2026年9月3日(木) 2時
論文スマホ1台で選手の重心を追跡、スポーツ現場の測定革命
スポーツの動作分析に欠かせない『重心の位置』をスマートフォン1台で測定できるシステムが登場。軽量なAIモデルを組み合わせることで、練習現場のような単眼カメラ環境で高精度に重心軌跡を追跡できるようになりました。
この研究のポイント
- 1.
何を調べたか
2次元姿勢認識と軽量な深度推定モデルを組み合わせ、解剖学的な制約を使って単眼動画から3次元重心軌跡を推定する手法を開発
- 2.
見えてきたこと
走行、陸上競技、フィギュアスケートで検証した結果、垂直方向で33~41mm程度の誤差を達成し、スマートフォンで毎秒60フレームでの処理を実現
- 3.
私たちにとっての意味
専用の3次元学習データを不要とし、コーチが練習現場のスマートフォンで選手の重心動作を即座に分析できる環境が実現可能に
著者Aidan Bradshaw, Marco Giordano, David Rode, Andreas Habersack, Elif Basokur 他
AIが気になってること
?『重心の位置』って、身体のどこを指してるの?バランスを取るための中心みたいなもの?
重心は物理学的には「身体全体の重さが集中していると考えられる一点」なんです。バランスの中心というより、重力がかかる場所だと考えるとシンプル。
人間の身体は腕も脚も頭も密度が違うので、単純な中心ではなくて、各部位の重さを加味した「重さの平均地点」になります。立っているときは大体へそのやや下、骨盤の奥あたりに位置することが多い。だから、運動選手がジャンプするときや投球するとき、この重心がどう動くかを見ると、身体の使い方がわかる。
スポーツ指導で重心を追うのは、要は「力をどこから生み出しているのか」を可視化するため。野球なら投球のとき重心が移動する順序がおかしいと、肩に無理な負荷がかかるかもしれない。陸上なら着地時の重心の位置ずれが走速を落としているかもしれない。見た目の動きは上手でも、重心軌跡を見ると「ここが非効率」という指摘ができる。それが上達の鍵になるわけです。
スマホで数センチ単位で追跡できるようになると、この細かな修正がリアルタイムでできるようになるのが、このシステムの強みと言えそうです。
『重心の位置』って、身体のどこを指してるの?バランスを取るための中心みたいなもの?
重心は物理学的には「身体全体の重さが集中していると考えられる一点」なんです。バランスの中心というより、重力がかかる場所だと考えるとシンプル。 人間の身体は腕も脚も頭も密度が違うので、単純な中心ではなくて、各部位の重さを加味した「重さの平均地点」になります。立っているときは大体へそのやや下、骨盤の奥あたりに位置することが多い。だから、運動選手がジャンプするときや投球するとき、この重心がどう動くかを見ると、身体の使い方がわかる。 スポーツ指導で重心を追うのは、要は「力をどこから生み出しているのか」を可視化するため。野球なら投球のとき重心が移動する順序がおかしいと、肩に無理な負荷がかかるかもしれない。陸上なら着地時の重心の位置ずれが走速を落としているかもしれない。見た目の動きは上手でも、重心軌跡を見ると「ここが非効率」という指摘ができる。それが上達の鍵になるわけです。 スマホで数センチ単位で追跡できるようになると、この細かな修正がリアルタイムでできるようになるのが、このシステムの強みと言えそうです。
AIAIからの回答
重心は物理学的には「身体全体の重さが集中していると考えられる一点」なんです。バランスの中心というより、重力がかかる場所だと考えるとシンプル。
人間の身体は腕も脚も頭も密度が違うので、単純な中心ではなくて、各部位の重さを加味した「重さの平均地点」になります。立っているときは大体へそのやや下、骨盤の奥あたりに位置することが多い。だから、運動選手がジャンプするときや投球するとき、この重心がどう動くかを見ると、身体の使い方がわかる。
スポーツ指導で重心を追うのは、要は「力をどこから生み出しているのか」を可視化するため。野球なら投球のとき重心が移動する順序がおかしいと、肩に無理な負荷がかかるかもしれない。陸上なら着地時の重心の位置ずれが走速を落としているかもしれない。見た目の動きは上手でも、重心軌跡を見ると「ここが非効率」という指摘ができる。それが上達の鍵になるわけです。
スマホで数センチ単位で追跡できるようになると、この細かな修正がリアルタイムでできるようになるのが、このシステムの強みと言えそうです。
まだ回答がありません
ログインすると、回答を投稿できます
?野球やバレーの指導現場が変わるってことだけど、部活動レベルのコーチでもこのシステム使えるようになるの?
部活動のコーチでも使える可能性は高いと思います。ただ、ここで重要なのは「技術的に使える」と「実際に使いこなせる」が別だということ。
スマホ1台という敷居の低さは確かに革新的ですが、重心の追跡データを見たからといって、そのデータを指導に変換できるとは限りません。「この選手の重心位置がこう動いている」という情報を得ても、「だからどう修正するのか」という判断には、コーチの経験や知識が必要になります。つまり、測定ツールの民主化と指導技術の習得は別の課題です。
むしろ部活動レベルで活躍するのは、スマートフォンの便利さより、「スマホで記録を蓄積できる」という側面かもしれません。毎週の練習風景を同じ環境で撮り続けて、数週間のデータから選手の動きの改善を見える化する。そういう使い方なら、高度な分析スキルがなくても効果が出そうです。むしろ導入の課題は、アプリ代金や使い方の研修より、「月1回の測定で十分」という指導現場の感覚とのズレのほうが大きいのかもしれません。
野球やバレーの指導現場が変わるってことだけど、部活動レベルのコーチでもこのシステム使えるようになるの?
部活動のコーチでも使える可能性は高いと思います。ただ、ここで重要なのは「技術的に使える」と「実際に使いこなせる」が別だということ。 スマホ1台という敷居の低さは確かに革新的ですが、重心の追跡データを見たからといって、そのデータを指導に変換できるとは限りません。「この選手の重心位置がこう動いている」という情報を得ても、「だからどう修正するのか」という判断には、コーチの経験や知識が必要になります。つまり、測定ツールの民主化と指導技術の習得は別の課題です。 むしろ部活動レベルで活躍するのは、スマートフォンの便利さより、「スマホで記録を蓄積できる」という側面かもしれません。毎週の練習風景を同じ環境で撮り続けて、数週間のデータから選手の動きの改善を見える化する。そういう使い方なら、高度な分析スキルがなくても効果が出そうです。むしろ導入の課題は、アプリ代金や使い方の研修より、「月1回の測定で十分」という指導現場の感覚とのズレのほうが大きいのかもしれません。
AIAIからの回答
部活動のコーチでも使える可能性は高いと思います。ただ、ここで重要なのは「技術的に使える」と「実際に使いこなせる」が別だということ。
スマホ1台という敷居の低さは確かに革新的ですが、重心の追跡データを見たからといって、そのデータを指導に変換できるとは限りません。「この選手の重心位置がこう動いている」という情報を得ても、「だからどう修正するのか」という判断には、コーチの経験や知識が必要になります。つまり、測定ツールの民主化と指導技術の習得は別の課題です。
むしろ部活動レベルで活躍するのは、スマートフォンの便利さより、「スマホで記録を蓄積できる」という側面かもしれません。毎週の練習風景を同じ環境で撮り続けて、数週間のデータから選手の動きの改善を見える化する。そういう使い方なら、高度な分析スキルがなくても効果が出そうです。むしろ導入の課題は、アプリ代金や使い方の研修より、「月1回の測定で十分」という指導現場の感覚とのズレのほうが大きいのかもしれません。
まだ回答がありません
ログインすると、回答を投稿できます
?従来の複数カメラシステムは、いつころから使われてたの?なぜいま急にスマホでできるようになったの?
複数カメラを使った動作分析は1980年代から研究されていて、2000年代には運動学や生体力学の現場で標準的な測定手段になっていました。ただし当時のAIは「人間の姿勢をこれだけの角度から見たら、重心はここにある」という学習データを膨大に必要としていた。だから精度を出すには、複数カメラで異なる角度から同時に撮る必要があったわけです。
いま急にスマホ1台で可能になった理由は、AI技術そのものの軽量化にあります。大規模言語モデルの進化で、実は「少ないデータでも本質的な特徴を学べるモデル」が生まれてきた。このMuyBridgeも、人体の骨格構造という先験的な知識を上手くAIに組み込むことで、単眼カメラだけの情報からでも重心を推定できるようになったらしい。
つまり、技術の進化というより「どうやって効率よく学ぶか」という哲学が変わった、という感じですね。昔のシステムは「見る量を増やす」で精度を確保していたのに対し、今は「賢く見る」にシフトした。その結果、練習現場という即座性が求められる環境にようやく適応できるようになったのかもしれません。
従来の複数カメラシステムは、いつころから使われてたの?なぜいま急にスマホでできるようになったの?
複数カメラを使った動作分析は1980年代から研究されていて、2000年代には運動学や生体力学の現場で標準的な測定手段になっていました。ただし当時のAIは「人間の姿勢をこれだけの角度から見たら、重心はここにある」という学習データを膨大に必要としていた。だから精度を出すには、複数カメラで異なる角度から同時に撮る必要があったわけです。 いま急にスマホ1台で可能になった理由は、AI技術そのものの軽量化にあります。大規模言語モデルの進化で、実は「少ないデータでも本質的な特徴を学べるモデル」が生まれてきた。このMuyBridgeも、人体の骨格構造という先験的な知識を上手くAIに組み込むことで、単眼カメラだけの情報からでも重心を推定できるようになったらしい。 つまり、技術の進化というより「どうやって効率よく学ぶか」という哲学が変わった、という感じですね。昔のシステムは「見る量を増やす」で精度を確保していたのに対し、今は「賢く見る」にシフトした。その結果、練習現場という即座性が求められる環境にようやく適応できるようになったのかもしれません。
AIAIからの回答
複数カメラを使った動作分析は1980年代から研究されていて、2000年代には運動学や生体力学の現場で標準的な測定手段になっていました。ただし当時のAIは「人間の姿勢をこれだけの角度から見たら、重心はここにある」という学習データを膨大に必要としていた。だから精度を出すには、複数カメラで異なる角度から同時に撮る必要があったわけです。
いま急にスマホ1台で可能になった理由は、AI技術そのものの軽量化にあります。大規模言語モデルの進化で、実は「少ないデータでも本質的な特徴を学べるモデル」が生まれてきた。このMuyBridgeも、人体の骨格構造という先験的な知識を上手くAIに組み込むことで、単眼カメラだけの情報からでも重心を推定できるようになったらしい。
つまり、技術の進化というより「どうやって効率よく学ぶか」という哲学が変わった、という感じですね。昔のシステムは「見る量を増やす」で精度を確保していたのに対し、今は「賢く見る」にシフトした。その結果、練習現場という即座性が求められる環境にようやく適応できるようになったのかもしれません。
まだ回答がありません
ログインすると、回答を投稿できます
?これって『高度な測定機器が、技術進化で個人レベルで使える道具に民主化される』ってよくある流れなの?
スポーツ測定に限らず、技術の民主化はよくある流れですが、このケースの面白さは「ハードの進化」じゃなくて「ソフト(AI)の工夫」が決め手になってる点です。
従来は、正確な3次元データを取るために、赤外線マーカーと複数カメラのセット、つまり「装置一式」が必要でした。これは本質的にハード依存。だからコストも場所も限られていた。
でもこのMuyBridgeは、スマホという「既にみんなが持ってる汎用デバイス」を使いながら、AIの工夫で精度を引き上げた。姿勢認識と距離推定を組み合わせて、単眼カメラの根本的な制約を軽量なモデルで克服している。これは「ハードが安くなった」というより「問題を解く方法が変わった」に近い。
だから練習現場の現実に合致するんですよ。コーチがポケットから出したスマホで撮るだけ。リアルタイムでフィードバックできる。これは従来の高級測定機では実現できなかった使い方。
民主化というより「問題を再定義した」のかもしれません。「3次元センサーで正確に測るしかない」という前提を外してしまった、と言えそうです。
これって『高度な測定機器が、技術進化で個人レベルで使える道具に民主化される』ってよくある流れなの?
スポーツ測定に限らず、技術の民主化はよくある流れですが、このケースの面白さは「ハードの進化」じゃなくて「ソフト(AI)の工夫」が決め手になってる点です。 従来は、正確な3次元データを取るために、赤外線マーカーと複数カメラのセット、つまり「装置一式」が必要でした。これは本質的にハード依存。だからコストも場所も限られていた。 でもこのMuyBridgeは、スマホという「既にみんなが持ってる汎用デバイス」を使いながら、AIの工夫で精度を引き上げた。姿勢認識と距離推定を組み合わせて、単眼カメラの根本的な制約を軽量なモデルで克服している。これは「ハードが安くなった」というより「問題を解く方法が変わった」に近い。 だから練習現場の現実に合致するんですよ。コーチがポケットから出したスマホで撮るだけ。リアルタイムでフィードバックできる。これは従来の高級測定機では実現できなかった使い方。 民主化というより「問題を再定義した」のかもしれません。「3次元センサーで正確に測るしかない」という前提を外してしまった、と言えそうです。
AIAIからの回答
スポーツ測定に限らず、技術の民主化はよくある流れですが、このケースの面白さは「ハードの進化」じゃなくて「ソフト(AI)の工夫」が決め手になってる点です。
従来は、正確な3次元データを取るために、赤外線マーカーと複数カメラのセット、つまり「装置一式」が必要でした。これは本質的にハード依存。だからコストも場所も限られていた。
でもこのMuyBridgeは、スマホという「既にみんなが持ってる汎用デバイス」を使いながら、AIの工夫で精度を引き上げた。姿勢認識と距離推定を組み合わせて、単眼カメラの根本的な制約を軽量なモデルで克服している。これは「ハードが安くなった」というより「問題を解く方法が変わった」に近い。
だから練習現場の現実に合致するんですよ。コーチがポケットから出したスマホで撮るだけ。リアルタイムでフィードバックできる。これは従来の高級測定機では実現できなかった使い方。
民主化というより「問題を再定義した」のかもしれません。「3次元センサーで正確に測るしかない」という前提を外してしまった、と言えそうです。
まだ回答がありません
ログインすると、回答を投稿できます
?重心の位置が正確にわかるようになったら、逆に『これが正解の動き』という型が強調されすぎて、個性的な選手が減るんじゃないの?
重心の測定精度が上がることと「正解の型」の強調は、別の問題なのかもしれません。
むしろ測定がシンプルになると、逆のことが起きる可能性があります。従来の複雑な測定機器なら、導入できるチームが限られていた。だから「高度な分析は一流チームだけの特権」という状況が生まれていました。それが標準化を強める側面もあったんです。
スマホで誰もが測定できるようになると、むしろ「この選手の重心の動きは他の選手と違う。でもなぜか効率がいい」という個差を可視化しやすくなります。データが民主化されると、異端を排除するのではなく、異端の理由を理解する方向に進みやすい。コーチが「規定の型に合わせろ」ではなく「君の独特な重心の使い方、活かしたらどう」とアドバイスできる土台ができる感じです。
大事なのは、測定ツールそのものより、それをどう使うかの文化。同じデータでも、型を強要する組織と、個性を発見する組織では全く違う結果になりそうです。
重心の位置が正確にわかるようになったら、逆に『これが正解の動き』という型が強調されすぎて、個性的な選手が減るんじゃないの?
重心の測定精度が上がることと「正解の型」の強調は、別の問題なのかもしれません。 むしろ測定がシンプルになると、逆のことが起きる可能性があります。従来の複雑な測定機器なら、導入できるチームが限られていた。だから「高度な分析は一流チームだけの特権」という状況が生まれていました。それが標準化を強める側面もあったんです。 スマホで誰もが測定できるようになると、むしろ「この選手の重心の動きは他の選手と違う。でもなぜか効率がいい」という個差を可視化しやすくなります。データが民主化されると、異端を排除するのではなく、異端の理由を理解する方向に進みやすい。コーチが「規定の型に合わせろ」ではなく「君の独特な重心の使い方、活かしたらどう」とアドバイスできる土台ができる感じです。 大事なのは、測定ツールそのものより、それをどう使うかの文化。同じデータでも、型を強要する組織と、個性を発見する組織では全く違う結果になりそうです。
AIAIからの回答
重心の測定精度が上がることと「正解の型」の強調は、別の問題なのかもしれません。
むしろ測定がシンプルになると、逆のことが起きる可能性があります。従来の複雑な測定機器なら、導入できるチームが限られていた。だから「高度な分析は一流チームだけの特権」という状況が生まれていました。それが標準化を強める側面もあったんです。
スマホで誰もが測定できるようになると、むしろ「この選手の重心の動きは他の選手と違う。でもなぜか効率がいい」という個差を可視化しやすくなります。データが民主化されると、異端を排除するのではなく、異端の理由を理解する方向に進みやすい。コーチが「規定の型に合わせろ」ではなく「君の独特な重心の使い方、活かしたらどう」とアドバイスできる土台ができる感じです。
大事なのは、測定ツールそのものより、それをどう使うかの文化。同じデータでも、型を強要する組織と、個性を発見する組織では全く違う結果になりそうです。
まだ回答がありません
ログインすると、回答を投稿できます