Volleyは、ポーズ推定、ボール検出、コート分類にUltralytics YOLOモデルを使用し、4種類のスポーツで応答性の高いリアルタイムコーチングを実現しました。また、このシステムを約250台のトレーナーに導入しています。
リアルタイムのラケットスポーツトレーニングには、さまざまな要素が関わります。実際のコートでは、選手は素早く動き、ボールは高速で飛び、同じ機器を複数のスポーツやコートタイプで使わなければならないこともよくあります。
従来のボールマシンは、こうした状況を理解せず、タイマーに従ってボールを出すだけです。選手の立ち位置や動き、どのコートにいるかも把握できないため、適切で応答性が高く、選手に合わせたコーチングを実現するのは困難です。
Volleyは、AI搭載トレーナーでこうした課題の解決を支援します。プログラム可能なコート設置型マシンは、コンピュータービジョンを使ってコートをリアルタイムに認識し、状況を理解します。たとえば、Ultralytics YOLOモデルを選手のポーズ推定、ボール検出、コート分類に使用することで、選手の動きや打球に応じてトレーナーが柔軟に反応できます。
AIでラケットスポーツの未来を築く#
ペンシルベニア州ランカスターを拠点とするVolleyは、ラケットスポーツ向けのAI搭載評価・トレーニングシステムを開発しています。同社は、ゴルフのように魅力的でデータに基づくトレーニング・評価システムをラケットスポーツにも導入できないか、というシンプルな問いから設立されました。ゴルフにはシミュレーター、リアルタイムフィードバック、客観的な進捗管理がありましたが、ラケットスポーツには同等のものも、客観的な評価基準も、データに基づく成長の道筋もありませんでした。
この隔たりを埋めるため、Volleyは世界初のAI対応ラケットスポーツ評価・レーティングシステムを構築しました。現在、Volleyは米国各地のクラブで利用されており、選手やクラブに、これまで不足していた客観的なデータを提供しています。各ユニットはすべて米国内で設計、製造、テスト、出荷されています。
図1. VolleyのAI搭載トレーナー
Volleyのトレーナーは、ピックルボール、パデル、プラットフォームテニス、テニスに対応しています。コンパクトで持ち運びやすいため、同じマシンをどのコートにも移動でき、選手やコーチは一日を通してコート間を移動させられます。
リアルタイムのコート上インテリジェンスの不足#
インタラクティブなトレーニングには精度と速度の両方が求められますが、実際のコート環境ではそれが困難です。選手とカメラの距離はさまざまで、ボールは高速で移動し、スポーツによってサイズも異なります。また、同じトレーナーが、あるときはテニスコートで、次の瞬間にはプラットフォームテニスコートで使われることもあります。
トレーナーの前に人がいると認識するだけでは不十分です。選手がコート上のどこにいるかを正確に把握する必要があり、そのためには手の位置、特に足の位置を正確に特定する必要があります。距離があるとこれは特に難しくなり、追跡が不正確では、トレーニングを実際のプレーのように感じさせる応答性が損なわれます。
安全性も考慮すべき要素です。同じマシンを複数のスポーツで使うため、トレーナーが誤ってテニス設定のままプラットフォームテニスコートに置かれると、時速80マイルのボールを選手に発射する可能性があります。これはその競技で通常プレーされる速度を大幅に上回り、選手が不意を突かれるほどの速さです。このような設定の不一致を防ぐには、システムが周囲の環境を十分に理解する必要があります。
さらに、処理はすべてリアルタイムで行わなければなりません。Volleyは映像をクラウドに送信せず、オンボードカメラを備えたNVIDIA Jetsonシステム上で撮影・処理するため、選手がトレーナーとやり取りする間、コンパクトな組み込みハードウェア上で検出をリアルタイムに実行する必要があります。
Ultralytics YOLOモデルでリアルタイムコーチングを実現#
Volleyのシステムの中核となるのは、物体検出、ポーズ推定、画像分類などの主要なコンピュータービジョンタスクに対応するUltralytics YOLOモデルを基盤としたビジョンAIパイプラインです。
Volleyがコーチング体験全体でモデルを活用する方法は、次の3つです。
- 選手とその位置の検出：選手の位置や動きの把握には、YOLOのポーズ推定機能を活用しています。Volleyは、コート上の選手を競技固有のポーズで捉える状況に合わせて、モデルをカスタムトレーニングしました。手足の位置を正確に把握することが重要なため、システムは2段階の手法を採用しています。まず物体検出で各選手を正確に切り出し、その後、切り出した領域に対してポーズ推定を実行します。一度にコートにいる選手は数人で、数百人の群衆ではないため、この方法が効果的です。
- ボールの検出：プレー中のボールを特定するため、YOLOの物体検出機能を活用しています。Volleyは対応する各スポーツで使用される多様なボールを、それぞれのサイズや特徴に応じて認識できるようにトレーニングしました。
- コートの識別：トレーナーがどのコートにいるかの認識には、YOLOの画像分類機能を活用しています。たとえば、トレーナーがテニス用に設定されていてもプラットフォームテニスコートに移動された場合、システムがコートの種類を識別して適切に設定を調整するため、安全性と利便性の両方が向上します。
検出、ポーズ推定、分類を組み合わせることで、選手がプレーする際にトレーナーがリアルタイムで応答するために必要な状況認識を実現します。現在、Volleyは本番環境でこのパイプラインをUltralytics YOLO11上で実行しています。
図2. VolleyのAI駆動型トレーナーの動作例
Ultralytics YOLOモデルを選ぶ理由#
Ultralytics YOLOモデルは、動きの速いコートでリアルタイムコーチングに必要な速度と精度をVolleyに提供しながら、各トレーナーに搭載されたコンパクトな組み込みハードウェア上でも余裕を持って動作します。同じ効率性はクラウドにも引き継がれ、まったく同じモデルとパイプラインを実行できるため、一方の環境で加えた改善をもう一方にも適用できます。
この性能によって、さらなる拡張の余地も生まれました。ハードウェアをより有効に活用することで、Volleyは余力を確保し、それをカメラのアップグレードに充てています。基盤となるパイプラインを変更することなく、コート上で選手がより優れた体験を得られるようになります。
これらのモデルを容易にトレーニングし、改善できることも同様に重要です。Volleyは画像を手作業でアノテーションするのではなく、コート上のセッションを録画し、捉える必要がある状況を集めた大規模なクリップライブラリを構築しています。
次に、その映像をトレーナー上でリアルタイム実行するには重すぎる、高性能で低速なポーズ推定モデルに入力し、データを自動ラベリングします。そして、その知識をより高速で軽量なYOLOモデルに引き継ぐことで、コート上でリアルタイムに動作させながら、より大規模なモデルの知識を学習できます。
Ultralytics YOLOで4種類のスポーツにコーチングを展開するVolley#
Ultralytics YOLOモデルを基盤に構築した成果は、Volleyが応答性の高いコーチングをどれほど広く提供できるかに表れています。このシステムは、トレーナーとカメラを合わせて約250台に導入されています。各ユニットはオンボードハードウェア上で映像をリアルタイムに撮影・処理します。
1台のトレーナーで、テニス、パデル、プラットフォームテニス、ピックルボールに対応できます。同じマシンを一日を通してコート間で移動でき、YOLOの画像分類機能により、どのコートに設置されても適切に動作します。
図3. Volleyはラケットスポーツ全般で、リアルタイムの選手・ボール追跡にUltralytics YOLOを使用しています。
このリアルタイムの状況認識は、選手が実際に体験する機能を支えています。20分間のセッション中、VolleyのAIは選手のストローク、動き、ショット選択を評価します。その後、客観的なVolley Skill Ratingと、プレーを一打ごとに分析したレポートを作成します。
同じパイプラインは、選手のトレーニング方法も変革します。トレーナーは選手のコート上の位置に応じてボールを出すため、選手は「サーブ＋1」のようなフットワークやパターンを完全にハンズフリーで練習できます。
ラケットスポーツの次世代をエンジニアリングする#
Volleyは事業の拡大に伴い、ゴルフを変革したシステムのように、ラケットスポーツのトレーニングを測定可能でデータに基づくものにすることに注力しています。リアルタイムのコンピュータービジョンと客観的なスキル評価を組み合わせ、クラブがコートを運営するだけでなく、選手の育成にも積極的に取り組めるよう支援しています。
Ultralytics YOLOモデルは、引き続きこの取り組みを支えています。Volleyは現在、本番用パイプラインでUltralytics YOLO11を実行しており、次世代のリアルタイムビジョンモデルであるUltralytics YOLO26の検討もすでに始めています。応答性に優れ、豊富なデータを活用したコーチングを、より多くの選手やクラブに届けようとしています。
ビジョンAIに関心がありますか？プロジェクトにコンピュータービジョンを導入するためのライセンスオプションをご覧ください。GitHubリポジトリを訪れ、コミュニティに参加しましょう。ソリューションページでロボティクスにおけるAIと物流におけるコンピュータービジョンをご覧ください。
