immagine-preview

Lug 25, 2018

Functional Data Analysis: tra sport e statistica alla ricerca del gesto perfetto

Grazie alla Functional Data Analysis è possibile analizzare il movimento che un atleta compie in tutte le sue fasi, estraendo dati utili per migliorare i gesti fino ad arrivare all’ottimizzazione. Ne parliamo con Alessia Serafini, di Math&Sport

Cosa succederebbe se ogni atleta arrivasse al gesto perfetto nello sport di riferimento? Facile: si arriverebbe all’ottimizzazione delle performance degli atleti, rendendo le partite di pallavolo, di tennis, di golf o le gare di atletica molto più efficienti e interessanti. A cercare il gesto ‘ottimo’ è la Functional Data Analysis, un ramo della statistica in cui i dati vengono trattati e analizzati come funzioni. Ne parliamo con Alessia Serafini, Analyst&Developer di Moxoff, spinoff del Politecnico di Milano. Alessia e tutti gli altri membri della ‘squadra’ abbattono gli stereotipi in merito alla divisione tra statistica e sport. In realtà i due settori si sposano e si integrano perfettamente.

Identikit della Functional Data Analysis

 

La Functional Data Analysis è applicata a vari settori, dalle scienze ambientali a quelle economiche, dalla medicina allo sport. La sua applicazione nel mondo reale è sorprendente. “Nello sport – spiega Alessia – la Functional Data Analysis viene utilizzata per studiare e analizzare il gesto tecnico cioè il movimento che un atleta compie per svolgere uno dei fondamentali nello sport che sta praticando. Abbiamo applicato questo tipo di analisi in diversi sport come la pallavolo, il tennis, il golf e varie discipline dell’atletica. In ogni atleta vengono monitorate parti del corpo oppure anche il corpo nella sua totalità. Solitamente quando non si utilizza un approccio con dati funzionali, si deve riassumere il movimento in uno o più punti fondamentali, riducendolo a poche informazioni che possono essere rilevanti per lo scopo dell’analisi. Con la Functional data Analysis, invece, si osserva tutto il movimento, dalle fasi preliminari per tutto lo svolgimento fino alla fase conclusiva. E questo permette di monitorare anche aspetti che possono sfuggire se l’informazione viene raggruppata in unico dato. Con la Functional data Analysis abbiamo per ogni gesto una funzione che dura dall’inizio del movimento fino alla fine: noi osserviamo tutto. Per esempio, ne misuriamo la posizione nello spazio e da questa possiamo ricavare informazioni sulla velocità del movimento”. Insomma, un’accurata analisi che poi permette di ottimizzare i gesti di ogni singolo atleta”.

 

Alla ricerca del gesto ottimo

 

Il processo è preciso e dettagliato. Lo spiega bene Alessia: “Noi ci muoviamo in due diverse direzioni che sono collegate l’una con l’altra.  La prima è determinare quali momenti del gesto tecnico influenzano maggiormente quello che consideriamo come output (il risultato finale, ndr).  Per esempio l’obiettivo nella pallavolo è fare punto su battuta. Quindi quando noi analizziamo il servizio, vogliamo identificare quali sono le parti del movimento che si traducono poi in una battuta molto veloce; oppure nel golf quali sono gli aspetti del movimento che portano a fare un colpo che arrivi direttamente in buca. Definire l’obiettivo per l’analisi è fondamentale. Inizialmente sono gli allenatori o gli esperti del settore che ci danno indicazioni di quello che vogliono monitorare. Una volta definito l’obiettivo, ci chiediamo quale sia il gesto ottimo per realizzarlo. Questo viene definito per ogni atleta, perché ogni atleta ha un suo movimento particolare che è diverso da quello di un altro. Gli obiettivi che noi definiamo portano ad analizzare le varie componenti del gesto e quindi l’atleta sarà portato a lavorare per migliorare quei determinati aspetti del suo movimento. Una volta determinato qual è il gesto ottimo dell’atleta, quello che si vorrebbe fare è riuscire a ripetere quel gesto sempre allo stesso modo per raggiungere sempre l’obiettivo. Per fare questo, monitoriamo la regolarità del gesto. Bisogna avere tante ripetizioni del gesto dello stesso atleta; avremo quindi un fascio di funzioni che analizziamo e ne determiniamo la variabilità, analizzando in quali momenti del gesto l’atleta varia di più”.

 

Riprese video per monitorare

 

Come si raccolgono questi dati? Anche su questo punto Alessia è chiara: “I dati sono raccolti tramite riprese video degli atleti. Da questa riprese viene poi estratta la traiettoria della parte del corpo che vuole monitorare (polso, gamba, bacino etc.). Dopo che i dati sono raccolti, li analizziamo, li processiamo e produciamo un report che inviamo alle squadre. Spieghiamo all’allenatore o al tecnico il significato delle nostre analisi e dei nostri risultati in modo che il tecnico li possa capire e comunicare poi all’atleta e in modo da preparare allenamenti specifici per agire su quegli input di miglioramento che noi abbiamo dato. È un continuo interagire”.

 

Algoritmi di Machine Learning per lavorare sui dati

 

Per fare in modo che i movimenti siano naturali e non condizionati da fattori esterni, Alessia e il team di Math&Sport stanno lavorando su algoritmi di Machine Learning. Reti neurali artificiali in grado di apprendere sfruttando in parte i meccanismi del cervello: è l’Intelligenza Artificiale. In sostanza gli algoritmi di Machine Learning apprendono informazioni direttamente dai dati. Nel caso specifico, questi algoritmi “permettono – spiega Alessia – di estrarre i dati direttamente e solamente dalle immagini video, senza bisogno di sensori o markers colorati per individuare la posizione del corpo o della parte di esso. Infatti, inizialmente mettevamo polsini colorati sulla parte del corpo che ci interessava monitorare ma sia questi sia sensori possono rendere il gesto meno naturale. Invece, con questi algoritmi il gesto dell’atleta non è influenzato. Grazie alla ripresa video – non invasiva e che non modifica il movimento – creiamo la posizione di tutto il corpo dell’atleta e poi ci soffermiamo sulle singole parti del corpo, a seconda di quello che ci viene richiesto di monitorare.

 

Statistica e riabilitazione

 

Ma per il prossimo futuro c’è anche un altro mondo su cui si applicheranno i dati funzionali: quello della riabilitazione. Un tema importante, vicino allo sport ma anche alla medicina. Alessia ne è entusiasta: “I medici sono interessati a capire se dopo un intervento piuttosto che dopo un infortunio una persona riesca a recuperare la completa capacità di movimento che aveva prima. Qualsiasi persona che ha subito un intervento e deve riacquisire la capacità di movimento può essere monitorata con questo tipo di analisi e se ne possono capire i miglioramenti”. Insomma, le possibilità e le prospettive sono tante. Ora diventa prioritario proseguire nel creare la cultura dell’affiancare la statistica allo sport. “Lavoriamo molto – chiude Alessia – per sensibilizzare e far capire il valore che la statistica può offrire nell’ambito in cui si lavora”.

 

 

Rimani sempre aggiornato sui
temi di StartupItalia!
iscriviti alla newsletter