2022年2月10日，在北京冬奥会花样滑冰男子单人比赛中，日本著名花滑选手羽生结弦挑战现花滑界公认难度最高的动作阿克塞尔4周跳，结果在落地时摔倒。最终，羽生结弦总成绩排名第四，无缘登上领奖台。虽然羽生结弦未能在北京冬奥会上获得奖牌，但他坚持不懈挑战4A的勇气与决心赢得了世界上很多人的敬佩。

那么动作捕捉系统是如何进化的？羽生在论文中应用的捕捉系统又是如何帮助他完善花滑比赛评分标准呢？接下来我们将一一揭晓。

一、 早期光学动作捕捉系统

二、 无线惯性式动作捕捉系统的诞生

2007年，荷兰Xsens公司发布无线惯性式动作捕捉系统。首先，在人体关键部位（主要为关节前后）佩戴由角速度测量器及加速度传感器组成的惯性传感器，然后以无线方式将从惯性传感器获得的信息传输给进行处理数据的计算机。

随着后续的动作操作系统的发展，MEMS 传感器动作捕捉系统逐渐被发明出来。其中，相较于其他高精度的传感器，MEMS传感器系统中的ADIS16405 惯性传感器具有更高的性价比。

该传感器是一款高集成惯性传感器系统产品，由一个三轴陀螺仪、一个三轴加速度计和一个三轴磁强计组成。

三、 花滑比赛中的“AI”裁判

目前在几乎所有的花滑比赛中，都使用人工裁判来进行评分。裁判们需要通过肉眼，对选手们在比赛中呈现的跳跃、步伐、旋转、表演的完整性等进行评分。而这一过程需要的时间仅仅为几秒钟。并且，关于跳跃评定标准仍存在大量模糊部分，很大程度上需要倚赖具体比赛时裁判的裁量；除跳跃难度之外，其他还需要进行评定的项目中，加分项目有六项，扣分项目则多达二十项。在这所有的因素之下，花滑比赛的评分很难再做到真正意义上的公平公正。所以，无线惯性式动作捕捉系统的推广显得十分重要。

在实验中，他使用的动作捕捉系统为NOITOM公司的PERCEPTION NEURON 2.0，佩戴上限31个传感器进行了测定。

他在自己的身上佩戴了微型传感器，通过PERCEPTION NEURON 2.0所测定的数据，显示出在滑冰时的接触点、着力点，并用红色来表示压力增高的部位。例如脚的前后各有五个接触点，合计十个，也可以在手部和尾椎部适用接触点功能。

惯性传感器是检测和测量加速度、倾斜、冲击、振动、旋转和多自由度运动的传感器。它可以对物理运动做出反应的器件，如线性位移或角度旋转，并将这种反应转换成电信号，通过电子电路进行放大和处理。因此相对于光学方法，惯性传感器可使用的场景更多，并且也更为方便。

在各种的实验中，羽生获取了许多不同类型的接续步法以及跳跃旋转的数据图，并对滑冰时不同的着力点进行分析。

他将不同着力点的显示和因压力而产生的红色区域与比赛评分细则中的条文进行对应，在进行了调试以及试验后，羽生认为在起跳瞬间的数据具有良好的精度。如果可以顺利取得起跳瞬间的数据，就能用人眼无法完全辨识的要素以及因人而异的判断标准，数值化跳跃种类的判定、腾空之前的细化扣分对象等，从而制定相关标准。虽然这无法通过一个人的跳跃数据实现，但ISU（国际滑联）等机构可以通过强化选手逐渐采集数据，并研制相应人工智能系统，这样一来，不仅是关于跳跃的技术判定，关于步法和旋转等要素的技术判定也可以完全得到实现。

我国在这方面的研究也取得了不小的成果。2022年1月，中国花样滑冰协会与中关村数智人工智能产业联盟联合发布了自研“花样滑冰AI辅助评分系统1.0”。这套系统运用了计算机视觉技术算法与深度学习方法，可以对运动员的整体运动轨迹进行实时追踪。再通过专业评分标准，对视频数据的人体骨骼、形体动作进行捕捉识别，实现稳定性可视化的比赛评判。

随着AI、虚拟现实技术不断精进，两项技术融合应用遍地开花，在科技冬奥理念引导下，AI与虚拟现实再在体育领域的实践中不断融合，将会得到更多公众的认知度和认可度，进一步升级发展。

参考文献：
[1]宋广彩.融合姿态和时空轨迹的无线惯性动作捕捉系统[D].大连理工大学,2021.DOI:10.26991/d.cnki.gdllu.2021.003391.

[2]刘博.基于MEMS传感器的动作捕捉系统开发设计[D].北京理工大学,2011.

[3]汪俊.基于惯性传感器的动作捕捉系统研究与设计[D].中国科学技术大学,2015.

[4]张洪超.基于惯性传感器的人体动作捕捉与识别方法研究[D].河南工业大学,2020.DOI:10.27791/d.cnki.ghegy.2020.000013.

图片来源：
[1] 冬奥会10日观赛指南：中国队力争2金，羽生结弦冲击三连冠|奥运会_网易订阅 (163.com)

[2] 基于Xsens惯性三维运动捕捉系统实时分析跳远运动 - 知乎 (zhihu.com)

[3，4，5] 羽生结弦的论文，你真的看懂了吗？(weibo.com)

[6] 花样滑冰比赛背后的“AI裁判”_腾讯新闻