Deep Learning for Sports Workload/Fatigue Prediction and Trajectory Imputation
연구 내용
GPS 기반 이동 데이터와 주관적 피로 측정 정보를 활용해 선수 피로도를 추정하고, 다중 에이전트 궤적의 결측을 복원하는 딥러닝 연구
스포츠 경기에서 선수의 외부 부하와 내부 반응을 연결하기 위해 GPS 센서 기반 이동 시퀀스를 전처리하고, 속도·가속도·저크 등 파생 특징을 입력으로 사용하는 딥러닝 모델을 구성합니다. 또한 집계 특성 대신 순차 정보를 보존하도록 설계하여 피로도 지표를 예측하고, 예측 근거가 되는 시간 구간을 해석 도구로 국소화합니다. 결측이 존재하는 다중 에이전트 환경에서는 유도항을 누적하는 self-ensemble 기반 방식으로 궤적을 보정하여 분석 가능한 연속 신호를 확보하는 방향으로 연구를 수행합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 GPS EPTS 데이터에서 전처리한 이동 특징을 기반으로 Rate of Perceived Exertion을 예측하는 프레임을 구축하여, 수동 수집 부담을 줄이는 자동 피로 모니터링 가능성을 검토했습니다. 이후에는 단일 트랙 기반 분석을 확장해 다중 에이전트 환경에서 결측이 발생하는 실제 조건을 반영하고, 결측 궤적을 복원해 후속 분석에 사용할 수 있는 연속 데이터를 만드는 방향으로 연구 범위를 넓혔습니다. 최근에는 예측 성능과 해석 가능성을 함께 고려하는 모델링을 병행하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
A Deep Learning Approach for Fatigue Prediction in Sports Using GPS Data and Rate of Perceived Exertion
Trajectory Imputation in Multi-agent Sports with Derivative-Accumulating Self-ensemble