Embed Size (px)
Citation preview
スポーツITフォーラム2017
スポーツ・トレーニングに活きるテクノロジー
国立スポーツ科学センター伊藤 浩志
Koji ITO, Ph.D.
アジェンダ
イントロ 5分
•スポーツの分類
•競技スポーツの特徴
スポーツ・トレーニング 20分
•パフォーマンスと競技力
•スポーツ・トレーニングの今日的課題
•最適化とモニタリング
テクノロジーの貢献 25分
•ウェアラブル
•機械学習，AI，CI
•支援システム
競技スポーツ
健康スポーツ
生涯スポーツ
儀礼/伝統スポーツ
アダプティブスポーツ
「スポーツ」
遊び競争 身体活動 歴史
出典︓「最新 スポーツ科学事典」 日本体育学会編/監修 平凡社 （2006）
競技スポーツ
健康スポーツ
生涯スポーツ
儀礼/伝統スポーツ
アダプティブスポーツ
健康スポーツと競技スポーツ
競技スポーツの特徴
身体活動 競争
遊び
身体活動 競争
遊び
平均 ± 標準偏差の範囲に入れる
健康の増進＝身体能力の向上 パフォーマンスの最大化＝競技力の向上
平均 ± 標準偏差の外側に外れる
競技力の構成要素
生化学的，生理学的，解剖学的メカニズム筋肉，骨格，呼吸・循環系，代謝系，中枢神経系
スポーツ・パフォーマンス
体力 技能/スキル
持久力Endurance
スピードSpeed
筋力Strength
柔軟性Flexibility
調整力Coordination
スポーツ・トレーニング
戦術達成力 心理的スキル
確率的要因
外的要因アスリートの競技力
感覚能力（知覚，注意）
知的能力（予測，判断）
知識（記憶，経験）
フロー状態自信，集中力
意思，意欲
セルフコントロール
運動習熟（協調性，自動化）
体力トレーニング 技術トレーニング 戦術トレーニング メンタルトレーニング
ザチオルスキーVM（1972）スポーツマンと体力，ベースボールマガジン 日本スポーツ心理学会編（2006）スポーツメンタルトレーニング教本 改訂増補版，大修館書店グロッサーM・ノイマイヤーA（1995）選手とコーチのためのスポーツ技術のトレーニング，大修館書店 ケルンJ（1998）スポーツの戦術入門，大修館書店
「体力」の構成要素
持久力
スピード筋力
最大筋力 動的筋力
筋持久
最大スピード 反応スピード
スピード持久
全身持久力局部持久力
無酸素的持久力
有酸素的柔軟性関節可動域筋の硬さ
調整力バランス，空間知覚
リズム
一般的静的 専門的動的
各競技で重要な体力要素
マラソン陸上競技 短距離
レスリング
ウェイトリフティング
Bompa,T (1999) Periodization: Theory and Methodology of Training (4th Ed) Human Kinetics
筋力
スピード 持久力体操競技
筋力
スピード 持久力
筋力
スピード 持久力
筋力
スピード 持久力
筋力
スピード 持久力
スポーツ・トレーニングを最適化するための条件
1,000
1,500
2,000
2,500
3,000
3,500
4,000
4,500
5,000
1938
‐194
2
1956
1958
‐195
9
1960
1961
‐196
3
1964
1965
‐196
7
1969
‐197
1
1972
1980
‐198
1
1981
‐198
2
1982
‐198
3
1983
‐198
4
1985
‐199
0
1993
‐200
6
エリート中距離ランナーの年間トレーニング量（距離）の変化
マトベイエフ L（1985）ソビエトスポーツ・トレーニングの原理．白帝社Bompa, T (1999) Periodization: Theory and Methodology of Training (4th Ed) Human KineticsIssurin, V (2008) Block periodization versus traditional training theory: a review. J Sports Med Phys Fitness 48
年間走距離（km）
Data From
マトベイエフ (1985) Bompa (1999) Issurin (2008)
Berlin Crisis of 1961WW II
トレーニングを実施した日数が300日を超え，トレーニング回数が600～650回以上に及び，かつ総時間数が1,200～1,400時間を超えるようになったところで上限となる．
マトヴェーエフ（2003）
マトヴェーエフL（2003）スポーツ競技学，ナップ
1990年代以降のトレーニング量の変化
Issurin V (2008) Block Periodization: Breakthrough in Sport Training. Ultimate Athlete Concepts
競技会数の増加により，トレーニング時間が減少している．
【トレーニング時間】 【競技会日数】
スポーツ・トレーニングの今日的課題
•トレーニング量の増大は限界
•競技会の増加によりトレーニング時間の減少•効率的なトレーニングの実施
•効果的なリカバリー
•トレーニングの“質”向上が重要
スポーツ・トレーニングの最適化においてテクノロジーが貢献できる領域はないか考える
競技現場におけるトレーニング評価手法
スポーツ・トレーニングを最適化するためのサイクル
刺激（フィールド）
リカバリー（オフフィールド）DO
CHECK
Actトレーニング計画
PLAN
スポーツ・トレーニング
トレーニング効果の検証パフォーマンス予測
トレーニング記録
ラボテスト
モニタリング
モニタリング
フィールドテスト（パフォーマンステスト）
トレーニング中の運動負荷をモニタリングする従来の手法
方法 実施者 タイミング 内容 デメリット
直接観察 コーチ トレーニング中 定性的観察タイム計測
経験ベース一時的
生理学的計測科学者コーチアスリート
トレーニング中心拍数血中乳酸値主観的運動強度
専門的コスト
トレーニング刺激指標 アスリート トレーニング後
TRIMPセッションRPE心拍数ゾーン
主観的持久系限定
日誌，質問紙 アスリート/コーチ トレーニング後 トレーニング手段，負荷
体調，内省主観的非定型
聞取り調査 研究者 トレーニング後 同上 記憶ベース
Borresen J&Lambert M (2009) The Quantification of Training Load, the Training Response and the Effect on Performance. Sports Med 39(9): 779‐795
主観的なバイアスがかかる手法が多い．いずれの指標もトレーニング反応を推定するには十分ではない．
技術，戦術面のモニタリング指標がない．
直接観察（コーチによるモニタリング）の課題
South African Journal of Sports Medicine 8(2): 3‐7
トレーニング日誌の例
Diary entries from Jack Lovelock's training diary, by Jack Lovelock. 1936. Alexander Turnbull Library. MSX‐2510‐114.
Jack Lovelock1938 ベルリンオリンピック1500m金メダリスト
村木 (1994) スポーツ・トレーニング理論. ブックハウスHD
横浜市スポーツ科学センター編（2008）図解スポーツトレーニングの基礎理論，西東社
リントナー 著，安家 訳（1998）トレーニング日誌，未知谷
スポーツトレーニングにおけるAIの活用
https://www.ibm.com/blogs/client‐voices/cognitive‐sports‐science‐world‐class‐training/
Nike Oregon Track Club Elite+ ORRECO+ Watson (IBM)
Moore, ORRECO CEO, says that, in any sport, the trick to performance optimization comes down to finding the right balance between load, or body stress, and recovery. Finding and maintaining that balance is unique to each individual.
非定型なデータ，個人差の大きいデータに対するAIの活用は有効な解決手段となり得る．
アクティビティトラッカーによるトレーニングモニタリング
モニタリングにおけるアクティビティトラッカーの利用
ウェアラブルデバイスGPSの性能
R² = 0.9996
5.0
7.5
10.0
12.5
15.0
17.5
5.0 7.5 10.0 12.5 15.0 17.5
Travel Distance of App
le W
atch 2 (km
)
Travel Distance of Reference (km)
AppleWatch2
POSH
相対誤差Apple Watch2: 1.59±0.73%
POSH: -0.82±1.66%
運動中のGPSの距離計測精度は高い．
Micro X S240
© Posh Mobile
アクティビティトラッカーによる運動認識
デバイス名 動作識別
BASIS PEAK 歩行，ランニング，自転車
Fitbit Charge HR 歩行，ランニング，自転車，エリプティカルスポーツ（球技等），有酸素運動
Garmin Vivosmart HR ×
Jawbone UP3 活動的かどうか
Microsoft Band 2 ×
Polar A360 休息，座位，低強度（立位），中強度（歩行など），高強度（ランなど）
Sony SmartBand 2 歩行，ランニング，自転車
※すべてのデバイスで歩数，消費カロリー，活動時間，睡眠時間が評価可能
スポーツ・トレーニングの評価に用いるには十分とは言えない．
トレーニング・エクササイズ（運動）＝手段の種類
Category Target Ability
Exercise
I II III IV
Sprint(Speed)
スピード持久 テンポ走/最大下走（100～300m）︓ レペティション法，インターバル法最大スピード 加速走 トーイング タイムトライアル
（50m，100m走など） リレー走加速スピード スタートダッシュ 坂道ダッシュ
Sprint-Tech
リズム＆テンポ 快調走 ハードル走技術スプリント 助走走 ウェーブ走 25+25 (Easy&Tempo)
Technique全習型 短助走跳躍 中助走跳躍 長助走跳躍 試合的跳躍分習型 準備・踏切・空中ドリル ハードルドリル
Strength-Tech
水平系 バウンディング [4種] 連続跳躍垂直系 ハードルジャンプ [4種] デプスジャンプ
Strength
パワーアップ 動的筋力法︓ 30%～60%max × 12～20 reps × 1～3 sets筋力アップ 最大筋力法︓ 80%～100%max × 1～3 Reps × 3～8 sets筋肥大 最大反復法︓ 60%～80%max × 8～12 Reps × 3～6 sets
General筋力系 Circuit Training A Circuit Training B 徒手運動（腹/背筋，ﾊﾑ） 連続ジャンプ運動全身調整能系 球技，水泳，自転車など
陸上競技 跳躍種目のトレーニング運動
非明示的課題
トレーニング運動と課題の関係＝トレーニングの質
トレーニング手段＝ 運動
方法A
トレーニング課題（明示的）
トレーニング課題（明示的）
トレーニング課題（明示的）
方法B
方法C
スプリント
持久力
泳法
50％Maxスピード10,000m
Maxスピード50m×3本+完全休息
80％Maxスピード50m×5本+完全休息
強化／体力的
習熟／技術的村木 (1994) スポーツ・トレーニング理論. ブックハウスHD
ウェアラブル・センサーによるトレーニング運動の評価
09:15 09:30 09:45 10:00 10:1510
5
0
5
10
測定データ
機械学習Pre-Processing
Window size, Normalization etc.Feature ExtractionFeature Selection
Algorithm Selection: Supervised, Unsupervised etc.Algorithm Optimization
従来手法•日常動作の大まかな分類•量的評価（Counting）
GOOD
POOR
競技スポーツで必要とされる認識レベル
解析結果
多様なトレーニング運動の識別 運動の質的評価
ディープラーニングをはじめとした新たな解析手法様々なセンシング，映像技術を活用
ディープラーニングよる運動の質的判定
●: good (Learning data)●: bad (Learning data)
右上腕
左手首
へそ
Convolution
Pooling
Convolution
Pooling
Convolution
Deep learning(5 layer)
SVM(RBF kernel)
DLFV1
DLFV2
DLFV3
DL feature
Classificationgoodbad
SensorsAcceleration/Gyro
良くないベントオーバーローイング
（背中丸め，引き付け，重心位置）
良いベントオーバーローイング
DLFV2
DLFV
3
Feature space
大前ほか（2016）アンサンブル学習によるウェイトトレーニング質判定のための慣性センサ装着箇所の検討，SI2016予稿集
リカバリーのためのトレーニングモニタリング
アクティビティトラッカーによるコンディション評価
非対応
非対応
総睡眠時間（分）
深睡眠時間（分）
Garmin, Sony ‐ BASIS, Fitbit, Jawbone, Microsoft, PolarBASIS ‐ Microsoft （p<1%）
すべての機器間で有意差あり（p<1%）
1日あたりの平均睡眠時間 1日あたりの平均深睡眠時間
身体の回復/適応状態の指標
簡易コンディション指標 生体測定指標（バイオマーカー）
• 安静時心拍数• 心拍変動（HRV）• 体重• 睡眠時間• 酸素飽和度• 脱水状態• 筋肉痛（DOMS）
• C-Reactive Protein (CRP)• Interleukin-6 (IL-6)•Omega-3 fatty acids• Systemic Inflammatory Response Syndrome Score (SIRS) • Apolipoprotein B (ApoB)• Insulin-Like Growth Factor (IGF-1)• Testosterone & Cortisol• Adrenal Stress Index
競技現場で利用可能な新たなセンシング技術が求められる
競技スポーツ向けウェアラブルセンサー「JISSBAND」
フィードバック
トラッキング（フィールド）
•トレーニング・メニューと成果•生体情報（心拍，体温，SpO2)•運動の質的評価
•エクササイズ種別•トレーニング負荷→ 量・強度
•生理学的負荷→ HR，SpO2
トラッキング（オフフィールド）
•生体コンディション指標→ 安静時HR，HRV
•睡眠→ 時間，質（深浅）
JISS TARO
JISSBAND
技術・戦術トレーニングのモニタリング
パフォーマンス構造モデル例：陸上競技-跳躍
図子（2013）公認スポーツ指導者養成テキスト共通科目Ⅲ，日本体育協会
パフォーマンス構造モデル例：ゲーム系競技
図子（2013）公認スポーツ指導者養成テキスト共通科目Ⅲ，日本体育協会
ディープ・ラーニング手法による身体部位推定
Wei et. al (2016) Convolutional Pose Machines. CVPR2016
ディープ・ラーニング手法による複数人の身体部位推定
Zhe et. al (2016) Realtime Multi‐Person 2D Pose Estimation using Part Affinity Fields. Submitted to CVPR 2017
自動解析機能付きビデオプレーヤー「JISSVIZ」
再生コントロールスロー，コマ送り等
映像解析メニューデータ保存，グラフ表示
映像解析画面位置検出，シーン判定等
解析結果表示映像と同期
テクノロジーで変えるスポーツ・トレーニングの将来
PLAN︓トレーニング計画
DO︓トラッキング＆フィードバック
CHECK︓コンディション管理
Act︓課題抽出＆将来予測
スポーツ・トレーニングセンシング技術
映像技術
AI技術
テクノロジーで変えるスポーツ・トレーニングの将来
• 機械学習による運動評価• 量的評価︓実施運動の自動識別• 質的評価︓運動の出来栄え
• トレーニング情報のデータベース• 実績値からの目標値の提示
• CIに基づくトレーニング効果の評価• 個人差を考慮したトレーニング反応
• 機械学習によるリカバリー評価• 睡眠の質（深睡眠の程度）• 安静時心拍数，心拍変動• 各種バイオマーカー
• 統計解析によるトレーニング達成度評価• トレーニング累積量，計画達成率
• トレーニング内容のデータマイニング• トレーニング不適応の原因分析• 障害発生機序の特定
• トレーニング記録のビッグデータ化• 新たなトレーニング法の提案• 系統発生的パフォーマンス成長予測
• トレーニング理論に基づく内容チェック• 目的と方法の対応関係• 負荷構成の妥当性
• 計算知能（CI）に基づくシミュレーション• トレーニングメニューの提案• 立案メニューによる効果の予測
PLAN︓トレーニング計画
DO︓トラッキング＆フィードバック
CHECK︓コンディション管理
Act︓課題抽出＆将来予測
センシング技術 映像技術AI技術
夢なき者に理想なし，理想なき者に計画なし，計画なき者に実行なし，実行なき者に成功なし．故に，夢なき者に成功なし．
吉田松陰
ご清聴ありがとうございました．
