Skiërs en snowboarders van Team USA gingen naar huis met nieuwe hardware, waaronder verschillende gouden medailles Olympische Spelen van 2026. Naast jarenlang hard werken om Olympische atleten te worden, heeft de ploeg van dit jaar een extra voorsprong in hun training dankzij speciale AI-tools van Google Cloud.
US Ski and Snowboard, het bestuursorgaan van het Amerikaanse nationale team, houdt toezicht op de training van de beste skiërs en snowboarders van het land om hen voor te bereiden op grote evenementen, zoals nationale kampioenschappen en de Olympische Spelen. Organisatie partner met Google Cloud om AI-tools te creëren die meer inzicht geven in hoe atleten trainen en presteren op de piste.
Videorecensies zijn een belangrijk onderdeel van de wintersporttraining. Een coach staat letterlijk aan de zijlijn en neemt de run van een atleet op, en bekijkt daarna de band samen met hem om fouten op te sporen. Maar dit proces is een beetje achterhaald, vertelt Anouk Patty, hoofd sport bij US Ski and Snowboard. Dit is waar Google in het spel komt en nieuwe AI-aangedreven data-inzichten in het trainingsproces brengt.
Google Cloud-ingenieurs hebben zich met skiërs en snowboarders beziggehouden om te begrijpen hoe ze AI-modellen kunnen bouwen die echt nuttig zijn voor atletische training. Ze gebruikten videobeelden als basis voor een momenteel naamloze AI-tool. Gemini voert frame-voor-frame analyse uit op de video, die vervolgens wordt ingevoerd in een ruimtelijk intelligentiemodel van Google DeepMind. Het model kan een 2D-weergave van een atleet uit een video halen en deze omzetten in een 3D-skelet van een atleet terwijl hij draait en draait tijdens het rennen.
Een AI-model dat op de achtergrond op het scherm draait, laat zien hoe de tool de prestaties van de atleet bijhoudt.
De laatste wending van Gemini helpt AI-tools de fysica in pixels te analyseren, aldus Ravi Rajamani, wereldwijd hoofd van Google’s Blackbelt AI-team. die aan het project werkte. Coaches en atleten vertellen ingenieurs de specifieke statistieken die ze willen volgen (snelheid, rotatie, traject) en Google-ingenieurs coderen de modellen om het gemakkelijker te maken om verschillende video’s te monitoren en te vergelijken. Er is ook een chatinterface voor het stellen van Gemini-vragen over prestaties.
“Van alleen een video kunnen we deze daadwerkelijk in 3D nabootsen, dus er is geen behoefte aan dure apparatuur, (zoals) sensoren, die de prestaties van een atleet belemmeren”, aldus Rajamani.
Het valt niet te ontkennen dat coaches experts op de berg zijn, maar AI kan fungeren als een soort instinctcontrole. De gegevens kunnen helpen bevestigen of weerleggen wat coaches zien en hen extra inzicht geven in de specifieke kenmerken van de prestaties van elke atleet. Het kan dingen vastleggen die voor mensen moeilijk te zien zijn met het blote oog of in slechte videokwaliteit, zoals waar een atleet naar kijkt tijdens het uitvoeren van een truc en de exacte snelheid en rotatiehoek.
“Dit zijn gegevens die ze anders niet zouden hebben,” zei Patty. Het 3D-framework is nuttig omdat het het gemakkelijker maakt om bewegingen te zien die worden verduisterd door de gezwollen jassen en broeken die de atleten dragen, zei hij.
Voor topsporters in de ski- en snowboardsport kunnen kleine aanpassingen het verschil betekenen tussen het winnen van een gouden medaille of helemaal geen medaille. Technologische vooruitgang op het gebied van training is bedoeld om atleten te helpen alle beschikbare hulpmiddelen voor verbetering te verwerven.
“Je probeert altijd die ene procent te vinden die voor een atleet het verschil kan maken om op het podium te komen of te winnen,” zei Patty. Dit kan coaching ook democratiseren. “Dit is een manier voor elke coach die bij een club werkt die met jonge atleten werkt, om hetzelfde niveau van begrip te krijgen van wat een atleet moet doen als de atleten van het nationale team.”
Voor Google zijn deze op maat gemaakte AI-tools “het topje van de ijsberg”, aldus Rajamani. Er zijn veel potentiële toekomstige gebruiksscenario’s, waaronder het uitbreiden van het basismodel voor andere sporten. Het legde ook de basis voor werk in de sportgeneeskunde, fysiotherapie, robotica en ergonomie – disciplines die prioriteit geven aan het begrijpen van de lichaamspositie. Maar voorlopig geeft het voldoening te weten dat AI is gemaakt om echte atleten echt te helpen.
“Dit is geen geval waarin technici iets in een laboratorium bouwen en het overdragen”, zei Rajamani. “Dit is een reëel probleem dat we aan het oplossen zijn. Voor ons is de motivatie om tools te bouwen die onze atleten een echt concurrentievoordeel bieden.”
