計畫目標

為一名選手經營粉專需要了解選手生涯，對其各個階段的比賽風格深入了解，尤其是對於近期的比賽需要針對選手與對手雙方做分析，才能寫出精闢且吸引人的文章。每一篇選手文章的背後都是花費了大量的時間、人力，這也造成了資源較為缺乏的選手難以經營球迷經濟的困境。隨著近來來自然語言處理技術發展快速，文字生成的技術也高度受關注，從 Transformer 架構帶起 NLP 領域的重大發展，如 Google 提出的 BERT 廣泛應用在各個文字相關的應用中，GPT-4、LLAMA 等越來越大的模型不斷推陳出新，也不斷擴大人們對於自然語言處理技術能做的應用的想像。

我們將以賽事分析模型與貼文生成模型為核心建立運動科技撰文小編，此題目兼具實務與研究價值，基於第一期精準運動專案計畫在羽球技戰術分析領域的深耕，團隊對羽球與選手的需求更加了解，故能結合產業與學界雙邊的優勢。研發成果預計將能夠降低選手經營球迷的成本，並讓貼文和球迷的互動更即時。

...了解更多

計畫目標

羽球運動在正規比賽中，常會利用相關的戰術板去剖析對手的套路以擬定對策。然而戰術板一般需要手動去畫出雙方的走位來模擬球員的移動軌跡，但 2D 的呈現方式有時會造成球員理解上的困難，因此若能運用 2D 的羽球影片資料，將羽球軌跡與球員姿態進行 3D 重建並視覺化，可以讓選手以更直觀的方式理解球場上的各種情報，幫助球員、教練與相關資料分析人員更方便掌握球場狀況與了解特定運動員的球風與習慣。本計畫的即以此為目標，進行 2D 羽球軌跡修正與 3D 羽球軌跡重建、3D 羽球軌跡視覺化、3D 球員姿態重建，將原先較難以準確觀察的 2D 資料以 3D 方式呈現，並在最後整合以上成果，進行 3D 比賽資料回放及 VR 比賽重建，讓使用者能透過虛擬球場與模擬球員互動。

藉由 2D 球路軌跡轉換為 3D 軌跡，並且配合上球員的 3D 骨骼建模後，利用目前的視覺化技術，可以更好的將一場球賽以不同角度重現在球員與觀眾的面前，球員本身可以更加細緻的去檢討自己的不足；未來利用 VR 技術將球場投射至 VR 裝備中，民眾也可以身歷其境，體驗到與專業球員對打的樂趣。

...了解更多

計畫目標

在目前已知的羽球資料中，影片類型居多，然而若沒有羽球相關人士的說明，一般民眾也不容易了解羽球中選手使用的技巧和獲勝原因，除此之外，影片型態也不利於統計分析。而當前的羽球資料，並無一個公開共享的平台提供給各個研究單位。因此，在目前計畫成果中，我們利用前一期計畫完成的拍拍標記系統先將影片資料轉換為序列資料，再透過統計分析、機器學習、循序樣式探勘等方式利用序列資料進行資料分析與資料視覺化。最後將國際賽事的各場比賽資料如選手、站位分析、球種分析等與各個研究單位、民眾或選手們共享，增加羽球上資訊的流通，為精準運動創造一個新模式的共享平台。

...了解更多

計畫目標

球場的經營上首先要考量的是商業目的，經營者希望經濟有效的達到商業需求，在這方面的考量上我們希翼透過人工智慧的能力能夠降低球場人力管理，解決各家羽球經營者對於人力成本、球場管理及吸引顧客的使用需求的經營痛點，為此我們提出賽事自動計分系統、基於影像分析的互動式發球機器人以提供類似真人裁判或是真人教練的功能，並透過使用球場掌握羽球對戰過程的戰力分析功能，實踐智慧羽球館能提供球友們獲取球館內使用的影像保留各項戰績分數的成果做為自身提升戰力的訓練依據。

...了解更多