We gebruiken VR om de volgende generatie basketbalsterren te vinden

We gebruiken VR om de volgende generatie basketbalsterren te vinden

blanco

Golden State Warriors point guard Steph Curry is een van ’s werelds beste basketballers en ongetwijfeld de grootste schutter aller tijden. De video hieronder lijkt misschien in een lus te staan, maar het is eigenlijk Curry die 105 driepunters achter elkaar schiet – dat zijn vijf minuten van dezelfde precieze en uiterst vaardige actie, zonder één enkele misser:

Curry is 6’2″. In de echte wereld is hij groot, snel en sterk, maar in de NBA, waar spelers gemiddeld 198 cm lang zijn, is hij aan de kleine kant. Veel eerdere basketbalsupersterren werden eerst gescout als freakishly lange tieners, maar zijn spel berust juist op slimme bewegingen, soepel dribbelen en dat beroemde raak schieten. Dus hoe identificeer je zulke eigenschappen om de volgende Steph Curry te spotten?

Talentidentificatie en -ontwikkeling is een van de belangrijkste uitdagingen voor veel topsporten. Om het spel voor te blijven, schakelen coaches over van subjectieve naar objectieve methoden en gebruiken ze steeds geavanceerdere processen, waaronder virtual reality (VR). VR-systemen kunnen de sterke en zwakke punten van atleten opsporen en in kaart brengen met betrekking tot verschillende prestatiedeterminanten, waaronder het soort “perceptueel-motorische” vaardigheden waarin iemand als Curry zou uitblinken.

In mijn academisch onderzoek gebruik ik digitale technologieën als deze om sportprestaties uit de echte wereld na te bootsen. Zo heb ik onlangs motion capture gebruikt om beslissingen over buitenspel in het voetbal te beoordelen en ik toonde aan dat mensen het moment van buitenspel gemiddeld later beoordelen dan het werkelijke moment.

Mijn laatste onderzoek kijkt naar basketbalwerpen. Ik vroeg 22 spelers met verschillende niveaus van expertise, van beginner tot professional, om op natuurlijke wijze een basketbal te gooien in een simulator ontwikkeld door Antoine Morice en collega’s van het Instituut voor Bewegingswetenschappen van de Universiteit van Aix-Marseille.

We plaatsten elektronica in de bal en markers op het lichaam van de spelers om hun bewegingen tijdens het gooien in de simulator te volgen. De spelers droegen een stereoscopische bril en keken naar een virtuele tweeling van een echt basketbalveld op een enorm scherm. De virtuele scène werd voortdurend bijgewerkt met het gezichtspunt van de spelers om hen het gevoel te geven dat ze in het spel zaten.

Ervaring telt – zelfs in simulators

Ervaren spelers hadden meer succes in de simulator dan beginnende spelers, net zoals je zou verwachten op de echte baan. Zowel ervaren als beginnende spelers vonden het moeilijker om te scoren wanneer de virtuele afstand werd vergroot, maar de meer ervaren spelers waren beter in staat om hun werpbeweging aan te passen op basis van visuele informatie die suggereerde dat de korf verder weg was.

Mannelijke spelers gooiden de bal ook onder een lagere hoek naar de basket dan vrouwelijke spelers, zelfs na correctie voor hun lengte.

Tenslotte schakelden spelers over van een “vrije worp” stijl op korte afstanden – waarbij beide voeten op de grond blijven als de bal wordt gegooid – naar jump-shots verder van de basket, en hun bewegingspatronen verschilden tussen expert en beginnende spelers.

Waarschijnlijk het belangrijkste kenmerk van sportsimulatoren is de manier waarop zij visuele informatie kunnen manipuleren, zoals waar de vloermarkeringen zijn of hoe ver de speler van de basket is. Deze manipulaties zijn vaak moeilijk na te bootsen in de echte wereld.

In ons onderzoek hielden we de vloermarkering constant, maar veranderden we de afstand tot de basket. We stelden vast dat ervaren spelers deze informatie konden gebruiken om hun worp aan te passen.

Deze aanpassingen waren ook zichtbaar in de bewegingen van de spelers. Ervaren spelers gebruikten bijvoorbeeld meer vrije worpen, die de stabiliteit bij het loslaten van de bal vergroten en daardoor tot meer succesvolle schoten leiden.

Onderzoekers op dit gebied hebben het over “getrouwheid”, het vermogen van VR-simulatoren om sportprestaties uit de echte wereld na te bootsen. Betrouwbaarheid is bijzonder moeilijk te bereiken als het gaat om het simuleren van fijne en vaardige acties zoals vrije worpen bij basketbal.

Als de simulator gebruikt gaat worden voor training, moeten coaches realistisch gedrag uitlokken bij alle spelers, en dat betekent visuele aanwijzingen geven voor zaken als de afstand tot de basket, zodat spelers hun bewegingen kunnen aanpassen.

Het manipuleren van zaken als de afstand tot de basket kan helpen bij het identificeren van een toekomstige sterspeler, aangezien talent niet alleen te maken heeft met fysieke kenmerken, maar ook met de manier waarop een speler zich kan aanpassen aan verschillende situaties.

Als Curry of iemand met vergelijkbaar talent voor het eerst een basketbal zou gooien in de VR-simulatie, zouden we kunnen verwachten dat hij niet alleen goed scoort qua lichaamshouding enzovoort, maar zich ook kan aanpassen aan het soort veranderende omstandigheden die zich voortdurend voordoen in competitieve wedstrijden.

En dit is een van de belangrijkste voordelen van een VR-simulatie: we kunnen beoordelen hoe spelers zich aanpassen aan een verandering in één specifieke omstandigheid terwijl al het andere hetzelfde blijft.

In de clip hierboven komt Curry in balbezit diep in zijn eigen helft. Er is geen tijd om te dribbelen of te passen, want er is nog maar één seconde over voor de rust. Hij schiet onmiddellijk, en scoort.

Ja, de beste spelers hebben een herhaalbare en bijna foutloze techniek, zoals Curry in de eerste clip liet zien. Maar ze kunnen ook reageren op veranderende omstandigheden – in dit geval een noodzaak om plotseling van extreme afstand te schieten – en VR kan worden gebruikt om beide vaardigheden te identificeren.

Dit werk werd ondersteund door de “Investissements d'avenir”, een programma van de Franse regering onder subsidienummer ANR-11-IDEX-0001-02; Carnot Institute “STAR” onder subsidie Cybershoot (2017); Défi Instrumentation aux Limites programma van het CNRS onder subsidie Virtushoot (2017); en de Digital Economy Next Stage CAMERA 2.0 (EP/T022523/1). Pooya Soltani ontving ook financiering van Collège de France (PAUSE-programma 2018).

Mobiele versie afsluiten