إعادة بناء دقيقة لمسار تأرجح الريشة باستخدام كاميرا الأحداث

لماذا يصعب رؤية التأرجحات السريعة

أي شخص شاهد ضربة إسماع قوية في كرة الريشة يعلم مدى صعوبة إدراك ما يفعله المضرب فعلاً. قد يتحرك رأس المضرب بسرعة تزيد عن 100 متر في الثانية، أسرع بكثير مما يمكن للعين المجردة أو العديد من الكاميرات العادية متابعته. تُبيّن هذه الدراسة كيف أن نوعاً جديداً من الكاميرات ودمج البيانات الذكي يمكن أن يُبطئ تلك الحركات رقمياً، موفّراً للمدرّبين واللاعبين صورة دقيقة لكل تأرجح في ثلاثية الأبعاد.

عيون جديدة للحركة فائقة السرعة

تسجّل الكاميرات التقليدية صوراً كاملة بمعدلات إطارات ثابتة، مما يؤدي إلى صور مشوشة وتفاصيل مفقودة عندما تتحرك الأشياء بسرعة فائقة. يعتمد الباحثون بدلاً من ذلك على كاميرا أحداث، وهي مستشعر يستجيب فقط عندما يتغير السطوع عند بكسل معين. يُسجَّل كل تغير صغير بتوقيت ميكروثاني ويتميّز بحساسية واسعة للضوء، لذا تخلق حركات المضرب السريعة تدفقات كثيفة من الأحداث بدلاً من إطارات مبعثرة. يمنح هذا النظام رؤية أكثر حدة وتقطيعاً أدق للتأرجح، حتى تحت أضواء ساطعة أو ظلال تعاني فيها الكاميرات العادية.

دمج تدفقات متعددة في تأرجح واضح واحد

النظام لا يعتمد على كاميرا الأحداث وحدها. فهو يستخدم أيضاً كاميرا ملونة عالية السرعة ومستشعراً قصيراً بالقصور الذاتي يسجل حركة الذراع. أولاً، تُعبأ بيانات الأحداث في شكل يمكن لأنظمة التعلم العميق التعامل معه، وتقدّر شبكة خاصة كيف يتحرك كل نقطة في المشهد عبر الزمن. بالموازاة، تجد شبكة عميقة أخرى مفاصل جسم اللاعب في إطارات الفيديو، بينما يتتبع المستشعر بالقصور الذاتي تسارع ودوران الذراع. تُدمج كل هذه الأدلة بعد ذلك بواسطة مرشح رياضي يتتبع الموضع والسرعة والتوجيه للمضرب في ثلاثية الأبعاد، مع وزن كل مصدر بيانات بحسب درجة ضوضائه.

ما مدى دقة وإفادة إعادة التشغيل

لفحص مدى فعالية هذا الأسلوب، قارن المؤلفون مسارات المضرب المعاد بناؤها بقياسات من نظام التقاط حركة مختبري يستخدم علامات عاكسة. في مجموعة بيانات تضم 960 تأرجحاً من 12 لاعباً، حقق نظامهم متوسط خطأ موضعي يبلغ 8.34 ملم، ما خفّض الخطأ بأكثر من أربعين بالمئة مقارنة بطريقة تقليدية قوية تعتمد على التدفق البصري ولا يزال يعمل في الزمن الحقيقي. أظهرت الاختبارات أن إشارة الحركة المعتمدة على الأحداث قدّمت أكثر من نصف مكاسب الدقة، وأضاف الدمج المتأنّي لكل المستشعرات أكثر من ثلث التحسن مرة أخرى. ظلّت الطريقة صامدة حتى عندما تغيّرت ظروف الإضاءة والملعب، مع فقدان طفيف فقط في الدقة.

ما الذي تكشفه عن اللاعبين الأفضل

بفضل مسارات التأرجح ثلاثية الأبعاد الدقيقة هذه، تمكن الفريق من النظر إلى ما هو أبعد من أرقام السرعة البسيطة. درسوا كيفية تغير زوايا المفاصل عند الكتف والمرفق والمعصم خلال التأرجح، ومدى سرعة تسارع المضرب، ومدى سلاسة متابعة الحركة. أظهر اللاعبون المحترفون قمماً أكثر حدة في سرعة المضرب، ومراحل تسارع أقصر وأكثر تفجّراً، وحركة مفصلية أكثر تنسيقاً من الهواة. كما استطاع النظام توليد مخططات نقاط قابلة للقراءة تلخّص السلاسة والتوقيت والتنسيق ودقة نقطة الضرب لكل لاعب، مفصّلة بشكل واضح بين المتمرسين والهواة.

ما معناه ذلك للتدريب

بعبارة بسيطة، تُظهر الدراسة أن كاميرات الأحداث المقرونة بخوارزميات ذكية يمكنها التقاط تأرجحات الريشة بتفصيل وسرعة لم تكن الأدوات الأقدم قادرة على تحقيقها. يحوّل هذا النهج حركات المضرب السريعة جداً إلى منحنيات ثلاثية الأبعاد وأنماط مفصلية واضحة، بدقة على مقياس بضعة مليمترات وبضعة درجات. يفتح ذلك الباب أمام أنظمة تغذية راجعة عملية تقريباً في الزمن الحقيقي تساعد المدربين واللاعبين على رؤية بالضبط كيف يختلف التأرجح عن الشكل الأمثل وكيف يتغير مع التدريب، دون الحاجة إلى مختبر تقاط حركة كامل.

الاستشهاد: Wang, Y., Shi, B. & Lv, B. Fine reconstruction of badminton swing dynamic trajectory assisted by event camera. Sci Rep 16, 15444 (2026). https://doi.org/10.1038/s41598-026-46443-8

الكلمات المفتاحية: تأرجح الريشة, كاميرا الأحداث, تتبّع الحركة, ميكانيكا الأحياء الرياضية, دمج المستشعرات