Sebuah studi UB merancang model baru yang secara akurat memprediksi pergerakan atlet elit untuk menangkap bola dalam penerbangan parabola
Studi ini, divalidasi dalam lingkungan realitas virtual yang mendalam, dapat memiliki aplikasi potensial dalam pelatihan olahraga, sektor dirgantara dan robotika.
Bagaimana pemain tenis seperti Carlos Alcaraz memutuskan di mana harus berlari untuk mengembalikan bola Novak Djokovic hanya dengan melihat posisi awal bola? Perilaku ini, yang sangat umum pada atlet elit, sulit dijelaskan dengan model komputasi saat ini, yang menganggap bahwa para pemain harus terus mengikuti bola dengan mata mereka. Sekarang, para peneliti dari University of Barcelona telah mengembangkan model yang, dengan menggabungkan variabel optik dengan faktor lingkungan seperti gravitasi, secara akurat memprediksi bagaimana seseorang akan bergerak untuk menangkap objek yang bergerak hanya dari pandangan awal. Hasil ini, diterbitkan dalam jurnal Royal Society Open Science dapat memiliki aplikasi potensial di bidang seperti robotika, pelatihan olahraga atau bahkan eksplorasi ruang angkasa.
Makalah ini membahas masalah pemain luar, yang mengacu pada pemain baseball yang berdiri di lapangan untuk menangkap bola setelah dipukul. Ini adalah tantangan klasik dalam fisika dan ilmu saraf gerakan, yang digunakan untuk mengeksplorasi bagaimana manusia dan hewan memprediksi gerakan dalam lingkungan yang dinamis dan bagaimana sistem otomatis dapat dirancang untuk meniru mereka.
Joan López-Moliner, profesor di fakultas psikologi UB dan anggota Institute of Neurosciences (Ubneuro), telah memimpin penelitian dan menegaskan bahwa “dihadapkan dengan masalah ini, model saat ini didasarkan pada pemandu penggerak dengan secara terus-menerus melihat bola, sementara biasanya atlet elit dapat berlari ke arah bola tanpa melihatnya “. “Selain itu, – ia menambahkan – model -model ini tidak memungkinkan prediksi di mana bola akan pergi mengenai pengamat”. Studi awal adalah bagian dari tesis doktoral yang dilakukan oleh Borja Aguado, rekan penulis dan mantan anggota kelompok, yang, setelah tinggal di Darmstadt, sekarang menjadi peneliti di University of Vic.
Model ini mengintegrasikan pengetahuan sebelumnya tentang gravitasi bola dan ukuran fisik ke dalam informasi visual yang diterima secara real time. “Model ini memberikan sinyal langsung yang menunjukkan posisi yang diprediksi jatuh bola dan waktu yang tersisa sampai tiba, mengingat kondisi gravitasi yang berbeda. Hal ini memungkinkan untuk memprediksi dengan tepat bagaimana seorang pemain akan bergerak untuk menangkapnya, dari awal awal dari Penerbangan “, menggambarkan López-Moliner, yang juga mengoordinasikan visi dan kontrol kelompok penelitian tindakan.
Terlepas dari pentingnya gravitasi dalam mengantisipasi lintasan, ini adalah pertama kalinya faktor ini dimasukkan dalam model semacam itu. “Kelalaian ini telah mengabaikan pengaruh substansial yang diberikan gravitasi pada lintasan, yang mencerminkan celah dalam cara model yang ada memperhitungkan konstanta lingkungan”, kata profesor UB.
Selain itu, model sebelumnya tidak dapat menjelaskan mengapa manusia memahami apakah bola berada dalam jangkauan atau tidak untuk memutuskan apakah akan mulai berjalan. “Model kami tidak memperhitungkan hal ini, karena ini menunjukkan di mana objek akan pergi mengenai pemain”, kata peneliti.
Studi ini, divalidasi dalam lingkungan realitas virtual yang mendalam, dapat memiliki aplikasi potensial dalam pelatihan olahraga, sektor dirgantara dan robotika.
Eksperimen dengan realitas virtual
Untuk memvalidasi model, para peneliti melakukan percobaan dalam lingkungan realitas virtual yang mendalam, di mana setiap peserta – mengenakan kacamata dan memegang perangkat realitas virtual di tangan mereka – harus pindah ke posisi di mana mereka berpikir bola virtual akan mendarat. Lingkungan yang terkontrol memungkinkan berbagai kondisi gravitasi dan ukuran bola disimulasikan, menunjukkan bahwa lintasan empiris, pola gerakan dan respons temporal cocok dengan prediksi model. “Model kami secara akurat memprediksi lintasan yang diamati dalam kondisi yang berbeda oleh para peserta. Hasilnya menggarisbawahi pentingnya mengintegrasikan konstanta lingkungan, seperti gravitasi, untuk lebih memahami bagaimana manusia berinteraksi dengan dunia di sekitar kita”, kata peneliti.
Pelatihan virtual untuk atlet dan astronot
Model baru ini dapat menjadi dasar untuk pengembangan berbagai aplikasi praktis di masa depan, misalnya dalam pelatihan olahraga. “Di satu sisi, karena model ini mencakup beberapa komponen – seperti informasi visual atau gravitasi – dapat diterapkan dalam pelatihan atau platform simulasi virtual. Dengan cara ini, tingkat sensitivitas seseorang – seperti atlet elit – ke Komponen yang berbeda dapat dilihat, atau mereka dapat dilatih untuk memproses dan menggunakan informasi yang relevan secara visual untuk mengoptimalkan kinerja “, kata López-Moliner.
Selain itu, fakta bahwa model dapat mempertimbangkan berbagai jenis gravitasi juga dapat memiliki aplikasi di sektor kedirgantaraan. “Model dapat diterapkan di lingkungan dengan gravitasi yang berbeda dan berpotensi memprediksi kinerja seseorang – misalnya, astronot di stasiun ruang angkasa – akan berinteraksi dengan benda bergerak”, kata profesor.
Penelitian dengan jaringan saraf buatan
Para peneliti sudah bekerja pada fase berikutnya: menerapkan model dalam jaringan saraf buatan, sistem komputasi yang meniru fungsi neuron di otak manusia. Tujuan mereka adalah membandingkan kinerja manusia dan jaringan buatan. “Ini akan memungkinkan kita untuk memiliki gagasan yang lebih jelas tentang bagaimana perhitungan diimplementasikan pada tingkat saraf, karena kita sekarang memiliki model pada skala komputasi, tetapi bukan implementasi saraf dalam jaringan saraf buatan. Pengetahuan ini dapat memiliki aplikasi yang jelas dalam Field of Robotics “, menyimpulkan López-Moliner.
Artikel referensi:
Aguado, Borja; López-Moliner, Joan. “Pemain luar prediktif: tes kritis lintas gravitasi”. R. Soc. Buka Sci.Februari 2025. Doi: 10.1098/rsos.241291
