L'intelligenza artificiale si sta affermando come protagonista indiscussa nel mondo del calcio moderno, rivoluzionando sia gli aspetti tecnici che quelli arbitrali delle competizioni. Un recente progetto di collaborazione tra ETH Zurigo e FIFA potrebbe rendere questa tecnologia ancora più accessibile, democratizzandone l'utilizzo anche per i campionati con minori risorse. Il sistema di tracciamento e analisi delle posizioni dei giocatori, finora riservato alle grandi manifestazioni per via dei costi elevati, sta per subire una trasformazione radicale che potrebbe estenderne l'adozione su scala globale.
Da dodici telecamere a una sola: la sfida tecnologica
Attualmente, le tecnologie come il Semi-Automated Offside Technology (SAOT) richiedono l'installazione di 10-12 telecamere statiche perfettamente sincronizzate in ogni stadio, con costi proibitivi per molte competizioni. Il team dell'Advanced Interactive Technologies Lab dell'ETH Zurigo, guidato dal dottorando Tianjian Jiang, sta lavorando a una soluzione rivoluzionaria: utilizzare una singola telecamera di trasmissione per ottenere risultati paragonabili a quelli dei sistemi multi-camera.
Questa semplificazione non è solo una questione economica ma rappresenta una vera democratizzazione tecnologica: ogni competizione professionale dispone già di almeno una telecamera per le riprese televisive, posizionata sulla linea laterale, che fornisce circa il 75% delle immagini trasmesse di una partita.
Il progetto ha raggiunto un traguardo fondamentale con la creazione di "WorldPose", un dataset contenente quasi 50 minuti di sequenze di gioco completamente digitalizzate dai Mondiali di Calcio 2022. Con oltre 2,5 milioni di pose individuali dei giocatori rappresentate in tre dimensioni, questo archivio costituisce un prezioso strumento di apprendimento per i sistemi di intelligenza artificiale.
La complessità della "monocular pose estimation"
Il concetto chiave dietro questa tecnologia è la "pose estimation" monoculare (MPE), un metodo di computer vision che permette di generare rappresentazioni tridimensionali partendo da immagini bidimensionali. Se per un occhio umano è naturale interpretare la profondità di un'immagine, per un computer si tratta di un compito estremamente complesso che richiede algoritmi sofisticati e grandi volumi di dati di addestramento.
Le attuali tecniche MPE funzionano bene nel tracciare singoli giocatori, ma incontrano difficoltà quando devono monitorare simultaneamente più persone su grandi distanze, come avviene in una partita di calcio. "Vogliamo trovare un algoritmo che sia sufficientemente preciso anche su lunghe distanze", spiega Jiang, sottolineando la sfida principale del progetto.
Tre anni di ricerca per calibrare la realtà
Quando la FIFA si è rivolta all'ETH Zurigo nel 2021, i ricercatori erano fiduciosi di poter completare rapidamente un dataset funzionale. La realtà si è rivelata ben diversa. "All'inizio pensavamo che saremmo stati in grado di ottenere rapidamente un dataset preciso", ricorda Jiang. "Avevamo già un sistema in grado di rappresentare pose e traiettorie in forma digitale, e supponevamo che sarebbe stato facile applicarlo ai filmati dei Mondiali".
I ricercatori hanno dovuto affrontare numerose sfide tecniche impreviste: occlusione dei giocatori, sfocature dovute al movimento, problemi di calibrazione delle telecamere e distorsioni ottiche. Un aspetto particolarmente critico è stato garantire la perfetta sovrapposizione tra i giocatori reali e le loro controparti digitali, un processo che richiede un'accurata calibrazione per determinare le proprietà specifiche di ogni telecamera.
La calibrazione corretta si ottiene quando le linee di riferimento digitali si sovrappongono perfettamente a quelle reali del campo da tutte le angolazioni. Solo a questo punto il computer può utilizzare i parametri accuratamente coordinati per stimare le pose e le traiettorie dei giocatori, rappresentando i corpi digitali attraverso il modello SMPL, ampiamente utilizzato nel computer vision.
Lo zoom, nemico della precisione digitale
Utilizzando il dataset WorldPose, i ricercatori dell'ETH hanno potuto valutare l'efficacia delle attuali tecnologie MPE nel determinare accuratamente le posizioni dei giocatori, ad esempio in situazioni di fuorigioco. I risultati, presentati alla European Conference on Computer Vision di Milano, hanno evidenziato significative limitazioni degli attuali metodi.
Se le stime delle pose con una sola telecamera funzionano bene in spazi ridotti e per singoli movimenti, diventano molto meno affidabili quando si tratta di determinare le posizioni relative di più giocatori nello stesso spazio. Particolarmente problematici si sono rivelati i movimenti di zoom della telecamera. "Questo ci ha confermato che è ancora necessaria molta ricerca per ottenere un sistema funzionante e stabile", afferma Jiang.
Una competizione globale per accelerare l'innovazione
Per accelerare lo sviluppo di questa tecnologia, la FIFA ha lanciato una "Innovation Challenge" internazionale, mettendo a disposizione sia il dataset WorldPose che nuove sequenze video di partite riprese esclusivamente dalla telecamera di trasmissione. "Condividendo i dati con altri ricercatori, potremmo accelerare la ricerca in questo settore", spiega Jiang. "Se un giorno i modelli basati su una singola telecamera raggiungeranno la stessa qualità del nostro dataset, la tecnologia sarà pronta per un'adozione diffusa".
Finora, oltre 150 ricercatori in tutto il mondo hanno risposto all'annuncio della competizione. Anche l'ETH Zurigo continua a perfezionare i propri sistemi. Come conferma Jiang: "Continueremo a lavorare sul dataset e a sviluppare ulteriori modelli". La strada verso un calcio più tecnologico e accessibile è ancora lunga, ma i primi passi decisivi sono stati compiuti.