En utilisant les modèles Ultralytics YOLO pour l’estimation de pose, la détection de balle et la classification des terrains, Volley a pu proposer un entraînement réactif en temps réel dans quatre sports et a déployé le système auprès d’environ 250 entraîneurs.
L’entraînement en temps réel aux sports de raquette fait intervenir de nombreux éléments mobiles. Sur un terrain, les joueurs se déplacent rapidement, les balles filent à grande vitesse et le même équipement doit souvent fonctionner pour différents sports et types de terrains.
Les lance-balles classiques se contentent d’envoyer les balles selon une minuterie, sans tenir compte de ces éléments. Ils ne savent pas où se trouve un joueur, comment il se déplace, ni même sur quel terrain il joue. Il est donc difficile de proposer un entraînement fluide, réactif et adapté au joueur.
Volley relève ces défis grâce à un entraîneur alimenté par l’IA. Sa machine programmable installée sur le terrain utilise la vision par ordinateur pour voir et comprendre le terrain en temps réel. Par exemple, les modèles Ultralytics YOLO servent à estimer la pose des joueurs, à détecter les balles et à classifier les terrains, ce qui permet à l’entraîneur d’interagir de manière réactive avec les joueurs pendant leurs déplacements et leurs frappes.
Façonner l’avenir des sports de raquette grâce à l’IA#
Basée à Lancaster, en Pennsylvanie, Volley conçoit des systèmes d’évaluation et d’entraînement des sports de raquette alimentés par l’IA. L’entreprise est née d’une question simple : et si les sports de raquette disposaient d’un système d’entraînement et de classement aussi captivant et fondé sur les données que le golf ? Alors que le golf proposait des simulateurs, des retours en temps réel et un suivi objectif des progrès, les sports de raquette ne disposaient d’aucun équivalent, d’aucun classement objectif ni d’aucun parcours de développement fondé sur les données.
Pour combler cette lacune, Volley a créé le premier système d’évaluation et de classement des sports de raquette reposant sur l’IA. Aujourd’hui, Volley est utilisé dans des clubs partout aux États-Unis, fournissant aux joueurs et aux clubs les données objectives qui leur manquaient. Chaque unité est conçue, fabriquée, testée et expédiée aux États-Unis.
Fig. 1. Aperçu de l’entraîneur de Volley alimenté par l’IA
L’entraîneur Volley fonctionne pour le pickleball, le padel, le platform tennis et le tennis. Compact et portable, il peut être déplacé sur n’importe quel terrain, et les joueurs comme les professionnels peuvent le déplacer d’un terrain à l’autre tout au long de la journée.
Le manque d’informations en temps réel sur le terrain#
Un entraînement interactif exige à la fois de la précision et de la rapidité, mais les conditions réelles des terrains compliquent la tâche. Les joueurs apparaissent à des distances variables de la caméra, les balles se déplacent rapidement et leur taille varie selon le sport, et le même entraîneur peut être utilisé sur un court de tennis à un moment, puis sur un terrain de platform tennis l’instant d’après.
Savoir qu’une personne se trouve devant l’entraîneur ne suffit pas. Le système doit connaître précisément la position des joueurs sur le terrain, ce qui dépend de la localisation exacte de leurs mains et, surtout, de leurs pieds. À distance, cette tâche devient particulièrement difficile, et un suivi imprécis compromet la réactivité qui donne à l’entraînement l’impression d’un vrai jeu.
La sécurité est un autre facteur à prendre en compte. Comme la même machine passe d’un sport à l’autre, un entraîneur laissé par erreur en mode tennis pourrait envoyer une balle à 80 miles à l’heure vers un joueur sur un terrain de platform tennis. Cette vitesse est bien supérieure à celle pratiquée dans ce jeu et suffisamment élevée pour prendre le joueur au dépourvu. Le système doit comprendre suffisamment bien son environnement pour éviter ce type d’inadéquation.
À cela s’ajoute la nécessité d’effectuer le traitement en direct. Volley capture et traite les vidéos sur un système NVIDIA Jetson équipé d’une caméra intégrée, sans envoyer les séquences dans le cloud. La détection doit donc fonctionner en temps réel sur du matériel compact et embarqué pendant que les joueurs interagissent avec l’entraîneur.
Utiliser les modèles Ultralytics YOLO pour alimenter l’entraînement en temps réel#
Au cœur du système de Volley se trouve un pipeline d’IA visuelle reposant sur les modèles Ultralytics YOLO, qui prennent en charge des tâches clés de vision par ordinateur comme la détection d’objets, l’estimation de pose et la classification d’images.
Voici les trois façons dont Volley les met à profit dans son expérience d’entraînement :
- Détection des joueurs et de leur position : Les capacités d’estimation de pose de YOLO permettent de comprendre où se trouvent les joueurs et comment ils se déplacent. Volley a personnalisé l’entraînement du modèle pour le contexte précis des joueurs sur un terrain et des poses propres à chaque sport. Comme la position précise des mains et des pieds est essentielle, le système utilise une approche en deux étapes. Il détecte d’abord les objets pour recadrer soigneusement chaque joueur, puis effectue l’estimation de pose sur cette région recadrée. Cette méthode fonctionne bien, car seuls quelques joueurs se trouvent sur le terrain à la fois, contrairement aux foules de plusieurs centaines de personnes.
- Détection de la balle : La prise en charge de la détection d’objets par YOLO permet de localiser la balle en jeu. Volley a entraîné le modèle à reconnaître toute la gamme de balles utilisées dans les sports pris en charge, chacune ayant sa propre taille et ses propres caractéristiques.
- Identification du terrain : Les capacités de classification d’images de YOLO permettent de reconnaître le type de terrain où se trouve l’entraîneur. Ainsi, même si l’entraîneur est réglé pour le tennis mais déplacé sur un terrain de platform tennis, le système identifie le type de terrain et s’adapte en conséquence, ce qui améliore à la fois la sécurité et la facilité d’utilisation.
Cette combinaison de détection, d’estimation de pose et de classification donne à l’entraîneur les informations en temps réel dont il a besoin pour réagir aux joueurs pendant le jeu. Actuellement, Volley exécute ce pipeline en production avec Ultralytics YOLO11.
Fig. 2. Exemple de l’entraîneur de Volley piloté par l’IA en action
Pourquoi choisir les modèles Ultralytics YOLO ?#
Les modèles Ultralytics YOLO donnent à Volley la rapidité et la précision nécessaires pour proposer un entraînement en temps réel sur des terrains où tout va vite, tout en fonctionnant aisément sur le matériel compact et embarqué installé sur chaque entraîneur. Cette même efficacité s’étend au cloud, où Volley peut exécuter exactement le même modèle et le même pipeline. Les améliorations apportées dans un environnement s’appliquent ainsi à l’autre.
Ces performances ouvrent également de nouvelles possibilités. En utilisant mieux son matériel, Volley a dégagé une marge de capacité qu’elle consacre maintenant à des caméras améliorées, offrant aux joueurs une expérience encore meilleure sur le terrain, sans modifier le pipeline sous-jacent.
La facilité avec laquelle Volley peut entraîner et affiner ces modèles est tout aussi importante. Au lieu d’annoter les images à la main, Volley enregistre les séances sur le terrain et constitue une grande bibliothèque de séquences correspondant précisément aux situations à capturer.
Volley traite ensuite ces séquences avec des modèles de pose haut de gamme, plus lents et beaucoup trop lourds pour fonctionner en temps réel sur l’entraîneur, afin d’étiqueter automatiquement les données. Ces connaissances sont ensuite transférées aux modèles YOLO plus rapides et agiles, qui apprennent ainsi à partir de modèles beaucoup plus lourds tout en continuant à fonctionner en direct.
Volley déploie l’entraînement dans quatre sports grâce à Ultralytics YOLO#
L’impact de l’utilisation des modèles Ultralytics YOLO se mesure à l’ampleur du déploiement de l’entraînement réactif proposé par Volley. Le système a été déployé sur environ 250 entraîneurs et caméras au total. Chacun capture et traite la vidéo en direct sur son matériel embarqué.
Un seul entraîneur fonctionne pour le tennis, le padel, le platform tennis et le pickleball. La même machine peut passer d’un terrain à l’autre tout au long de la journée, et les capacités de classification d’images de YOLO lui permettent de fonctionner correctement partout où elle est déplacée.
Fig. 3. Volley utilise Ultralytics YOLO pour suivre en temps réel les joueurs et les balles dans les sports de raquette.
Cette compréhension en temps réel alimente ce que les joueurs voient concrètement. Pendant une séance de 20 minutes, l’IA de Volley évalue les frappes, les déplacements et les choix de coups d’un joueur. Elle produit ensuite une note objective, le Volley Skill Rating, ainsi qu’une analyse détaillée de son jeu coup par coup.
Le même pipeline transforme également la façon dont les joueurs s’entraînent. L’entraîneur envoie les balles en fonction de la position du joueur sur le terrain, ce qui lui permet de travailler son jeu de jambes et des enchaînements comme Serve + 1, entièrement les mains libres.
Concevoir la prochaine génération des sports de raquette#
À mesure que Volley se développe, l’entreprise s’attache à rendre l’entraînement aux sports de raquette aussi mesurable et fondé sur les données que les systèmes qui ont transformé le golf. En associant la vision par ordinateur en temps réel à des évaluations objectives des compétences, elle aide les clubs à passer de la simple gestion des terrains au développement actif des joueurs.
Les modèles Ultralytics YOLO continuent de faire avancer ce travail. Volley exécute aujourd’hui son pipeline de production avec Ultralytics YOLO11 et a déjà commencé à explorer Ultralytics YOLO26, la prochaine génération de modèles de vision en temps réel, afin de proposer un entraînement réactif et riche en données à davantage de joueurs et de clubs.
Tu t’intéresses à l’IA visuelle ? Découvre nos options de licence pour intégrer la vision par ordinateur à tes projets. Consulte notre dépôt GitHub et rejoins notre communauté. Explore l’IA en robotique et la vision par ordinateur dans la logistique sur nos pages de solutions.
