Valutazione dell'affidabilità di un approccio di markerless motion capture basato sull'AI: confronto tra Pose2Sim e Track on Field

Artificial intelligences are developing at an incredible pace, with an ever-expanding range of applications, enabling significantly faster completion of all automatable tasks in many sectors. However, many people, even in the scientific field, still have reservations about the AI-based approach, as the lack of human input can lead to systematically incorrect inaccuracies and approximations, thus resulting in highly inaccurate results. This thesis will analyze a specific AI-based motion tracking approach called "Pose2Sim" and the experimental work conducted in collaboration with the company BBSoF will attempt to highlight any critical issues or differences with the traditional Track-on-Field method. The Pose2Sim procedure was applied to 62 subjects for a total of 70 analyzed tasks: -52 male athletes, rugby players, who performed a hop cut task; -10 female athletes, soccer players, of whom 8 performed both a squat and a change of direction task, while 2 performed only the squat task. Each task was repeated 4 times, 2 for the right limb and 2 for the left, to reduce the data's susceptibility to random errors. The comparison was then performed on the eight change-of-direction tasks, and the parameters used for this purpose were the angles and moments generated at the hip, knee, and ankle joints during acquisition. The results obtained were very positive: the main finding was the significant reduction in data processing time, going from weeks for every ten athletes analyzed with Track on Field to just a few days with Pose2Sim, further reducing the operator's skills required to perform the analysis. The differences between the two data sets are very small, although they are clearly present due to the method used to select the landmarks on the body. Therefore, depending on the precision required for the application, Pose2Sim can be an extremely useful tool for faster motion analysis, particularly in companies like BBSoF, where, for certain objectives such as injury prevention in athletes, action time can be an important parameter.

L'intelligenza artificiale si sta sviluppando a ritmi vertiginosi, con una gamma di applicazioni sempre più ampia, permettendo uno svolgimento nettamente più rapido di tutte le pratiche automatizzabili in moltissimi settori. Molte persone però, anche nell'ambito scientifico, hanno ancora delle riserve riguardo l'approccio AI based, in quanto la mancanza di un contributo umano può generare imprecisioni e approssimazioni errate in modo sistematico, causando così una forte inaccuratezza dei risultati ottenuti. Nell'ambito di questa tesi verrà analizzato un particolare approccio AI based in Motion Tracking, chiamato "Pose2Sim", cercando, attraverso un lavoro sperimentale condotto in collaborazione con l'azienda BBSoF, di evidenziare eventuali criticità o differenze con il tradizionale metodo Track on Field. La procedura Pose2Sim è stata applicata su 62 soggetti per un totale di 70 task analizzati: 52 atleti uomini, giocatori di rugby che hanno eseguito un task di hop cut, e 10 atlete donne, giocatrici di calcio, di cui 8 hanno eseguito sia un task di squat sia uno di cambio di direzione, mentre 2 hanno eseguito solamente il task di squat. Ogni task è stato ripetuto 4 volte, 2 per l'arto destro e 2 per il sinistro, in modo da poter ridurre la suscettibilità dei dati ad errori casuali. Il confronto è stato poi effettuato sugli 8 task di cambio di direzione, e i parametri utilizzati a questo scopo sono stati gli angoli e i momenti generati sulle articolazioni di anca, ginocchio e caviglia generati durante l’acquisizione. I risultati ottenuti sono stati molto positivi: il dato principale che è emerso è stata la significativa riduzione dei tempi per l'elaborazione dei dati, passando da settimane per ogni decina di atleti analizzati con Track on Field, ad appena qualche giorno con Pose2Sim, riducendo oltretutto le competenze necessarie all’operatore per effettuare l’analisi. Le differenze tra i due dati sono molto ridotte, nonostante siano chiaramente presenti anche a causa del metodo utilizzato per la scelta dei punti di repere sul corpo. Perciò, a seconda della precisione necessaria all’applicazione, Pose2Sim può essere uno strumento estremamente utile al fine di un’analisi di movimento più rapida, in particolare in aziende come BBSoF, dove, per alcuni obiettivi come la prevenzione di infortuni negli atleti, il tempo di azione può essere un parametro importante.