Российские спортсмены смогу тренироваться в виртуальной реальности

Любите ли вы спорт? Думаю, да. А высокие технологии? Думаю, тоже да. А что, если я скажу вам, что две эти вещи прекрасно совмещаются между собой? Сегодня поговорим о том, как виртуальная реальность поможет спортсменам обучаться и повысит их результативность в матчах.

Обучение спортсменов в командных видах спорта — дело непростое. Мало того, что в них нужно воспитать координацию, личную ловкость и силу, так еще необходимо и взаимопонимание между членами команды наладить … Сплошная морока.

Чтобы спортсмены росли над собой, им необходим опыт, а получить его можно, лишь играя с настоящими соперниками, а не только друг с другом. До недавних пор ощутить матчи можно было лишь вживую, а на словах передать опыт тех или иных соревнований было проблематично. И тут на помощь спортсменам пришли умельцы из Московского технического университета связи и информатики (МТУСИ) — они решили дать спортсменам возможность «прожить» самые крутые и примечательные матчи с помощью виртуальной реальности.

Как VR может помочь спортсменам обучаться?

Как я уже ранее сказал, наработка опыта для спортсменов — одна из наиболее трудоемких задач. Чтобы научиться играть, надо играть — и самому быть на поле, чтобы видеть, что происходит. Заболел, сидел на скамейке запасных, смотрел не в ту сторону или куковал в углу поля, пока остальные рубились в центре? Ты в пролете, бесценный опыт упущен.

Разработка МТУСИ должна решить эту проблему в корне, потому что она может предложить новый способ рассмотреть матчи во всех деталях — воссоздать их с помощью виртуальной реальности.

Система из МТУСИ должна стать основой для сохранения записей спортивных встреч в новом формате — не просто видео, но интерактивный материал, который можно будет рассмотреть «как вживую», с разных ракурсов. Штука очень удобная хотя бы потому, что теперь спортсмены смогут увидеть нюансы и детали, которые не смогли бы заметить вживую или на «плоской» видеозаписи — ведь на VR-реконструкцию попадет куда больше деталей, а значит, игроки смогут узнать больше полезных вещей о себе, о противнике и об игре в принципе.

Как это будет устроено?

Первое, что нужно сделать — это собрать данные о матче. Чтобы информации хватало с избытком, нам нужно несколько камер — минимум четыре, каждую на свой сектор поля.

Эти камеры будут независимо друг от друга записывать все, что происходило на поле. Так как матчи длятся в среднем часа полтора-два (в зависимости от перерывов, овертаймов и прочих вещей, что тянут время), то и камеры должны обладать памятью, которой хватит на несколько часов записи в высоком разрешении (это десятки, если не сотни гигабайт видео, хороший сервер тут тоже не помешает).

И вот тут, еще на моменте записи, начинается магия. Мы не просто записываем видео наобум — мы даем нашему комплексу по обработке изображений рассмотреть все нюансы, которые важны для спортсменов, тренеров и аналитиков. Из чего же должен комплекс, чтобы принести результат?

Нам понадобится целая куча программ, записанная на разных языках. В дело идут C#, Python, нейросетки и даже игровой движок Unity. В совокупности все это позволит получить необходимые нам модули. О самых важных из них сейчас и поговорим.

Первое, что нужно — это модуль сбора изображений. Эта штука нужна для обработки «сырых» данных и дальнейшей передачи их остальным компонентам комплекса. Если машина не будет получать сырой материал для дальнейшей обработки, весь смысл системы теряется. Поэтому важно настроить ее так, чтобы она не скидывала в остальные модули всякую фигню вместо записей и снимков игры. В противном случае мы не увидим, кто и как развлекался со спортивными снарядами во время матчей.

Затем в этом сыром материале нам нужно понять, где именно были игроки и снаряды. Тут нам поможет модуль обнаружения спортивного инвентаря и спортсменов — с его помощью машина должна отделить зрителей, судей и т.д. от того, что реально важно игрокам — других игроков и их действия на поле. Не стоит долго распинаться о том, что этот модуль выполняет самую ответственную работу — если он будет работать некорректно, то остальные системы не смогут нормально восстановить матч и сделать из него VR-представление.

Если же он будет работать исправно, то потом передаст эстафету сразу трем подсистемам, работающим параллельно друг с другом.

Первая из них — это система определения внешнего вида спортсменов. Она нужна для того, чтобы зритель потом смог понять, где «свои», а где «чужие». Другими словами, этот модуль очень сильно помогает структурировать действия не только отдельных спортсменов, но и команд.

Второй — модуль обнаружения поз спортсменов. После того, как мы поняли, кто где бегает и за кого играет, было бы неплохо понять, какие именно финты спортсмены крутили, какие правила нарушали, а что делали правильно. Вот эта подсистема как раз и заточена под решение таких задач. При её правильной работе мы получаем полную информацию о движениях каждого спортсмена, а значит, сможем потом следить за любым из них на реконструкции.

Третий модуль взаимосвязан со вторым — это модуль трекинга спортсменов. Он нужен для того, чтобы отслеживать перемещения атлетов в пространстве. Довольно полезная информация, которая позволит не только увидеть «боевой путь» каждого из спортсменов в отдельности, но и проанализировать тактику команд на макроуровне.

Отлично, мы собрали все эти данные и даже не налажали в процессе. Но как нам сделать VR-реконструкцию из всего этого потока данных? Тут на помощь нам приходит компилятор — модуль, который собирает это все воедино и затем делает нам красивое видео в виртуальной реальности. Вуаля — мы собрали все данные, проанализировали их и теперь можем наслаждаться уникальным «слепком» любого сыгранного матча.

Зачем все это нужно?

Да много зачем. Начнем, пожалуй, с наиболее очевидной пользы: внедрение в массовое использование таких VR-систем может серьезно изменить спорт во многих отраслях. Первый вариант использования — титульный, то есть обучение спортсменов. С такой приблудой у них будет больше шансов рассмотреть матч подробно и сделать правильные выводы.

Но использовать VR-симуляцию можно и не только ради зубрежки новых тактик. Спортивные судьи будут от такой системы просто в восторге, ведь у них появится гораздо больше «глаз» чтобы увидеть нарушение. Я уж молчу про анализ спорных моментов (забил — не забил, был ли фол или нет и т.д), который с такой подробной и беспристрастной информацией будет куда справедливее — в идеале можно будет вообще избавиться от того, что рефери «показалось» какое-то нарушение или он наоборот в упор его не заметил.

Если подумать о более нетривиальных вариантах применения, то тут полет фантазии и вовсе безграничен. Спортивные фанаты наверняка будут в восторге от возможности на своей шкуре «ощутить», каково это — быть в центре поля и внимания сотен зрителей, прожить легендарные матчи буквально в шкуре любимых спортсменов.

Кроме того, эти симуляции можно использовать для образовательных целей или даже для того, чтобы обеспечивать безопасность людей — ведь такая реконструкция очень хорошо может заменить современные, несовершенные системы видеонаблюдения в магазинах и на улицах. Согласитесь, если камеры наблюдения смогут в реальном времени сохранять и потом воспроизводить 3D-модели нарушителей, будет гораздо больше шансов справедливо их наказать.

Так что теперь стоит подождать, пока наши ученые доведут VR-реконструкции до ума, и затем улучшать с их помощью нашу жизнь.