JP6783646B2

JP6783646B2 - 選択支援装置、選択支援システムおよび選択支援方法

Info

Publication number: JP6783646B2
Application number: JP2016248316A
Authority: JP
Inventors: 近藤　大輔; 大輔近藤
Original assignee: Bridgestone Sports Co Ltd
Current assignee: Bridgestone Sports Co Ltd
Priority date: 2016-12-21
Filing date: 2016-12-21
Publication date: 2020-11-11
Anticipated expiration: 2036-12-21
Also published as: US20180169471A1; JP2018099452A

Description

本発明はゴルファのゴルフクラブ選択を支援する技術に関する。

ゴルファのスイング等を解析する技術が提案されている（例えば特許文献１〜７）。このような解析技術は、ゴルファが自分に適合するゴルフクラブを選択することに役立つ場合がある。

特表２０１４−５３００４７号公報特表２０１４−５０００７８号公報特開２０１３−１６５８０８号公報特表２０１１−５０２６０２号公報特表２００８−５２３３８４号公報特開平０４−１１７９７２号公報特開平０１−１２５６２８号公報

ゴルファに適合したゴルフクラブを選択する方法の一つとして、ゴルフスイングの特定の特徴を抽出してゴルフスイングを分類する方法がある。例えば、スイング軌道の角度等による分類である。しかし、人間のゴルフスイングは複雑であり、ある特定の特徴が共通するからといって、そのゴルファ全員に同じ特性のゴルフクラブが適合するわけではない。

本発明の目的は、ゴルファに適合するクラブ特性の判別に特徴のある選択支援技術を提供することにある。

本発明によれば、例えば、
ゴルファのゴルフスイング動作の計測結果を取得する取得手段と、
前記計測結果に基づいて、ゴルフクラブの複数種類のクラブ特性の中から、前記ゴルファに適合するクラブ特性を選択する選択手段と、を備え、
前記選択手段は、
複数のテスタについて、各テスタのゴルフスイング動作に適合したクラブ特性を示す教師データの機械学習結果に基づき、前記ゴルファに適合するクラブ特性を選択し、
前記複数種類のクラブ特性は、複数種類の分類軸により分類され、
前記複数種類の分類軸の少なくとも一つは、複数種類のクラブ特徴量を次元圧縮した値に基づく分類軸である、
ことを特徴とする選択支援装置が提供される。

本発明によれば、ゴルファに適合するクラブ特性の判別に特徴のある選択支援技術を提供することができる。

本発明の一実施形態に係る選択支援システムの概要図。人工知能に学習させるための手順を示すフローチャート。（Ａ）は教師データ等に用いるスイング動作の範囲の説明図、（Ｂ）はクラブ特性の分類例を示す模式図。スイング動作の計測データおよびスイング情報の例を示す図。打撃試験の結果および適合クラブ情報の例を示す図。機械学習に使用するデータの例を示す図。選択支援処理の例を示すフローチャートおよび情報の例を示す図。システムの別例を示す図。

＜システムの構成＞
図１は本発明の一実施形態に係る選択支援システム１の概要図である。システム１は、計測装置２と、情報処理装置３と、表示装置４と、入力装置５とを含む。

計測装置２は、ゴルファ１００のゴルフスイング動作を計測する装置である。本実施形態では、ゴルフクラブ１０１の挙動を計測する装置であって、ゴルフクラブ１０１のシャフト（またはグリップ）に装着される装置であり、加速度センサや角速度センサを含む。計測装置２としては、例えば、ATR-Promotions社のTSND121やセイコーエプソン社のM-tracerを用いることができる。計測装置２の検知結果により、スイング中のゴルフクラブ１０１の三次元の加速度および三次元の角速度の時系列データを得られる。

情報処理装置３は、本実施形態において、ゴルファ１００に適合したゴルフクラブを推奨する選択支援装置として機能するコンピュータである。本実施形態では、推奨対象のゴルフクラブをドライバクラブと想定する。しかし、他の種類のゴルフクラブにも適用可能である。情報処理装置３は、互いに電気的に接続された処理部３１と、記憶部３２と、Ｉ／Ｆ部（インタフェース部）３３と、を備える。処理部３１はＣＰＵ等のプロセッサである。記憶部３２は一又は複数の記憶デバイスを備える。記憶デバイスは、例えば、ＲＡＭ、ＲＯＭ、ハードディスク等である。記憶部３２には処理部３１が実行するプログラムや、各種のデータが格納される。処理部３１が実行するプログラムは、処理部３１が読取可能な複数の指示から構成することができる。

本実施形態の場合、処理部３１が実行するプログラムとして、ゴルファ１００に適合したゴルフクラブの特性を推測する人工知能プログラムが含まれ、記憶部３２には、人工知能を機械学習させるためのデータベース３２ａが含まれる。

Ｉ／Ｆ部３３は外部デバイスと処理部３１との間でデータの入出力を行う。Ｉ／Ｆ部３３には、Ｉ／Ｏインタフェース、通信インタフェースを含むことができる。計測装置２は情報処理装置３に有線通信または無線通信により通信可能に接続されており、これらの計測結果は情報処理装置３によって取得される。

情報処理装置３には表示装置４と入力装置５が接続されている。表示装置４は、例えば、液晶表示装置等の電子画像表示装置であり、情報処理装置３の処理結果が表示される。入力装置５はマウスやキーボードであり、情報処理装置３に対するデータの入力や動作の指示を受け付ける。

＜クラブ選択支援の概要＞
本実施形態では、ゴルファ１００のスイング動作を計測装置２で計測し、ゴルファ１００に適合するゴルフクラブのクラブ特性を、人工知能として機能する情報処理装置３が特定する。その準備段階として、ゴルフスイング動作の特徴に適合するクラブ特性を人工知能に教師データとして与え学習させる。教師データを与えない場合、膨大な入力データが必要となるが、教師データを与えて人工知能に学習させることで、アルゴリズムの形成に必要なデータ量を削減することができる
＜人工知能の学習＞
図２は人工知能の学習に関わる手順を示すフローチャートである。Ｓ１では、複数のテスタのスイング動作の計測と、これらのテスタによる複数種類のゴルフクラブの打撃試験とを行う。テスタは、機械学習の精度向上の点で、例えば、１００人以上であることが好ましい。まず、スイング動作の計測について説明する。

スイング動作の計測は、図１のシステム１を構成する計測装置２と同じ装置または同等の機能を有する装置を用いて行う。特徴量として抽出するスイング動作の計測結果は、アドレスからフィニッシュまでの全体でもよいし、そのうちの一部の範囲であってもよい。本実施形態では、ゴルファの特性が現れやすいトップからインパクトまでの範囲を対象とする。図３（Ａ）はその説明図である。

図３（Ａ）はテスタＴがゴルフクラブＧＣでスイングし、インパクトを迎えている状態を示している。ゴルフクラブＧＣには計測装置２が装着され、そのスイング動作が計測される。ゴルフクラブＧＣは、選択支援の対象となる種類のクラブ（本実施形態ではドライバ）であれば、テスタＴが普段使用しているクラブでよい。図３（Ａ）において、軌跡ＢＳはバックスイング中のゴルフヘッドの軌跡を示し、軌跡ＤＳはトップ（ＴＯＰ）からインパクト（ＩＰ）までのゴルフヘッドの軌跡を示す。

計測装置２は、アドレスからインパクト後のフォロースルーまでのゴルフクラブＧＣの挙動を計測するが、スイング特徴データとしては、トップ（ＴＯＰ）からインパクト（ＩＰ）までの計測結果を用いる。図４は計測結果Ｄ０と、計測結果Ｄ０から生成したスイング情報Ｄｉｎとを例示している。スイング情報Ｄｉｎは、ゴルフスイング動作のスイング特徴データを構成することになる。同図の例では「Ａ」というテスタの計測結果等を示している。

計測結果Ｄ０は、ゴルフクラブＧＣの挙動を所定時間単位（ここでは０．００１秒）で表した時系列データであり、本実施形態の場合、Ｘ、Ｙ、Ｚの三軸方向の加速度と、これら三軸周りの角速度とを含む。つまり、ゴルフクラブＧＣの三次元の加速度と角速度のデータである。なお、このときX軸はシャフト鉛直軸方向、Y軸は打球方向（フェース鉛直面と平行）、Z軸はシャフト軸方向でヘッドから手元に向かう方向を正とする右手座標系である。これらのデータから、トップのデータとインパクトのデータとを特定する。例えば、トップにおいては、X軸もしくはY軸周りの角速度が負から正に変わる傾向にあるので、これをトップのデータと特定することができる。インパクトにおいては、Y軸方向の加速度が急激に減少する傾向にあるので、Y軸加速度の極小値をインパクトのデータと特定することができる。同図の例の場合、０．９６８秒のデータがトップとされ、１．３６４秒のデータがインパクトとされている。したがって、０．９６８秒から１．３６４秒までのデータＤ１がスイング特徴データとして利用される。

スイングのテンポは人によって異なる。したがって、トップからインパクトまでの時間（データ数）が異なる。機械学習の精度向上の点で、データ数を揃えることが好ましい。本実施形態の場合、規定データ数を１０００コマとし、過不足は公知のデータ処理技術により間引きまたは補間する。図４の例の場合、データＤ１のデータ数は３９６であるが、これを補間して、１０００コマのスイング情報Ｄｉｎとしている。スイング情報Ｄｉｎのデータ列は、所定時間単位のデータではないが、ゴルフクラブＧＣの加速度、角速度の時間変化をあらわているため、時系列データと呼ぶことができる。

なお、本実施形態では、スイング情報Ｄｉｎをゴルフクラブの加速度と角速度のデータ列として構成したが、情報の規格が統一されておればこれに限られず、物理量の種類や、データの形式（例えば別の例として波形データ）は問われない。スイング中のテスタまたはゴルフクラブの一連の挙動を特定できれば、スイング情報Ｄｉｎはどのようなものであってもよい。

次に、打撃試験について説明する。打撃試験はクラブ特性が異なる複数種類のゴルフクラブをテスタが試打し、ゴルフクラブやボールの挙動を計測する。図５は打撃試験データＤ１０および適合クラブ情報Ｄｏｕｔを示しており、適合クラブ情報Ｄｏｕｔは教師データを構成することになる。同図の例では「Ａ」というテスタの打撃試験結果等を示している。

打撃試験データＤ１０は、打撃試験に用いたゴルフクラブの情報と、打撃結果の情報とに大別される。同図の例では、＃０１〜＃１４までの１４本のクラブ（ドライバ）で打撃試験が行われたことを示している。１４本のクラブは、複数種類のクラブ特徴量のうちの、少なくとも一つが異なるクラブである。クラブ特徴量は、そのゴルフクラブを特徴づける設計値である。図５の例の場合、シャフトの硬さを示すシャフトフレックス（Ｒ、ＳＲ、Ｓ、Ｘ等）、シャフトの重量、ヘッドの重心距離（ヘッド重心とシャフト軸線間の距離）が例示されている。クラブ特徴量は、この他に、例えば、ヘッドの重量、ヘッドの重心角、ヘッドの重心深度、ヘッドの重心高さ、ヘッドのロフト角、ヘッドのライ角、ヘッドのフェース角、シャフトのトルク、シャフトの剛性、ヘッドの慣性モーメント、クラブ全体の慣性モーメント、クラブ全体の重心位置、シャフト長、グリップの重量等を挙げることができる。

クラブ特性は、クラブ特徴量に基づいたゴルフクラブの分類である。本実施形態の場合、クラブ特性は、１〜４までの４種類があるが、５種類以上あってもよい。３種類以下でもよいが、２種類であると推奨ゴルフクラブの絞り込みに対して余り寄与しない。

本実施形態の場合、クラブ特性は、複数種類のクラブ特徴量に基づき分類される。一種類のクラブ特徴量で分類したクラブ特性も適用可能であるが、推奨ゴルフクラブのゴルファへの適合性が低下する場合がある。クラブ特性を分類するクラブ特徴量の種類が多すぎると分類が複雑化する。そこで、複数種類のクラブ特徴量を主成分分析し、次元圧縮してもよい。図３（Ｂ）はその一例を示す模式図である。

図３（Ｂ）は、三軸の分類軸Ｕ、Ｖ、Ｗを有しており、これら三軸で規定される空間を四分割してクラブ特性１〜４を分類している。三軸の値のうちの少なくとも一つを複数種類のクラブ特徴量を主成分分析し、次元圧縮した値とすることができる。

例えば、Ｕ軸の値は、
Ｕ＝係数１×クラブ重量＋係数２×クラブ全体の重心位置＋係数３×シャフトフレックス、とし（シャフトフレックスはＲ、ＳＲ等を数値化する）、
Ｖ軸の値は、
Ｖ＝係数４×ヘッドの重心角＋係数５×シャフトのトルク、とし、
Ｗ軸の値は、クラブ全体の慣性モーメント、
とすることができる。この場合、Ｕ軸とＶ軸とが次元圧縮した値であり、Ｗ軸は次元圧縮していない値である。

図５に戻り、打撃結果について説明する。打撃結果は、テスタのスイング動作に適合するゴルフクラブの評価基準である。図５の例では、ヘッドスピード、ゴルフボールの飛距離、インパクト時のフェース角、および、官能評価の四つの基準が例示されている。インパクト時のフェース角とは、インパクト時におけるヘッドのフェース面の向きであり、水平面と平行な面上において、飛球線方向に対し垂直な場合を０度として計測される。ヘッドスピード、飛距離、インパクト時のフェース角は、各種の計測装置で計測できる。例えば、打撃されるゴルフボールに対して飛球線後方に配置された弾道測定器である。このような測定器としては例えば、TRACKMAN社のTRACKMANを用いることができる。

官能評価は、打音、打感、振り易さといったテスタの体感項目を数値化したものであり、図の例では１〜５の五段階の評価としている。１が最も悪く、５が最も良い。官能評価は一種類の体感項目で構成されてもよいし、複数の体感項目で構成されてもよい。また、複数の体感項目を主成分分析により次元圧縮した値としてもよい。例えば、官能評価＝係数６×打音値＋係数７×打感値＋係数８×振り易さ値、としてもよい。

評価基準は、図５の四種類に限られず、例えば、ゴルフボールのサイドスピン量、ゴルフボールのバックスピン量等であってもよい。また、本実施形態では、評価基準を複数種類としたが、一種類であってもよい。

打撃試験データＤ１０から適合クラブ情報Ｄｏｕｔを作成する。適合クラブ情報Ｄｏｕｔは、評価基準毎に、評価が最も高かったゴルフクラブのクラブ特性を示す情報である。図５の打撃試験データＤ１０では、ヘッドスピードが最も早かったのはクラブ＃０３である。クラブ＃０３のクラブ特性は、「２」であるので、テスタＡのヘッドスピードに関する適合クラブ特性は「２」となる。飛距離が最も大きかったのはクラブ＃０９である。クラブ＃０９のクラブ特性は、「１」であるので、テスタＡの飛距離に関する適合クラブ特性は「１」となる。インパクト時のフェース角が最もスクエア（０度）に近かったのはクラブ＃１２であり、テスタＡのインパクト時のフェース角に関する適合クラブ特性は「４」となる。官能評価が最も良かったのはクラブ＃０２であり、テスタＡの官能評価に適合するクラブ特性は「５」となる。各評価基準に対する適合クラブ特性は、一種類であることを基本とするが、同スコアであった場合、複数種類のクラブ特性が対応づけられてもよい。

本実施形態の場合、適合クラブ情報Ｄｏｕｔは、評価基準とクラブ特性との関係を示している。これは、打撃試験に用いるゴルフクラブが、テスタ毎に異なってもよいことを意味している。つまり、図５の例では、テスタＡが＃０１〜＃１４までの１４本のクラブ（ドライバ）で打撃試験を行ったが、別のテスタは、同じ１４本のクラブを用いる必要はない。クラブ特性が異なる複数種類のゴルフクラブで打撃試験が行われればよい。

図２に戻る。上述したＳ１の打撃試験により、テスタ毎に、スイング情報Ｄｉｎと適合クラブ情報Ｄｏｕｔの組み合わせが準備される。Ｓ２では機械学習に使用するデータを作成する。図６に示すように、データＤｔは、スイング情報Ｄｉｎと、教師データである適合クラブ情報Ｄｏｕｔの組み合わせである。つまり、図６はテスタＡに関するスイング動作のスイング特徴データと教師データの組み合わせを例示しており、これがテスタ分だけ作成される。スイング情報Ｄｉｎと適合クラブ情報Ｄｏｕｔとは、前者が入力で後者が出力の関係にある。これらのデータは情報処理装置３に入力され、記憶部３２のデータベース３２ａに蓄積される。

Ｓ３では、情報処理装置３において機械学習を実行する。処理部３１はデータベース３２ａに蓄積されたデータＤｔを読み出し、機械学習を行ってスイング情報Ｄｉｎから適合クラブ情報Ｄｏｕｔを導出する人工知能のアルゴリズムを生成する。生成したアルゴリズムは記憶部３２に記憶される。アルゴリズムが生成された後も、定期的に新たなスイング特徴データと教師データを追加して再び機械学習を行い、アルゴリズムを更新してもよい。

＜選択支援処理＞
次に、図１に示したシステム１を用いてゴルファがゴルフクラブを選択する際の支援処理について説明する。システム１の情報処理装置３は、上述した手順により、機械学習済みである。図７は選択支援処理の例を示すフローチャートであり、情報処理装置３の処理部３１が実行する処理である。

Ｓ１１では、ゴルファのスイング動作を計測装置２で計測させる。ここではゴルファ１００にゴルフクラブ１０１によってゴルフボールを実際に打撃させ、計測装置２によりゴルフクラブ１０１の挙動を計測する。ゴルフクラブ１０１はゴルファが普段用いているクラブでもよい。

Ｓ１２では計測装置２から計測結果を取得する。情報処理装置３は、計測装置２から図４の計測結果Ｄ０と同様のデータを取得する。Ｓ１３ではＳ１２で取得した計測結果からスイング情報Ｄ１１を作成する。スイング情報Ｄ１１は図４のスイング情報Ｄｉｎと同様に作成される。

Ｓ１４ではＳ１３で作成したスイング情報Ｄ１１から人工知能が、評価基準毎に、ゴルファに適合するクラブ特性を選択して、そのクラブ特性情報Ｄ１２を生成する。図７の例の場合、ヘッドスピードおよび飛距離には特性３が選択され、インパクト時のフェース角には特性２が選択され、官能評価には特性４が選択されている。

Ｓ１５ではゴルフクラブの製品情報Ｄ１３を取得する。製品情報Ｄ１３は記憶部３２に格納されている。製品情報Ｄ１３は、ゴルフクラブの種類、クラブ特性および仕様の各情報を含む。同図の例では、Ａ〜Ｉの９種類のゴルフクラブについて、そのクラブ特性と、仕様とが記録されている。仕様はクラブ特徴量に相当する。ヘッドスピードや飛距離で見ると、ゴルファにはゴルフクラブＥ、Ｇが適合することになる。また、インパクト時のフェース角で見ると、ゴルファにはゴルフクラブＣ、Ｄが適合することになる。官能評価で見ると、ゴルファにはゴルフクラブＢ、Ｈが適合することになる。

Ｓ１６では表示装置４に推奨ゴルフクラブ等の情報を表示する。ここでは、四つの評価基準について、それぞれゴルファに適合するゴルフクラブの情報を表示してもよいし、ゴルファが希望した一または複数の評価基準について、それぞれゴルファに適合するゴルフクラブの情報を表示してもよい。また、ゴルフクラブ情報以外に、ゴルファのスイング計測結果を表示してもよい。

以上により選択支援処理が終了する。ゴルファは、その後、Ｓ１６で表示された推奨ゴルフクラブを試打することにより、自身に適合するか否かを実際に体感することができる。本実施形態では、人工知能を用いたことで、一連のスイング動作のより広範な範囲を分析し、適合するクラブ特性を判別することができる。このため、より多面的な判断が可能となり、ゴルファに適合するクラブ特性をより精度よく判別することができる。

＜他の実施形態＞
図１のシステムでは、計測装置２と情報処理装置３とが、比較的近距離に配置され、店舗等に据え置き可能なシステムを例示したが、他の構成例も採用可能である。また、計測装置も図１以外の装置を採用可能である。

図８は、選択支援システム１の他の構成例を例示している。同図の構成例は、情報処理装置３がサーバとして、ネットワーク１１０を介して通信機器（携帯端末１１２やパソコン１１５等）と通信可能であり、ゴルフクラブに関する情報を配信する。ネットワーク１１０は例えばインターネットである。

計測側の構成例ＥＸ１は、携帯端末１１２と計測装置２とを含むシステムである。携帯端末１１２は例えばスマートフォンであり、計測装置２との近距離無線通信機能と、ネットワーク１１０および基地局（図示しない）を介した無線通信機能とを備える。計測装置２の計測結果は、携帯端末１１２へ送信される。携帯端末１１２は受信した計測結果をそのまま、或いは、情報処理装置３側で処理可能な所定の形式のデータとして、情報処理装置３へ送信する。情報処理装置３は、推奨ゴルフクラブを特定して、携帯端末１１２へその情報を送信する。携帯端末１１２では、受信した情報を表示する。つまり、図７のＳ１１を計測装置２で行い、Ｓ１２を携帯端末１１２及び情報処理装置３で実行し、Ｓ１３及びＳ１４を情報処理装置３で実行し、Ｓ１５を携帯端末１１２及び情報処理装置３で実行し、Ｓ１６を携帯端末１１２で実行する。実行方法はこれに限らず、例えば、Ｓ１４を情報処理装置３で実行し、Ｓ１４で生成した情報を携帯端末１１２へ送信し、携帯端末１１２により、推奨ゴルフクラブを特定してもよい。

計測側の構成例ＥＸ２は、パソコン１１５と複数の計測装置２Ａとを含むシステムである。計測装置２Ａはビデオカメラなどの撮影装置である。パソコン１１５は、撮影装置２Ａが撮影した画像の処理機能と、ネットワーク１１０を介した無線通信機能とを備える。ゴルファは試打室等で試打を行う。試打室等において複数の撮影装置２Ａによりゴルファを多方向から撮影し、ゴルフクラブ１０１の３次元的な挙動が撮影される。撮影画像はパソコン１１５に取り込まれて解析され、情報処理装置３側で処理可能な所定の形式のデータとして、情報処理装置３へ送信する。情報処理装置３は、推奨ゴルフクラブを特定して、パソコン１１５へその情報を送信する。パソコン１１５では、受信した情報を表示する。つまり、図７のＳ１１を計測装置２Ａで行い、Ｓ１２をパソコン１１５及び情報処理装置３で実行し、Ｓ１３及びＳ１４を情報処理装置３で実行し、Ｓ１５をパソコン１１５及び情報処理装置３で実行し、Ｓ１６をパソコン１１５で実行する。実行方法はこれに限らず、例えば、Ｓ１４を情報処理装置３で実行し、Ｓ１４で生成した情報をパソコン１１５へ送信し、パソコン１１５により、推奨ゴルフクラブを特定してもよい。

１選択支援システム、２計測装置、３情報処理装置

Claims

ゴルファのゴルフスイング動作の計測結果を取得する取得手段と、
前記計測結果に基づいて、ゴルフクラブの複数種類のクラブ特性の中から、前記ゴルファに適合するクラブ特性を選択する選択手段と、を備え、
前記選択手段は、
複数のテスタについて、各テスタのゴルフスイング動作に適合したクラブ特性を示す教師データの機械学習結果に基づき、前記ゴルファに適合するクラブ特性を選択し、
前記複数種類のクラブ特性は、複数種類の分類軸により分類され、
前記複数種類の分類軸の少なくとも一つは、複数種類のクラブ特徴量を次元圧縮した値に基づく分類軸である、
ことを特徴とする選択支援装置。
請求項１に記載の選択支援装置であって、
前記クラブ特性の種類は、４種類以上である、
ことを特徴とする選択支援装置。
請求項１に記載の選択支援装置であって、
前記計測結果は、スイング中のゴルフクラブの加速度および角速度の時系列データを含む、
ことを特徴とする選択支援装置。
請求項１に記載の選択支援装置であって、
前記選択手段は、トップからインパクトまでの前記計測結果に基づき、前記ゴルファに適合するクラブ特性を選択する、
ことを特徴とする選択支援装置。
請求項１に記載の選択支援装置であって、
前記選択手段は、複数種類の評価基準毎に前記クラブ特性を選択し、
前記教師データは、前記複数種類の評価基準毎に、前記複数のテスタについて、各テスタのゴルフスイング動作に適合したクラブ特性を示すデータである、
ことを特徴とする選択支援装置。
請求項５に記載の選択支援装置であって、
前記複数種類の評価基準は、ヘッドスピード、ゴルフボールの飛距離、インパクト時のフェース角、官能評価の少なくともいずれか一つを含む、
ことを特徴とする選択支援装置。
請求項５に記載の選択支援装置であって、
前記選択手段は、官能評価を評価基準として前記クラブ特性を選択し、
前記教師データは、前記官能評価を評価基準として、前記複数のテスタについて、各テスタのスイング動作に適合したクラブ特性を示すデータであり、
前記官能評価は、複数の体感項目を数値化し、かつ、次元圧縮した値により規定される、
ことを特徴とする選択支援装置。
ゴルファのゴルフスイング動作を計測する計測装置と、
前記計測装置の計測結果に基づいて、ゴルフクラブの複数種類のクラブ特性の中から、前記ゴルファに適合するクラブ特性を選択する情報処理装置と、を備え、
前記情報処理装置は、
複数のテスタについて、各テスタのゴルフスイング動作に適合したクラブ特性を示す教師データの機械学習結果に基づき、前記ゴルファに適合するクラブ特性を選択し、
前記複数種類のクラブ特性は、複数種類の分類軸により分類され、
前記複数種類の分類軸の少なくとも一つは、複数種類のクラブ特徴量を次元圧縮した値に基づく分類軸である、
ことを特徴とする選択支援システム。
ゴルファのゴルフスイング動作を計測する計測工程と、
前記計測工程の計測結果に基づいて、ゴルフクラブの複数種類のクラブ特性の中から、前記ゴルファに適合するクラブ特性を選択する選択工程と、を含み、
前記選択工程では、
複数のテスタについて、各テスタのゴルフスイング動作に適合したクラブ特性を示す教師データの機械学習結果に基づき、前記ゴルファに適合するクラブ特性を選択し、
前記複数種類のクラブ特性は、複数種類の分類軸により分類され、
前記複数種類の分類軸の少なくとも一つは、複数種類のクラブ特徴量を次元圧縮した値に基づく分類軸である、
ことを特徴とする選択支援方法。
請求項９に記載の選択支援方法であって、
前記教師データは、前記複数のテスタが、複数種類のゴルフクラブを試打した結果に基づき生成される、
ことを特徴とする選択支援方法。