打卡智能中国（八）：“水花消失术”的 AI 秘籍

作者：脑极体

2024-08-07
天津
本文字数：3986 字
阅读完需：约 13 分钟

巴黎奥运会，简直是中国 00 后运动员的超级舞台。他们不仅实力优秀，而且自信昂扬，像是向全世界宣告：“这就是我们的时代！”

以往提及代表国家出征奥运会的运动员，很多人会有刻板印象，仿佛在他们的世界里，金牌才是最终目标，背负着为国争光的重任，在严苛的训练计划下负重前行。

而一个个鲜活个体的 00 后运动员，让我们看到，他们不只是“奖牌战士”，也在比赛中享受竞技乐趣、收获成长和超越自我；训练也不是全凭艰苦奋斗，不畏苦战的体能和自信背后，是健康的身心在支撑。

巴黎奥运会的跳水女子双人十米台决赛中，全红婵和队友陈芋汐的同步性极高，以“复制粘贴”般的动作拉开了明显优势，夺得金牌，成为中国跳水队在该项目上的奥运会七连冠。

这枚金牌的不同之处，就在于“含 AI 量”极高。

2020 年 10 月，“跳水天才”全红婵入选国家队，而那时，AI 已经走向了跳台。百度和中国国家跳水队在 2019 年开展技术合作，打造 AI 跳水辅助训练系统。可以说，AI 见证并参与了这位“零水花天才”，从国家队训练场到奥运会赛场的成长之路。

年轻一代的中国运动员，正在迎来他们的时代，而这也是一个与 AI 密不可分的时代。中国跳水队员的“完美一跳”背后，是中国 AI 跨越重重技术阻拦，顺利“入水”。

“她身体条件好，很适合压水花，但是不希望人们把她称之为天才。”全红婵的省队教练曾如此说道。

即使是 “天赋选手”，全红婵也需要进行艰苦训练，每天练习 400 多跳是基本功课。跳水运动员的训练压力，可见一斑。

为什么运动员要如此艰苦，有两个原因：

一是标准高。实现“一根针式入水”的完美一跳，是跳水队的终极目标，需要起跳、旋转、入水的每一个环节都 0 误差，衔接的得丝丝入扣、没有一点差错。运动员唯有魔鬼训练，才能不断接近完美，成为“难度王”。

二是竞争激烈。体育科技发展较早的美国、澳洲等发达国家，很早就将计算机技术应用于运动员的培养，日常训练看起来“高大上”多了。利用 EPTS 系统追踪运动员的每一个动作，然后用电脑分析，帮助教练制定战术，科技早已是日常训练的一部分。想要在国际赛场上赢下这样的强队，中国跳水队唯有更拼，不让一丝细微的失误影响夺金。

不难想见，这样的严苛训练和心理压力，对中国跳水运动员来说，负荷不小。

为什么中国队不能用数字技术来辅助训练，非要让运动员吃苦耐劳呢？非不为也，实不能也。

美澳等发达国家的信息化较早，一些信息化、数字化技术也更早开始和体育项目融合。在论文网站 arxiv.org，我们发现早在 2009 年，就有研究者通过计算机视觉中的图像目标分割与检测技术，帮助教练需要最大限度地掌握有关比赛和球员的战术信息，完善比赛策略。

而当时的中国，除了高校科研院所中计算机、AI 领域的专家科学家，大部分人对深度学习的认知，还停留在“听说过，没见过”的阶段，更别说用它来辅助跳水了。

随着百度、腾讯、京东等一批工业界企业，开始发力深度学习技术，并且与各行业紧密衔接，AI 与中国跳水终于迎来了邂逅。

2017 年，计算机视觉技术取得了极大发展，利用 CV 来进行运动表现分析，也成为工业界一大研究方向。当时，国际上已经有科研团队借助计算机视觉算法，在连续视频中对跳水片段进行提取、追踪、分类，捕捉人体姿态的细微变化。

这一波，中国又赶不上了吗？幸好，在 CV 技术上，中国并没有缺席。

2017 年，百度、腾讯、阿里巴巴等一批互联网企业，在计算机视觉领域取得了一系列成果。根据国际顶级会议如 CVPR、ICCV、ECCV 等的论文收录情况，中国科技企业的论文数量在 2017 年有显著增长，不仅数量多，而且质量高，很多研究成果都达到了国际领先水平。比如一篇印度研究团队的 CV+跳水姿态研究论文中，引用文献就包含了大量中国作者。

CV 技术达到世界一流水平，技术的实际应用和产业化进程也在加速，用 AI 辅助跳水训练，也被提上日程。

其中最具代表性的是百度与中国国家跳水队的合作。2019 年 9 月，双方开始建立联系，才发现 AI+跳水的结合，并没有想象中容易。

首先，行业壁垒分明。搞体育的专家和搞 AI 的工程师，知识体系各不相同，互相之间理解起来就有先天的困难。体育专家不知道 AI 有什么用，算法专家则不了解跳水运动有什么痛点。

据说，百度智能云团队来到国家体育总局训练局，参观完运动员的训练后，跳水队专家提出了一个要求：“你们能不能做量化评估，比如从视频里面推断起跳的速度、加速度、高度、角速度等？”百度的工程师们陷入沉思，到底能不能做，怎么做，没有现成的案例可以参考。

AI 一定要走进体育场馆和日常训练中去，帮助运动员和教练们减轻负担，在这一信念下，百度工程师们观看了大量跳水视频，最终确定了初步方案：利用 3D 视觉技术，从单目视频里面重建 3D 姿态和动作序列，并基于此进行一系列量化指标的推断和求解。但没想到，挑战才刚刚开始。

下一个难题，是数据采集。

由于跳水是超高速运动，以十米台为例，一个高难度动作从起跳到落水，一共不到两秒钟。数学建模分析的前提是数据，然而跳水运动员不能贴胶布、佩戴传感器芯片，传统摄像头的精度不够、时延较高，想要采集两秒内的运动数据，遇到前所未有的困难。

经过一段时间的摸索，百度技术人员决定搭建了云边端一体的软件系统，同时也在训练场馆部署了高速相机等一系列采集与处理的硬件设备，这样就解决了“没有数据可分析”“端侧算力不够用、时延高”的技术难题，通过清晰无拖影的高速视频智能采集，对跳水动作和姿态进行精确捕捉。

有了数据，专用算法的研发也并非易事。

一方面，摄像头采集到的视频是 2D，很多细节可能被遮挡。百度通过 3D 视觉技术以及深度神经网络估算出运动员三维的姿态，并获得每个关节角度的三维数值，实现了对场馆空间以及运动员的姿态、动作等的三维重建，支持对跳水动作精确度的量化评估。

另一方面，用 AI 辅助跳水训练，是一个专业知识要求很高的事情。软件系统只采集了画面，但如何分析运动员的姿势对不对、如何指导运动员调整并设计训练计划，这些都依赖大量经验知识。这时候，百度在知识图谱、行业智能化方面的积累的技术和经验，就发挥了重要作用，因为数据库、知识库更大，可以把数据形成专业的知识模型，让“AI 教练”有了指导意义，通过跳水动作智能打分、训练技术智能定制等功能，辅助人类教练进行针对性训练。

至此，国内首个“3D+AI”跳水训练系统，才算初步完成。

实际上，当时国内将 CV 技术应用于运动分析的技术团队并不少，不止百度一个。但百度有一个独特的优势，就是与中国跳水队建立了互信的合作关系。

AI 是一种持续迭代、演进的软件系统，需要结合使用中产生的数据、知识、经验而不断完善，算法模型必须在实战中历练。

中国国家跳水队对 AI 的积极了解和拥抱，让 AI 系统有了落地的“练兵场”。

2021 年 4 月，百度和中国跳水队官宣合作，“AI 教练”正式上岗，参与到跳水队的日常训练中去。

有了 AI，跳水运动员的日常训练就不艰苦了吗？当然不是，竞技体育仍然依赖于运动员的辛勤努力，但传统训练中存在的大量低效训练、重复动作，则因为 AI 的到来而大大减少。

先说重复训练。

因人类教练难以及时观测到细节，而导致的反复练习。运动员在两秒钟出现的各种误差细节，是很难被教练 100%捕捉到的，腾空高度不够、转体动作分腿等，往往需要一遍遍重复训练，来进行纠正，导致训练强度很大。

通过 3D+AI 跳水训练系统，可以减少传统训练中盲目试错的过程。教练可以先通过高速摄像头录制并生成的 3D 立体建模，一次性看清所有复杂动作的细节，更有效地进行指导和训练。

再来说说低效训练。

此前，中国跳水队也应用了摄像头和数字技术，来辅助教学。但传统摄像头不具备数据的实时分析处理能力，对录像视频的回溯、整理和分析依然需要教练手动完成。带来的问题是，教练工作压力大，花费大量时间在视频数据处理上，那么分配给战术策略、运动员身心健康等层面的精力也就少了。另外，这种指导方式具有滞后性，无法在训练完成后就及时回溯并进行调整，第二天运动员的状态可能又不一样，导致进步速度受限。

借助 AI 的数据实时分析能力，该训练系统可以自动识别出完成的是哪一个动作和对应的动作代码以及难度系数，并对完成质量进行评分。同时，这些数据都会即时反馈到教练的端侧设备上，及时帮助跳水队员调整动作、改进细节，每一次训练都更有针对性。

比如，水花消失预测模型，可以根据当前的水花状态，精准预测其消失的时间和位置，帮助运动员更好地掌握控制水花的技巧。结合每个运动员的身体素质、技术特点和历史表现，自动生成个性化、针对性的训练方案。

2023 年，中国跳水队也成为第一批拥抱大模型的体育队伍。升级后的 AI 跳水辅助训练系统，具备了文心一言大模型的海量数据知识、更强大的交互理解能力，能理解并执行教练和运动员的复杂指令，提供更加准确、丰富的信息，让每一次起跳更加精雕细琢。