用于杂技动作客观评估的人工智能：如何利用机器学习识别啦啦操中的翻滚动作

在过去四十年中，啦啦操已从大型体育赛事的边线活动发展为一项日益全球化的职业竞技运动。评估啦啦操中的翻滚动作既依赖客观指标，也依赖主观判断，如难度和执行质量。然而，翻滚动作的复杂性——涵盖团队同步性、地面交互、编舞和艺术表现——使得客观评估具有挑战性。人工智能（AI）通过精确的数据驱动分析彻底改变了多个科学领域和行业，但其在杂技运动中的应用仍然有限，尽管在提升表现评估和教练指导方面具有巨大潜力。本研究探讨了利用来自单个惯性测量单元（IMU）的数据，使用基于 AI 的方法来准确识别和客观评估标准啦啦操套路中翻滚动作的可行性。一支一级大学啦啦队的 16 名参与者（13 名女性，3 名男性）在背部骨盆处佩戴单个惯性测量单元。在为期 4 周的季节准备期间，记录了 1102 个翻滚动作。利用三轴加速度和旋转速度，采用了多种机器学习算法对翻滚动作的执行进行分类和评估。结果表明，尽管存在个体间差异和数据噪声，某些机器学习模型仍能有效识别不同的翻滚动作，达到了较高的准确率。这些发现展示了将 AI 驱动的评估整合到啦啦操及其他杂技运动中的巨大潜力，提供了补充传统裁判方法的客观指标。