Tengo una confesión que hacer, querido lector. Realmente no sigo el fútbol muy de cerca. Solo estoy vagamente consciente de que hay un gran torneo en este momento. Pero está bien, porque Disney Research y el Instituto de Tecnología de California están construyendo una IA que sigue al fútbol, ​​y también a otros deportes..

Específicamente, es un sistema de cámara automatizado que está aprendiendo la mejor manera de filmar partidos al observar cómo se comportan los operadores humanos de la cámara en determinados momentos. Las primeras pruebas muestran que sus disparos son mucho más suaves que otras cámaras automatizadas.

El seguimiento óptico en este momento no es lo suficientemente bueno como para seguir de manera confiable una pelota en un campo, por lo que los sistemas de cámara automatizados intentan predecir el flujo de un juego al detectar las posiciones de los jugadores. Ese sistema no es perfecto, lo que da como resultado una imagen temblorosa y espasmódica, especialmente cuando adivina cómo se desarrollará una situación.

Los camarógrafos humanos, por otro lado, son mucho mejores para adivinar lo que va a suceder, habiendo visto muchas situaciones similares en el pasado. Así que los investigadores desarrollaron algoritmos de aprendizaje automático que comparan los movimientos realizados por una cámara robot con los realizados por humanos, analizando dónde se desvían los dos y aprendiendo de esas diferencias..

Suave y resuelta

"Tener un buen funcionamiento de la cámara es fundamental para crear una transmisión deportiva agradable", dijo Peter Carr, un ingeniero de investigación sénior del proyecto y coautor de un artículo que lo describe. "El encuadre no tiene que ser perfecto, pero el movimiento tiene que ser suave y resuelto".

Hubo momentos en que los robots hicieron un mejor trabajo que los humanos. En una rápida pausa en un juego de baloncesto, el operador de cámara humana movió su lente en anticipación a una clavada, mientras que la computadora miró las posiciones de los jugadores y predijo un pase. La computadora resultó ser correcta.

De hecho, el sistema era un poco mejor en el baloncesto que en el fútbol en general. Carr dijo que esto se debe a que los jugadores de fútbol tienden a mantener su formación y, por lo tanto, sus movimientos brindan menos información sobre dónde debería mirar la cámara..

"Esta investigación demuestra un avance significativo en el uso del aprendizaje por imitación para mejorar la planificación y el control de la cámara durante las condiciones del juego", dijo Jessica Hodgins, vicepresidenta de Disney Research. "Este es el tipo de progreso que necesitamos para realizar el enorme potencial de las transmisiones automáticas de deportes y otros eventos en vivo".

  • Tus wearables pronto podrían recordar a todos los que conoces
  • Duncan Geere es el escritor científico de TechRadar. Todos los días encuentra las noticias científicas más interesantes y explica por qué debería importarte. Puedes leer más de sus historias aquí, y puedes encontrarlo en Twitter bajo el mando @duncangeere.