📖 Biró, A., Cuesta-Vargas, A.I., & Szilágyi, L. (2024). AI-Assisted Fatigue and Stamina Control for Performance Sports on IMU-Generated Multivariate Times Series Datasets. Sensors, 24(1), 132. https://doi.org/10.3390/s24010132
🧐 WHY
오랫동안 선수의 피로도와 지구력 평가는 자기 보고나 관찰 등 정성적 방법이 중심이었다.
이런 방식은 현장에서 빠르게 적용할 수 있지만, 미세한 변화나 피로 누적 신호를 정량적으로 파악하기 어렵다는 한계가 존재한다.
연구팀은 허리에 착용한 관성측정장치(IMU)로 수집한 다변량 시계열 데이터를 인공지능(AI)으로 분석해 경기 중에도 선수의 상태를 실시간 예측하는 방법을 제시했다.
🔬How
연구 대상은 건강한 장거리 주자 19명이다. 실험 절차는 세 단계로 구성됐다.
400m 달리기(편안한 속도)
비프 테스트(beep test) 로 점진적 고강도 달리기 수행 → 피로 유도
피로 상태에서 400m 달리기 재실시
모든 구간에서 Shimmer 3 IMU를 허리에 부착해 데이터를 수집했다. Shimmer는 착용형 무선 센서 장비로, 가속도(acceleration)·각속도(angular velocity)·자기장 방향(magnetic orientation) 같은 움직임과 자세 정보를 초당 수백 회 측정한다.
각 구간 데이터를 수집하여 인공지능 모델을 적용했다.
📉 WHAT
AI 예측 결과와 실제 경기력 저하 사이에 높은 상관관계(high correlation) 확인
개인별 생리적 한계와 회복 속도를 반영한 맞춤형 훈련 설계(customized training design) 가능
예측값과 실제값 차이를 실시간 계산해 예측이 한쪽으로 치우치지 않도록 조정
보폭 길이, 착지 대칭성, 관절 각도 변화 등 육안으로 구별하기 어려운 패턴(subtle biomechanical patterns) 포착
