「CoachAI： 『金』準羽球」（以下簡稱CoachAI）計畫是國科會「精準運動科學研究專案計畫」的計畫之一。以羽球的大數據資料為基礎，發展出各式各樣的延伸應用。計畫主持人、同時也是國立陽明交通大學資訊科學與工程研究所所長的易志偉教授解釋：「整個CoachAI的出發點是要蒐集大數據，然後利用這個大數據來推動相關後續的數位經濟！」然而要建立羽球的大數據資料庫，靠傳統的人工蒐集方法可沒辦法做到。
&nbsp;
<h2>自動化標記，建立羽球情蒐大數據</h2>
在各項競技運動中，資料蒐集都是很重要的部分，在羽球、網球、桌球、棒球等與對手直接針鋒相對的運動當中更是如此。分析自己選手的擊球習慣、反應……就能針對弱項加以精進；建立對手的資料庫，更能在迎戰時安排戰術，甚至在備戰時為選手進行模擬訓練。
&nbsp;
過去在羽球的情蒐基本上得靠人力進行，將比賽中的資訊記錄下來，包括擊球種類等。然而由於種種限制，不但能蒐集的資料類型十分有限、精準度也不高，甚至在花費了大量時間以後，也只夠蒐集最重要的「前三拍」或「末三拍」資料。若能藉由電腦的協助，自動標記每一球的資料，就能夠大幅度增加資料蒐集的效率。
&nbsp;
「CoachAI」計畫就是在這樣的背景下誕生，易志偉教授表示：「我們在這個計畫裡面，第一個動機是想要把羽球的情蒐擴充、數據化，讓羽球的比賽可以用科學化的角度來評估！」藉由開發出來的軟體「Shot-by-Shot Labeling Tool」（又稱拍拍標記程式），直接用電腦分析錄下來的比賽影片，自動標記每一拍的資料。一方面可以縮短人工標記時數，另一方面標記的資料也變得更加多元、細微，甚至可以包含擊球時間、球員站位變化、揮拍姿態等！
&nbsp;
[data-component=gallery]
不過為了方便完整呈現整個賽場，絕大多數的羽球影片都只有一種由上往下的拍攝角度，這種情況下要從影片建構出立體模型並不容易。因此目前的標記系統還是需要人工協助判讀，還沒有達到全自動的目標。研究團隊接下來會與教育部主辦的「AI CUP 全國大專校院人工智慧競賽」合作，讓來自其他學界、業界的團隊都能夠一起投入升級。
&nbsp;
<h2>來自各界的支持，讓羽球大數據情蒐得以實現</h2>
CoachAI計畫的構想其實是由一群學生開始的。易志偉教授笑著解釋：「很湊巧的，我的實驗室在那幾年很多的學生都是打羽球的。」因為學生的興趣，易志偉教授的研究團隊就開始以「羽球」為目標，從事「運動影像處理」的研究。而國立陽明交通大學雖然是以學術研究為主軸的學校，其羽球隊也是頗負盛名。在校隊教練王志全教授的支持下，研究團隊也能直接獲得來自羽球運動觀點的專業回饋。突破初期的一些技術門檻以後，剛好遇到國科會在2019年推動的「精準運動科學研究專案計畫」，讓整個計畫得以順利實現。
&nbsp;
初期規劃時，研究團隊嘗試將分析的結果直接給選手參考。然而後來卻發現，賽場上的選手恰恰是最不應該看到分析結果的人。由於在比賽時，許多的反應都是靠瞬間的反射動作完成。若選手看了分析結果後打算調整自己，因而在賽場上多猶豫了一下，哪怕只是一瞬間，都可能都會延誤擊球時機。因此後來就改為將分析結果提供給教練，依照教練的專業去調整選手的訓練或戰術。
&nbsp;
<h2>羽球大數據，帶動產業發展</h2>
國科會在2019年通過「精準運動科學研究專案計畫」中共有8個研究團隊，共涵蓋了棒球、羽球、桌球、舉重以及自行車等5個運動領域。這項專案計畫中，除了加入運動科學，提升運動員表現之外，另一個很重要的方向，就是要落實於產業推動。CoachAI也不例外，易志偉教授解釋：「我們如果手上有這麼多資料的話，其實要試著把他們的價值呈現出來！」
 
CoachAI的其中一項技術突破，就是比賽中的羽球軌跡追蹤。而說到精準的羽球軌跡追蹤，最著名的系統當屬「鷹眼系統」（Hawk-Eye）。藉由十多臺快速攝影機拍攝下來的畫面，鷹眼系統會追蹤、紀錄球在每一瞬間的狀態，並預測球的落點。 2020年，東京奧運羽球男子雙打金牌戰中，讓觀眾情緒沸騰的關鍵球界內判定，就是利用鷹眼系統做出來的！對於羽球、網球這類需要精準判讀界內外的運動來說，鷹眼系統儼然成為一級比賽中不可或缺的輔助系統。然而鷹眼系統的使用權掌握在國外廠商手中，每次都必須向該廠商支付一筆不下百萬的費用，一般中小型比賽根本無法負荷。如果臺灣發展出了自己的鷹眼系統，那就可以應用於國內的中小型賽事，甚至可以作為未來「智慧場館」的一環，普及於各個球場。自行開發的鷹眼系統所記錄下來的資料，更可以直接讓選手作為未來訓練的參考！
&nbsp;
隨著資料愈來愈完整，還可以打造出能模擬對手球風的智慧發球機。甚至還可以更進一步，仿照對手來針對我們打回去的球設計下一顆發球，就好像真的在跟該對手比賽一樣！要開發出像這樣子的硬體設備，也需要和國內相關的產業界與科研法人（如：工研院）合作。若成功開發，甚至有機會讓臺灣出現新的產業鏈。
&nbsp;
未來更可連結其他球類，其他球類也能因這套系統的發展而受益，現階段研究團隊也開始與其他學界、業界的團隊合作，將CoachAI計畫的開發經驗分享到其他的運動領域。當然，不同的球類運動都各有其特色與開發難度，需要的資料也不同。舉例來說，易志偉教授現在與臺灣體育大學的吳昇光教授合作，移轉一些共通的核心技術到桌球領域。
&nbsp;
最後，對於單純想看熱鬧比賽的大眾來說，這套系統未來也可能使比賽轉播更精彩。棒球比賽中，每一球投完以後，都會在轉播畫面中顯示球速。作為球速最快的球類運動，或許羽球也能有類似的應用！在每一分結束以後，展示出得分球的球速、落點、軌跡及球員跑位等資訊，這些都能增加比賽的觀賞性。內行的懂更多門道，外行的更覺熱鬧。觀賞性增加、觀眾人數變多，對於整個運動產業來說是最好的結果。
&nbsp;
&nbsp;
（客座總編輯 |國立臺灣師範大學運動競技學系教授 相子元教授；研究顧問團隊 | 國立成功大學體育健康與休閒研究所所長兼教授 黃滄海教授、國立臺灣師範大學體育與運動科學系研究講座教授兼副系主任 張育愷教授、臺北市立大學運動器材科技研究所特聘教授 劉強教授、長庚醫院復健科主治醫師、台灣運動醫學學會理事長 林瀛洲醫師；責任編輯 | 梁孟娟、趙守予）

「拍拍標記」的程式運作介面（圖片來源：易志偉提供）

2020年東京奧運羽球男子雙打金牌戰最後一球，利用鷹眼系統判定該球為界內球。（圖片重製於愛爾達體育）

本計畫研究團隊成員國立臺灣科技大學林淵翔教授開發中的智慧發球機雛型（可聯網、可程式），可開發模擬球風的對打系統。（圖片來源：易志偉提供）