[論文レビュー] Eye Movement Feature Classification for Soccer Goalkeeper Expertise Identification in Virtual Reality

Benedikt Hosp, Florian Schultz+2 more|arXiv (Cornell University)|Sep 23, 2020

Sport Psychology and Performance参考文献 38被引用数 4

ひとこと要約

本研究では、実戦シナリオを再現したバーチャルリアリティ（VR）シミュレーション中に記録された眼球運動特徴を用いて、サッカーのゴールキーパーの熟練度を分類する機械学習手法を提案する。35名のゴールキーパー（熟練、中級、初心者）の視線行動を分析した結果、分類精度が高く、インマージブルVRにおける眼動-trackingデータが、知覚的・認知的熟練度を客観的に評価し、適応型トレーニングシステムの構築に役立つことが示された。

ABSTRACT

The latest research in expertise assessment of soccer players has affirmed the importance of perceptual skills (especially for decision making) by focusing either on high experimental control or on a realistic presentation. To assess the perceptual skills of athletes in an optimized manner, we captured omnidirectional in-field scenes and showed these to 12 expert, 10 intermediate and 13 novice soccer goalkeepers on virtual reality glasses. All scenes were shown from the same natural goalkeeper perspective and ended after the return pass to the goalkeeper. Based on their gaze behavior we classified their expertise with common machine learning techniques. This pilot study shows promising results for objective classification of goalkeepers expertise based on their gaze behaviour and provided valuable insight to inform the design of training systems to enhance perceptual skills of athletes.

研究の動機と目的

• 眼動特徴を用いた、客観的かつデータドリブンなサッカーのゴールキーパー熟練度評価手法の開発。
• インマージブルVR環境における視線行動が、熟練、中級、初心者ゴールキーパーを区別できるかどうかの評価。
• 眼動データに機械学習を適用することで、スポーツトレーニングにおける熟練度のリアルタイム分類が可能かどうかの検討。
• 個々の知覚的・認知的強み・弱みに応じて反応する適応型バーチャルリアリティトレーニングシステムの設計支援。
• 将来的なオンライン診断およびパーソナライズドトレーニングシステムの基盤を確立すること。

提案手法

• 実戦状況におけるゴールキーパーの自然な視点から360°動画を収録し、生態的妥当性を確保。
• 消費者向けのVRヘッドセット（内蔵眼動トラッキング機能付き）を用いて、35名の被験者（12名の熟練、10名の中級、13名の初心者）に刺激を提示。
• 注視時間、スキャベーション頻度、および重要なゲーム領域における空間的分布などの視線行動特徴を抽出。
• 標準的な教師あり機械学習手法（例：SVM、ランダムフォレスト）を用い、視線特徴に基づいて被験者を熟練度レベルに分類。
• 250 Hzの眼動トラッカー採用レートを活用したリアルタイムデータ処理パイプラインを構築し、オンラインでの特徴計算とモデル推論を可能に。
• 複数スレッド処理システムを設計し、試行後処理として高次特徴（例：標準偏差）を計算し、事前に訓練済みモデルにフィードバックしてリアルタイム分類を実現。

実験結果

リサーチクエスチョン

• RQ1 VR環境における眼動特徴が、熟練、中級、初心者ゴールキーパーを信頼性高く区別できるか。
• RQ2 インマージブルVRにおける視線行動は、ゴールキーパーの現実世界における知覚的・認知的熟練度をどの程度反映しているか。
• RQ3 眼動データに学習させた機械学習モデルが、ゴールキーパー熟練度を正確かつ客観的に分類できるか。
• RQ4 視線に基づく熟練度検出は、リアルタイムで適応型トレーニングシステムにどのように統合できるか。
• RQ5 現在の眼動トラッキングおよび特徴抽出手法が、微細な知覚的差を捉える際に抱える限界は何か。

主な発見

• 本研究では、VR内での視線行動のみに依存して、熟練、中級、初心者ゴールキーパーを分類する上で、有望な分類精度を達成した。
• 熟練者では、初心者に比べて、より効率的な視線パターン（例：キューの迅速な検出、空間的優先順位の適切な配分）を示した。
• 写真のようにリアルな360°VR刺激の使用により、自然な視線行動が維持され、データの生態的妥当性が向上した。
• 機械学習モデルは、250 Hzのオンライン眼動トラッキングデータを用いたリアルタイム熟練度分類の可能性を示した。
• 結果から、個々の知覚的弱みを特定することで、パーソナライズドトレーニングを実現するための視線ベース診断の有効性が裏付けられた。
• 今後の研究では、データセットの拡大、分類の粒度の洗練、リアルタイム適応型VRおよびARトレーニングプラットフォームへの統合を計画している。