Выявление neuromuscular и умальной усталости у юных элитных игроков в настольный теннис с помощью машинного обучения

Почему усталость юных спортсменов важна

Для юных игроков в настольный теннис, стремящихся к элитному уровню, усталость — это не просто легкое изнеможение. Как тело, так и сознание могут незаметно замедлять реакцию, изменять технику и повышать риск ошибок или даже травм. При этом у тренеров редко есть объективный инструмент в реальном времени, позволяющий увидеть, когда спортсмен умственно или физически утомлён. Это исследование изучает, может ли умная ракетка с датчиками и современные алгоритмы распознавания образов фиксировать крошечные изменения в ударах игрока и тем самым выявлять скрытые состояния усталости.

Умная ракетка, чувствующая каждый удар

Исследовательская группа работала с девятью лучшими подростковыми игроками Франции. Они превратили обычную ракетку в измерительный прибор, добавив в ручку маленький трёхмерный акселерометр и четыре сенсора давления в местах захвата ракетки и опоры большого и указательного пальцев на накладке. Каждый раз при ударе по шару ракетка записывала, с какой скоростью двигалась и с каким усилием рука давила в разных точках. Эти сигналы снимались с очень высокой частотой, фильтровались для удаления шума, нормировались и затем объединялись в единый след данных для каждого удара.

Модель усталости: умственная, мышечная и контрольная

Чтобы связать эти шаблоны ударов с разными типами усталости, учёные тщательно создали три отдельные ситуации. В одной из них игроки выполняли требовательную компьютерную задачу на внимание в течение 90 минут, что известно тем, что истощает умственную энергию без прямого утомления мышц. В другой — они выполняли повторяющиеся интенсивные эксцентрические сокращения бицепса рабочей руки до потери примерно 15% максимальной силы в локте, что вызывало явную мышечную усталость. В контрольной сессии они просто смотрели когнитивно нейтральный фильм. До и после каждой сессии игроки проходили стандартизированный тест по настольному теннису с роботом-подающим, в ходе которого измерялись скорость мяча, точность и число ошибок. Они также сообщали, насколько усталыми себя ощущают и насколько тяжёлыми кажутся задания, а силу руки проверяли специальным измерителем силы.

От скрытых изменений удара к распознаваемым паттернам

Субъективные отчёты и тесты на силу подтвердили, что умственные и физические протоколы действительно вызывали у игроков ощущение и проявления усталости: умственная усталость повысила воспринимаемую нагрузку и утомление, а физическая усталость привела к запланированному снижению силы руки. Удивительно, но классические показатели производительности, такие как скорость и точность мяча, едва ли изменялись каким‑либо явным статистически значимым образом между условиями, особенно в этой небольшой группе высококвалифицированных юношей. Однако при переходе к богатым данным с датчиков ракетки появилась иная картина. Исследователи подали тысячи размеченных ударов — каждый помеченный как относящийся к состоянию умственной усталости, мышечной усталости или контрольной сессии — в ряд моделей контролируемого машинного обучения, включая метод k ближайших соседей и случайные леса. Эти алгоритмы научились распознавать тонкие сдвиги в кривых ускорения и давлении захвата, которые незаметны глазу.

Обучение компьютеров замечать уставших игроков

Когда задача заключалась лишь в том, чтобы определить, пришёл ли удар из состояния усталости или нет, лучшая модель, k ближайших соседей, правильно классифицировала примерно 84% случаев. Когда потребовалось различать три конкретных состояния — без усталости, умственная усталость и мышечная усталость — модель случайного леса достигла примерно 82% точности. Это означает, что хотя игроки по‑прежнему могли отбивать мяч с примерно одинаковой скоростью и точностью, «подпись» ракетки изменилась достаточно для того, чтобы система на основе данных это обнаружила. Более требовательные тесты по обобщению между игроками показали меньшую успешность, главным образом из‑за малого размера выборки и индивидуального стиля каждого спортсмена, но результаты указывают на то, что дообучение моделей внутри стабильной элитной тренировочной группы возможно.

Что это значит для тренировок и здоровья

Проще говоря, исследование демонстрирует, что умная ракетка и правильные алгоритмы могут «слушать», как двигается молодой спортсмен, и тихо сигнализировать, когда его тело или ум истощаются, даже прежде чем появятся очевидные ошибки. Тренеры могли бы использовать такие инструменты для управления нагрузками, предотвращения переработки и более точного планирования тактических или ментальных пауз во время тренировок и соревнований. Хотя для повсеместного внедрения потребуются больше игроков, дополнительных датчиков и системы в реальном времени, ключевое послание ясно: тонкие изменения в том, как мы держим и замахиваемся ракеткой, могут раскрыть, свежи ли мы, умственно утомлены или страдаем мышечной усталостью — и машины уже достаточно хороши, чтобы отличать эти состояния.

Цитирование: Delumeau, T., Deschamps, T., Plot, C. et al. Identifying neuromuscular and mental fatigue in elite youth table tennis players using machine learning. Sci Rep 16, 11812 (2026). https://doi.org/10.1038/s41598-026-40324-w

Ключевые слова: настольный теннис, усталость в спорте, носимые датчики, машинное обучение, юные спортсмены