जेनरेटिव एआई एथलीटों को चोटों से बचने में मदद कर सकता है

कैलिफोर्निया विश्वविद्यालय सैन डिएगो के शोधकर्ताओं ने किया है एक मॉडल बनाया जेनरेटिव एआई द्वारा संचालित जो एथलीटों में चोटों को रोकने में मदद करेगा और चोट के बाद पुनर्वास में भी सहायता करेगा। यह मॉडल एथलीटों को बेहतर प्रशिक्षण में भी मदद कर सकता है।

मॉडल, जिसे BIGE (व्यायाम विज्ञान के लिए बायोमैकेनिक्स-सूचित GenAI के लिए) कहा जाता है, को मानव शरीर पर बायोमैकेनिकल बाधाओं के बारे में जानकारी के साथ-साथ एथलीट आंदोलनों के साथ प्रशिक्षित किया गया था, जैसे कि एक मांसपेशी कितनी ताकत विकसित कर सकती है। मॉडल उन गतिविधियों के वीडियो तैयार कर सकता है जिनकी नकल एथलीट प्रशिक्षण के दौरान चोट से बचने के लिए कर सकते हैं। यह ऐसी गतियाँ भी उत्पन्न कर सकता है जिन्हें एथलीट घायल होने पर व्यायाम जारी रखने के लिए निष्पादित कर सकते हैं।

इसका उपयोग सर्वोत्तम गति उत्पन्न करने के लिए किया जा सकता है जिसे एथलीट व्यायाम के दौरान चोट से बचने और प्रदर्शन में सुधार करने के लिए निष्पादित कर सकते हैं, या उन एथलीटों के लिए सर्वोत्तम गति उत्पन्न करने के लिए किया जा सकता है जिन्हें चोट के बाद पुनर्वास की आवश्यकता होती है।

यूसी सैन डिएगो में बायोइंजीनियरिंग के शू चिएन-जीन ले विभाग के प्रतिष्ठित प्रोफेसर और पेपर के वरिष्ठ लेखकों में से एक एंड्रयू मैककुलोच ने भविष्यवाणी की है, “यह दृष्टिकोण भविष्य होने जा रहा है।”

शोधकर्ताओं की सर्वोत्तम जानकारी के अनुसार, BIGE एकमात्र मॉडल है जो जेनरेटिव AI और यथार्थवादी बायोमैकेनिक्स को एक साथ लाता है। स्क्वैट्स जैसे आंदोलनों को उत्पन्न करने का काम करने वाले अधिकांश जेनेरिक एआई मॉडल ऐसे परिणाम उत्पन्न करते हैं जो वास्तविक मानव आंदोलनों को सीमित करने वाली शारीरिक और यांत्रिक बाधाओं के अनुरूप नहीं होते हैं। इस बीच, जो विधियां इन आंदोलनों को उत्पन्न करने के लिए जेनेरिक एआई पर निर्भर नहीं होती हैं, उन्हें निषेधात्मक मात्रा में गणना की आवश्यकता होती है।

मॉडल को प्रशिक्षित करने के लिए, शोधकर्ताओं ने स्क्वाट करने वाले लोगों के मोशन-कैप्चर वीडियो के डेटा का उपयोग किया। फिर उन्होंने गतियों को 3डी-कंकाल मॉडल पर अनुवादित किया और अधिक शारीरिक रूप से यथार्थवादी गति उत्पन्न करने के लिए गणना की गई ताकतों का उपयोग किया।

अगले चरणों में स्क्वैट्स से परे आंदोलनों के लिए मॉडल का उपयोग करना और विशिष्ट व्यक्तियों के लिए मॉडल को वैयक्तिकृत करना शामिल है।

यूसी सैन डिएगो के कंप्यूटर विज्ञान और इंजीनियरिंग विभाग के प्रोफेसर और पेपर के वरिष्ठ लेखकों में से एक, रोज़ यू ने कहा, “इस पद्धति का उपयोग कोई भी कर सकता है।”

उदाहरण के लिए, मॉडल का उपयोग बुजुर्गों में गिरने के जोखिमों को निर्धारित करने के लिए किया जा सकता है।

अनुसंधान दल ने हाल ही में मिशिगन के एन आर्बर में मिशिगन विश्वविद्यालय में लर्निंग फॉर डायनेमिक्स एंड कंट्रोल कॉन्फ्रेंस में अपना काम प्रस्तुत किया।