這意味著它可以相對容易地集成到現(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)隊也坦誠承認(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-視角組合。

研究團(tuán)隊建議未來研究應(yīng)關(guān)注自動配置選擇機(jī)制、增強(qiáng)節(jié)奏活動的時序建模，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：邁向更智能的運(yùn)動技能評估**

博爾扎諾自由大學(xué)研究團(tuán)隊的PATS方法代表了運(yùn)動技能自動評估領(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估運(yùn)動表現(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)隊所展示的，不同運(yùn)動活動需要不同的觀察策略，這一發(fā)現(xiàn)不僅提高了技能評估的準(zhǔn)確性，也加深了我們對專業(yè)技能本質(zhì)的理解。未來，隨著這項技術(shù)的進(jìn)一步發(fā)展和應(yīng)用，我們可能會看到更加個性化、精準(zhǔn)的運(yùn)動技能評估系統(tǒng)，讓每個人都能獲得專業(yè)級的技術(shù)指導(dǎo)，無論是專業(yè)運(yùn)動員還是周末愛好者。

如果你對這項研究感興趣，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。