Une étude récente menée par des chercheurs de l’Université du New Hampshire a exploré comment l’intégration des techniques de machine et d’apprentissage en profondeur peut créer un système standardisé pour évaluer les voies d’escalade pour fournir une échelle de classement de difficulté qui favorise l’inclusivité, la précision et l’accessibilité pour tous les niveaux d’expérience. L’étude, publiée dans la revue Frontières dans le sport et la vie activeont constaté que l’approche la plus réussie pour déterminer la difficulté d’une voie d’escroquerie en roche utilisait des méthodes de traitement du langage naturel centrées sur l’itinéraire.
Alors que le sport de l’escalade continue de gagner en popularité et de reconnaissance internationale depuis ses débuts aux Jeux olympiques de Tokyo en 2020, la demande d’une méthode cohérente pour déterminer la difficulté de l’itinéraire est devenue de plus en plus importante car il n’y a pas de norme officielle. Alors que les gymnases d’escalade commerciaux nécessitent l’objectivité dans la création de voies qui sont réalisables pour les grimpeurs de tous niveaux, les échelles de difficulté reposent souvent sur le jugement personnel et restent un processus subjectif, entraînant des incohérences et des biais.
“La popularité de l’escalade en tant que sport récréatif augmente considérablement”, explique Blaise O’Mara, étudiante diplômée chez UNH et auteur principal de l’étude. “La déclaration de la note objective d’une voie d’escalade est essentielle dans la communauté d’escalade, mais le défi a été la façon de définir une note uniforme qui s’applique à tous les niveaux de compétence.”
La difficulté de l’itinéraire repose sur de multiples facteurs tels que l’escalade, les types de tenue de roche et les mouvements du grimpeur. Les chercheurs ont examiné comment ces facteurs jouent un rôle dans la détermination de la difficulté de l’itinéraire. L’enquête menée par l’UNH a classé les techniques d’apprentissage automatique dans des approches centrées sur l’itinéraire, centrées sur les grimpeurs et la recherche de chemin et a mis en évidence l’utilisation potentielle du traitement du langage naturel pour offrir une méthode plus objective pour la difficulté de l’itinéraire.
“Grâce à nos recherches, nous cherchons à expliquer comment l’escalade des gymnases peut intégrer des systèmes de machines et d’apprentissage en profondeur pour rationaliser le réglage de l’itinéraire et éliminer les biais de difficulté des itinéraires”, a déclaré MD Shaad Mahmud, professeur agrégé de génie électrique et informatique à l’UNH. “Au cours de notre étude, l’approche centrée sur l’itinéraire s’est concentrée sur l’analyse des caractéristiques de l’itinéraire telles que les types de retenue, les mouvements entre les cales et les séquences, tandis que l’approche centrée sur les grimpeurs impliquait d’utiliser des capteurs portables pour suivre des mesures telles que l’électromyographie et l’accélération et a examiné les performances d’escalade passées. L’approche de recherche de chemin a combiné les qualités des autres approches.
L’enquête a révélé que la précision et la granularité sont les principaux résultats à optimiser, et la méthode centrée sur l’itinéraire a pu atteindre la plus grande précision de granularité de 84,7%. Selon les chercheurs de l’UNH, le succès futur dans la détermination de la difficulté d’escalade dans les environnements chaotiques s’appuiera probablement sur des données axées sur l’itinéraire extraites avec une vision de l’ordinateur, puis alimentées par un algorithme de traitement du langage naturel. De plus, ils s’attendent à ce que l’apprentissage automatique et les méthodes d’apprentissage en profondeur continue d’évoluer pour résoudre des problèmes de route comme les grimpeurs. Avec une évolution supplémentaire, ces méthodes peuvent résoudre le problème du biais de classement qui a percuté pour déterminer la difficulté de l’itinéraire d’escalade.
Ce travail a été soutenu par la NH Agricultural Experiment Station Create Grant (11HN37).
#recherche #vise #normaliser #difficulté #litinéraire #descalade #travers #les #techniques #dapprentissage #automatique