인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 배드민턴 스윙 동작의 숙련도를 객관적이고 정량적으로 평가하기 위해 TS2Vec 기반의 시계열 표현학습 프레임워크를 제안한다(그림 1). 기존의 전문가 코칭은 높은 비용과 시공간적 제약이 따르며, 자가 분석은 주관적 편향으로 인해 부정확한 피드백을 초래할 수 있다. 이를 해결하기 위해 본 연구에서는 25 명의 참가자로부터 수집된 배드민턴 스윙(포핸드, 백핸드)의 3D 스켈레톤 데이터를 활용하였다. 전문 코치가 7 단계로 평가한 숙련도 레이블을 기준으로, 자기지도 학습 모델인 TS2Vec 을 통해 시계열 데이터의 고차원 특징을 추출하고 이를 신경망 분류기로 학습시켰다. 실험 결과, 제안된 TS2Vec 기반 프레임워크는 시계열 데이터의 문맥적 특징을 효과적으로 포착하여 기존의 지도 학습 모델인 LSTM(Long Short-Term Memory), ConvLSTM(Convolutional LSTM), Transformer, MLP(Multi-Layer Perceptron) 대비 우수한 분류 정확도를 보였다. 특히, 운동학적 복잡도가 낮은 Drive 동작과 Arm 조건이 숙련도를 결정짓는 지배적인 요인으로 나타났으며, 이는 하체 정보 없이 상체 데이터만으로도 신뢰성 있는 평가가 가능함을 시사한다. 본 연구는 복잡한 해석 과정 없이 직관적인 숙련도 지표를 제공함으로써 사용자에게 즉각적인 피드백을 통한 훈련 효율성을 극대화하고, 향후 HCI 기반의 개인화된 AI 코칭 시스템 발전에 이바지할 가능성을 제시한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096522695
