La IA podría ayudar a evitar lesiones a los deportistas
Investigadores de la Universidad de California en San Diego han creado un modelo impulsado por IA generativa que ayudará a prevenir lesiones en atletas y también ayudará en la rehabilitación después de una lesión. El modelo también podría ayudar a los atletas a entrenar mejor.
Los movimientos adecuados mejoran la movilidad, la coordinación y la activación muscular, que son cruciales para rendimiento, prevención de lesiones y estado físico general. Sin embargo, las herramientas de simulación tradicionales se basan en en supuestos de modelado sólidos, son difíciles de configurar y computacionalmente costosos.Ppor otro lado, los enfoques de IA generativa brindan alternativas eficientes a la generación de movimiento. Pero a menudo carecen de relevancia fisiológica y no incorporan restricciones biomecánicas, lo que limita sus aplicaciones prácticas en ciencias del deporte y el ejercicio.
Para abordar estas limitaciones, los investigadores han propuesto un marco novedoso, BIGE, que combina métricas de puntuación biomecánicamente significativas con modelos generativos:
-
BIGE integra un modelo sustituto diferenciable para la activación muscular para revertir la optimización del espacio latente del modelo generativo
-
Permite la recuperación de movimientos fisiológicamente válidos a través de la búsqueda dirigida.
-
A través de extensos experimentos con datos de ejercicios en cuclillas, nuestro marco demuestra un rendimiento superior en la generación de movimientos diversos y físicamente plausibles, al tiempo que mantiene una alta fidelidad a los objetivos definidos por el médico en comparación con los enfoques existentes.
El modelo, BIGE (GenAI for Exercise Science), se entrenó con movimientos de atletas junto con información sobre las limitaciones biomecánicas del cuerpo humano, como la cantidad de fuerza que puede desarrollar un músculo.
El modelo puede generar videos de movimientos que los atletas pueden imitar para evitar lesiones cuando entrenan.
También puede generar movimientos que los atletas pueden ejecutar para seguir haciendo ejercicio cuando se lesionan.
Se puede utilizar para generar los mejores movimientos que los atletas pueden ejecutar durante el ejercicio para evitar lesiones y mejorar el rendimiento, o los mejores movimientos para los atletas que necesitan rehabilitación después de una lesión.
"Este enfoque va a ser el futuro", predice Andrew McCulloch, profesor distinguido en el Departamento de Bioingeniería Shu Chien-Gene Lay de la Universidad de California en San Diego y uno de los autores principales del artículo.
BIGE es un marco para que los modelos generativos se adhieran a las restricciones definidas por los médicos.
Para generar un movimiento realista, nuestro método utiliza un modelo sustituto biomecánicamente informado para guiar el proceso de generación.
Según el conocimiento de los investigadores, BIGE es el único modelo que reúne IA generativa y biomecánica realista. La mayoría de los modelos generativos de IA encargados de generar movimientos como las sentadillas producen resultados que no son consistentes con las restricciones anatómicas y mecánicas que limitan los movimientos humanos reales. Mientras tanto, los métodos que no dependen de la IA generativa para generar estos movimientos requieren una cantidad prohibitiva de computación.
Para entrenar el modelo, los investigadores utilizaron datos de videos de captura de movimiento de personas que realizan sentadillas. Luego tradujeron los movimientos en modelos esqueléticos 3D y utilizaron las fuerzas computarizadas para generar movimientos más realistas físicamente.
Los próximos pasos incluyen el uso del modelo para movimientos más allá de las sentadillas y la personalización de los modelos para individuos específicos.
"Esta metodología podría ser utilizada por cualquiera", dijo Rose Yu, profesora del Departamento de Ciencias de la Computación e Ingeniería de UC San Diego y también una de las autoras principales del artículo.
Por ejemplo, el modelo podría usarse para determinar los riesgos de caídas en los ancianos.
El equipo de investigación presentó recientemente su trabajo en la Conferencia de Aprendizaje para Dinámica y Control en la Universidad de Michigan, en Ann Arbor, Michigan.
Fuentes
BIGE : GenAI para Ciencias del Ejercicio basado en Biomecha7nics
Shubh Maheshwari, Anwesh Mohanty, Yadi Cao, Rose Yu y el Departamento de Ciencias de la Computación e Ingeniería de UC San Diego.
Swithin Razu y Andrew McCulloch, Departamento de Bioingeniería Shu Chien-Gene Lay de UC San Diego.
