在刚结束的2020东京奥运会上，中国运动员88次站上了领奖台，38金、32银、18铜，每一枚奖牌都凝聚了中国运动员的拼搏精神以及沉甸甸的汗水。

4年一次的奥运会（由于疫情影响本届奥运会延期一年举办）承载着无数运动员的梦想，这场国际赛事吸引着全世界的关注，而自东京奥运会开幕以来，人们的吐槽声和质疑声就一直未断。

比如，开幕式的部分表演被网友评价“令人窒息”，奥运村内的“纸床”迫使身材比较魁梧的运动员只能睡在地上，东京奥组委称奖牌是回收金属做的，获奖选手没必要咬……

除了文化理念上的不同，比赛中还有一些引起争议的现象。比如引发了全网热议的体操男子个人全能决赛，日本选手桥本大辉落地出界却拿到了金牌。这个结果被很多人质疑，认为裁判有失公允，甚至有网友将桥本大辉出界的动作回放做成了表情包广为流传。国际体联在巨大的争议声中首次公开了评分细则，随后网友们被动开启了“鹰眼”模式，“监督”裁判在每场比赛中的打分和判罚。

事实上，在125年的奥运史中，为了确保比赛的公平和裁判的权威性，除了专业的裁判团外，还不断有新的技术被引入奥运会中，比如在游泳、跑步等赛事中计时的Omega Timing，在网球、羽毛球等比赛中即时回放的“鹰眼”系统等等。

那么，这届“命途多舛”的东京奥运会上，有哪些高科技藏在赛场背后？AI如何与体育竞技结合？我们把目光聚焦到了赛场之外，看看真正的“科技奥运”是什么样的。

1、赛场外的AI教练

众所周知，乒乓球、跳水、羽毛球、举重、射击等项目一向是我国的优势项目，我国的运动员在这次东京奥运会上也取得了不俗的成绩——00后清华女生杨倩在10米气步枪比赛中夺得奥运首金、32岁的巩立姣拿下田径首金、14岁的全红婵在十米跳台决赛中5跳拿到3个满分打破世界纪录…...

荣耀的背后是运动员数年的艰苦训练，随着现代体育竞争愈发追求高效精准，在本届奥运会中除了我们能看到运动员在镜头前的表现外，幕后的AI技术也为运动员的训练带来了颠覆性的创新。

2019年9月，去跳水队场馆观看了运动员的陆上训练和水上训练后，百度技术团队对如何利用AI技术提升跳水训练效果进行了探索。

“我们利用AI技术让运动员的训练更有迹可循、可以复制，3D+AI还可以突破现有模式，通过采集梦之队的金牌数据提升训练水平，打造冠军模型。”百度的研发工程师表示。

作为中国跳水队的独家AI技术合作伙伴，百度智能云为中国跳水队定制了国内首个“3D+AI”跳水训练系统，通过视频对运动员的动作进行数据分析，将跳水步骤、姿势进行精细的评价和纠正。

“跳水运动是一个超高速的运动，从起跳到入水也就2秒钟时间，还要做高难度的翻腾、转体动作，在这2秒钟时间采集这样的数据是非常困难。而且跳水和足球、篮球、田径项目不同，不适合在运动员的鞋子、衣服上贴传感器芯片或者佩戴设备。因此，为了不给训练造成影响和干扰，我们研发了国内首个3D+AI跳水训练系统。”百度研发工程师解释到。

这套3D+AI跳水训练系统，从运动员踏上跳板就开始录制，入水后停止。这段高速视频会在百度大脑的3D视觉技术和AI算法下形成全过程的三位数值，教练可以通过每一步的动作重建为运动员提供针对性的指导，比如起跳的力度、旋转的角度、入水的技巧等等。

简单来说，3D+AI跳水训练系统有四大核心亮点——看得清、看得准、看得全、看得懂。

基于百度智能云和百度大脑的云边端一体系统，以及训练场馆内部署的高速相机等硬件设备，训练系统可以通过3D视觉感知和AI分析将运动员的训练数据集合成专业知识模型，即时反馈到教练的平板电脑上，有效地帮助队伍制定竞技策略。

因此，3D+AI跳水训练系统能够看清所有复杂动作的细节，真正实现“捕风捉影”，同时支持360度自由视角观看，AI技术的辅助让中国跳水梦之队的训练迈入了智能时代。

同样作为奥运赛场上的“常胜将军”，乒乓球队在“不懂球的胖子”刘国梁的带领下，马龙、樊振东、许昕等中国乒乓球运动员包揽了世界排名前几位。而在乒乓球队的日常训练中，也少不了AI技术的加持。

2020年7月，新松机器人的Pongbot发球机器人进入了国家队训练基地，成为了一名“机器人教练”。

“乒乓球的运动速度非常快，动作的捕捉难度很大，而且每次发球挥拍的角度、力度都不同，球的运动轨迹和落点也都不同，这不是一个机械的重复性动作，如果要机器人来训练需要很多信息的采集和数据分析。”乒乓球运动员李笑说道。

其实，在2018年的人工智能大会上，新松就展示过其第二代乒乓球机器人Pongbot，名称取自“PingPang Robot”的缩写。

2020年7月，中国乒乓球学院与新松机器人联合研发的新一代AI乒乓球多球训练机器人Pongbot诞生，利用机器学习算法，经过大量的数据训练，Pongbot能够对乒乓球的运动轨迹、运动员的动作姿态进行智能分析并模拟真人动作，配合运动员训练。

如今，Pongbot已经从乒乓球学院走进了国家队训练基地。Pongbot与其他乒乓球发球机器人不同，它是第一个手执球拍的发球机器人，动作基本复原了大多数人类球员左手拿球右手挥拍的习惯。

据报道，目前Pongbot不仅能为运动员提供高效精准的训练，还能将训练数据进行排名，全国乒乓球运动员都可以通过手机APP查看实时排名情况。此外，如果带上AR眼镜，还能看到乒乓球的运动轨迹和数据在眼前飞过，体验更加直观。

不难看出，AI在体育中的应用目前大多数是基于计算机视觉识别技术，通过图像信息的采集进行数据分析，经过机器学习不断地训练得到更精准的模型，为运动员的训练和比赛提供帮助。

2、赛事中的AI裁判

除了在各类体育项目的训练中陆续出现AI的身影外，如今在关键的比赛评分环节上，也出现了“AI裁判员”——在越来越追求精确度的体育竞技中，AI已成为赛事监控、分析、裁判的有效工具。

2008年，北京奥运会首次在网球比赛中引入了“鹰眼”技术。这是一种由多个高速、高清摄像头和大屏幕组成的即时回放系统，如果运动员对比赛结果有异议可以通过“鹰眼”回放进行确认。而从1932年就开始为奥运会提供计时服务的OMEGA，就以百分之一秒的精确度确保了计时赛事的公平公正。

随着近几年AI技术的不断迭代与广泛应用，AI也走进了体育赛事中的裁判环节。目前业内已有的AI助理裁判，其主要任务是通过提供独立且完整的、与人类专业裁判一致的评价，不仅为运动员的成绩打分，还会形成运动员独特的个性化训练档案。

那么，这个AI助理裁判员具体是如何“工作”的？

小冰AI评分系统，是全球首个能够基于运动员动作和姿态，独立做出与人类专业裁判员一致且完整评价的AI系统，已经获得了体育总局和国际雪联认可，担任助理裁判。

目前，小冰AI评分系统已成功帮助国家体育总局冬运中心完成冬奥测试赛。

“小冰AI评分系统独创了滑雪运动分析模型，包含了小冰框架内多项全球领先的人工智能视觉分析技术。结合奥运比赛场景的特殊性，如高强光高复杂的背景、运动员空中停留时间极短、竞赛项目场地限制等，小冰AI评分系统可根据运动序列预测做出目标检测和跟踪，实时反馈并协助调整运动姿态，为每个运动员提供专业评分意见。”小冰AI相关负责人说道。

据了解，小冰AI评分系统还能够对选手的身体重心、空中姿态、曲线和落地姿态等数值进行记录，为每个运动员的成绩提供专业评分，包括为何被扣分、如何少扣分等建议。

“小冰团队把普通摄像头架设在裁判的位置，基于大量训练数据进行模型修正，根据运动序列预测，做出针对竞技体育特点的目标跟踪、目标检测和识别，包括骨架识别等。相较而言，传统的骨架模型是识别不出冰雪运动员骨架的，因为冰雪项目运动员穿得非常宽松，而小冰AI竞技体育国际赛事评分系统可以做到。”小冰AI相关负责人说。

除了给出专业的评分意见外，小冰AI评分系统还可以根据运动员历史数据，实现对训练趋势的追溯，提出科学训练专家策略，有效提升国家队训练效率。

值得一提的是，东京奥运会引入了日本富士通开发的AI裁判系统，在体操项目中对运动员的动作打分，这个系统可以通过对运动员身体及周边投射200万处红外线追踪运动员动作。

运动员的动作转换成三维图像后，AI模型会结合数据集中的大量训练数据进行综合分析，判断每个动作是否出现失误以及完成度如何并给出相应的成绩。最终，裁判会结合AI评分系统的评判结果给出最后成绩。

也许，未来随着AI评分系统在各项体育赛事中普及，对运动员的相关数据积累和分析将更精准，那么人们对于比赛结果的争议也会更少。

3、体育+AI还有哪些可能？

竞技体育的魅力在于不断地突破人类的极限。苏炳添用9秒83的成绩让世界看到了中国速度，刷新亚洲纪录，成为了第一位进入奥运百米决赛的黄种人；14岁小将全红婵10米跳台3跳满分，刷新世界纪录上演“水花消失术”……AI的魅力在于不断地打破人类的想象。

1997年5月，IBM“深蓝”超级计算机打败当时的国际象棋世界冠军卡斯帕罗夫，AI的能力震惊世界；2002年，拥有AI避障能力可以自主设计路线的扫地机器人Roomba出现；2015年3月，马云秀出了支付宝刷脸支付技术，让“付钱”变得更智能便捷……

近年来，AI在金融、教育、物流、政务等领域的落地越来越丰富，作为国家重点发展的体育事业自然也不能落后，AI技术在竞技体育中的作用正逐渐显现。具体来看，运动员的辅助训练、赛事的裁判、赛场的监控，甚至观众观看比赛的方式都在发生智能化的转变。

未来，体育+AI还会有更多落地形式出现，不止在专业赛事中，在学校的体育教学、大众的体育锻炼中都会有相应的AI解决方案，给人们带来更高效的体育训练、更精准的比赛裁决、更沉浸式的观赛体验……

体育精神是国家和民族精神的重要支撑，要求我们有信念、有道德、有拼搏精神、有团结意识……随着AI技术的加持，“体育+AI”将成为人类持续突破自我、创造新历史的重要手段，而我们的未来将不止拥有88块奖牌。

（编辑：中国机器视觉网 姜楠）