KR20240030318A

KR20240030318A - 에지 컴퓨팅 기반의 경기력 향상 방법 및 서비스 플랫폼

Info

Publication number: KR20240030318A
Application number: KR1020220109204A
Authority: KR
Inventors: 이승훈
Original assignee: 한국정보공학 주식회사
Priority date: 2022-08-30
Filing date: 2022-08-30
Publication date: 2024-03-07

Abstract

본 발명은 하나 이상의 에지 단말에서 훈련 대상자의 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 수집하여 전처리하고 변환하여 저장한 후, 에지 억세스 포인트로 전송시키는 제1 단계; 및 상기 에지 억세스 포인트로 전송된 상기 하나 이상의 상기 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 경기력 향상 통합 분석 인공지능 알고리즘으로 경기력 향상 통합 분석 데이터로 통합하여 상기 하나 이상의 에지 단말에 전송하고 단말 경기력 향상 인공지능 알고리즘에 반영시키는 제2 단계를 포함하고, 상기 제1 단계의 상기 경기력 측정 데이터는 하나 이상의 센서에 의해서 수집되고, 상기 경기력 향상 분석 데이터는 상기 하나 이상의 에지 단말의 단말 맞춤형 성능 향상 인공지능 알고리즘에 의해서 생성되는, 에지 컴퓨팅 기반의 경기력 향상 방법 및 서비스 플랫폼에 관한 것이다.

Description

에지 컴퓨팅 기반의 경기력 향상 방법 및 서비스 플랫폼{Method and service platform for performance improvement based on edge computing}

본 발명은 훈련 대상자의 경기력 향상을 위한 에지 컴퓨팅 기반의 경기력 향상 방법 및 서비스 플랫폼 기술에 관한 것이다.

인공지능(Artificial Intelligence, AI)를 다양한 스포츠 영역에 접목시키고자 하는 연구가 활발하게 진행되고 있지만, 여전히 인공지능이 적용되지 못한 스포츠 영역들이 무수히 많다. 즉, 인공지능 기법은 바둑과 같은 추상 전략 게임(abstract strategy game)에서는 엄청난 힘을 발휘하지만 반추상 전략 게임(semi-abstract strategy game)에서는 현재 알려진 대부분의 인공지능 기법들이 큰 힘을 발휘하지 못하고 있다.

현재 인공지능 엔지니어와 스포츠 과학자들이 서로 다르게 정의하는 경기력(performance)이라는 용어 자체가 스포츠에 인공지능을 활용하는 데 장애 요인이 된다고 지적되고 있다. 또한 유의미한 결과가 도출될 수 있도록 학습 가능한 수준의 데이터 세트(data set)의 부재도 현재 인공지능이 경기력 향상에 큰 도움을 주지 못하고 있는 하나의 원인으로 지적되고 있다.

이에, 인공지능을 활용하여 스포츠 경기력을 향상시키기 위하여 경기력이라는 용어에 대한 스포츠 과학자와 엔지니어 입장에서 바라본 후 재해석이 필요한 실정이다.

즉, 스포츠 과학자들이 정의하는 경기력은 특정 종목을 효율적으로 수행하기 위해 필요한 생체역학 및 생리학적 기능(biodynamic & physiologic function), 실리적 요인(psychological factor), 종목에 대한 기술적 수준(technical level), 전략적 요인(strategy level)이 상호복합적으로 작용된 포괄적인 능력을 지칭하는 것이지만, 대부분의 엔지니어들이 생각하는 경기력은 특정 종목을 수행할 때 필요한 인간의 기능을 수치화한 지표를 지칭하는 것으로 경기력을 바라보는 시각에 서로 차이가 있다.

또한, 일부 스포츠 종목을 제외하고는 인공지능을 적용할 만큼 의미있는 데이터 세트가 현재 존재하지 않기 때문에 결국 인공지능을 경기력 향상에 적용하고 구현하기 위해서는 학습이 가능한 수준의 데이터 세트를 새로 구축하여야 하는 실정이다.

봅슬레이 종목은 1924년에 올림픽 종목으로 채택되었다. 스켈레톤 종목은 봅슬레이와 슬라이딩 트랙을 공유하여 사용하며 1928년에 올림픽종목으로 채택되었다가 제외되었고 2002년에야 공식 종목으로 채택되었다.

대한민국의 봅슬레이 및 스켈레톤은 상대적으로 선진국에 비해 매우 짧은 역사에도 불구하고 평창 올림픽에서 두 종목 모두 메달을 획득하여 그 잠재력을 입증하였다. 이는 다른 동계 대회 종목에 비하여 매우 빠른 성장으로 지속적인 경기력 향상이 기대되는 유망한 종목이다.

다만 경기 특성 상 슬라이딩 트랙이 필수적이고 운영에 많은 비용이 소요되어 전 세계적으로 국제 경기가 가능한 트랙은 극소수에 불과하다.

이러한 이유로 트랙 운영상 각국의 훈련인원 및 슬라이딩 훈련 회수를 제한하고 있어서 현 수준을 유지 및 향상시키는 것에 한계가 있는 실정이다.

한편, 그간 선진국의 노하우를 적극적으로 흡수하여 경기력을 성장시켜왔으나 상위권에서는 경기력 유지와 체계적인 향상이 더 중요한 요소라고 할 수 있다. 그러나 체계적인 빅데이터 시스템의 부재, 객관적인 데이터 부족, 데이터의 생산과 축적 시스템의 미비, 코칭을 위한 요인 분석 시스템의 미비 등의 이유로, 현재 간헐적이고 제한적인 측정 데이터로 코칭 스텝의 직관적인 추론에 의한 강화 훈련을 진행하고 있으며, 체계적인 동작 분석 기술이 적용되고 있지 않는 등 경기력 향상 코칭에 한계가 있다.

덧붙여, 봅슬레이와 스켈레톤은 올림픽 기간 동안에만 이슈화되는 비인기 종목으로, 선수층이 매우 빈약하여 인재 발굴 및 꿈나무 육성의 활성화, 생활체육화를 위한 체계 마련을 위한 새로운 기술적 방안이 필요하다.

상술한 바와 같이, 빅데이터 및 인공지능을 접목하여 체계적으로 경기력을 향상시키기 위한 기술, 특히 동계 스포츠에 빅데이터 및 인공지능을 적용하여 경기력을 향상시키고자 하는 요구가 증가하고 있는 실정이다.

한편, 인공지능 알고리즘을 장착한 프로세서를 활용해 데이터를 소스와 최대한 가까운 곳에서 수집 및 처리하는 에지 컴퓨팅(edge computing)은 지연 시간과 대역폭 요구사항을 최소화시킬 수 있었어, 최근 각광을 받고 있다.

대한민국 등록특허공보 제10-1865137호

이에 본 발명의 기술적 과제는 이러한 점에 착안한 것으로, 본 발명의 목적은 경기력 향상을 위한 데이터들을 인공지능을 통해서 분석하여 훈련 대상자에게 제공함으로써, 훈련 대상자의 경기력을 향상시키는 경기력 향상 방법 및 서비스 플랫폼을 제공하는 것이다.

본 발명의 경기력 향상 방법 및 서비스 플랫폼은 훈련 대상자에게 경기력 향상을 위한 체계적인 특화 훈련 및 코칭이 가능하다.

또한, 인재 발굴 및 꿈나무 육성의 활성화, 생활체육화에 본 발명의 경기력 향상 방법 및 서비스 플랫폼을 통한 경기력 향상을 제공하고자 하고, 특히, 동계 스포츠 중 썰매 스포츠의 훈련 대상자에 대한 경기력을 향상시키는데 목적이 있다.

본원의 일 측면은, 하나 이상의 에지 단말(Edge terminal)에서 훈련 대상자의 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 수집하여 전처리하고 변환하여 저장한 후, 에지 억세스 포인트(Edge Access point)로 전송시키는 제1 단계; 및

상기 에지 억세스 포인트로 전송된 상기 하나 이상의 상기 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 경기력 향상 통합 분석 인공지능 알고리즘으로 경기력 향상 통합 분석 데이터로 통합하여 상기 하나 이상의 에지 단말에 전송하고 단말 경기력 향상 인공지능(Artificial Intelligence, AI) 알고리즘에 반영시키는 제2 단계;를 포함하고,

상기 제1 단계의 상기 경기력 측정 데이터는 하나 이상의 센서에 의해서 수집되고, 상기 경기력 향상 분석 데이터는 상기 하나 이상의 에지 단말의 단말 맞춤형 성능 향상 인공지능 알고리즘에 의해서 생성되는,

에지 컴퓨팅 기반의 경기력 향상 방법을 제공한다.

본원의 다른 측면은, 단말 맞춤형 성능 향상 인공지능 알고리즘 모듈 및 단말 경기력 향상 인공지능 알고리즘 모듈을 포함하고, 훈련 대상자의 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 수집하여 전처리하고 변환하여 저장하는 하나 이상의 에지 단말; 및

상기 에지 단말의 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 전송 받아서 경기력 향상 통합 분석 데이터로 통합하는 경기력 향상 통합 분석 인공지능 알고리즘 모듈을 포함하고, 상기 경기력 향상 통합 분석 데이터를 상기 하나 이상의 에지 단말에 전달하여 상기 단말 경기력 향상 인공지능 알고리즘에 반영시키는 에지 억세스 포인트;를 포함하고,

상기 경기력 측정 데이터는 하나 이상의 센서에 의해서 수집되고, 상기 경기력 향상 분석 데이터는 상기 하나 이상의 에지 단말의 상기 단말 맞춤형 성능 향상 인공지능 알고리즘 모듈에 의해서 생성되는,

에지 컴퓨팅 기반의 서비스 플랫폼을 제공한다.

본 발명은 경기력 향상을 위한 것으로, 특히 동계 스포츠 중 썰매 스포츠의 훈련 대상자의 경기력을 향상시키기 위한 것으로, 인공지능 기반의 분석을 통해 실제 훈련 대상자에게 경기력 향상을 위한 체계적인 특화 훈련 및 코칭이 가능하다.

또한, 에지 단말 및/또는 에지 억세스 포인트에 장착된 인공지능 알고리즘을 활용하여 경기력 측정 데이터 및 경기력 향상 분석 데이터를 수집 및 처리하는 에지 컴퓨팅(edge computing)을 통해서 지연 시간과 대역폭 요구 사항을 최소화시킬 수 있다.

이 외에도, 인재 발굴 및 꿈나무 육성의 활성화, 생활체육화에 본 발명의 에지 컴퓨팅 기반의 경기력 향상 방법 및 서비스 플랫폼을 통한 경기력 향상을 제공하고자 하고, 특히, 동계 스포츠 중 썰매 스포츠의 훈련 대상자에 대한 경기력을 향상시키는데 목적이 있다.

도 1은 본원의 일 구현예에 따른 단말 맞춤형 성능 향상 인공지능 알고리즘 및 단말 경기력 향상 인공지능 알고리즘이 장착된 에지 단말과 경기력 향상 통합 분석 인공지능 알고리즘이 장착된 에지 억세스 포인트간의 경기력 향상 통합 분석 데이터의 흐름을 나타내는 모식도이다.
도 2는 본원의 일 구현예에 따른 정상 데이터 및 비정상 데이터의 에지 단말, 에지 억세스 포인트 및 서버 사이의 흐름을 모식도이다.
도 3은 본원의 일 구현예에 따른 에지 컴퓨팅 기반의 경기력 향상 서비스 플랫폼의 개략적인 구성도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

본 명세서에서 사용된 용어는 실시예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 또는 "포함하는(comprising)"은 언급된 구성요소 또는 단계가 하나 이상의 다른 구성요소 또는 단계의 존재 또는 추가를 배제하지 않는다는 의미를 내포한다.

또한, 본원 명세서 전체에서, "~ 하는 단계" 또는 "~의 단계"는 "~를 위한 단계"를 의미하지 않는다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 해석될 수 있다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

본원의 일 측면에 따른 에지 컴퓨팅 기반의 경기력 향상 방법은 하나 이상의 에지 단말(Edge terminal)에서 훈련 대상자의 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 수집하여 전처리하고 변환하여 저장한 후, 에지 억세스 포인트(Edge Access point(AP))로 전송시키는 제1 단계 및 상기 에지 억세스 포인트로 전송된 상기 하나 이상의 상기 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 경기력 향상 통합 분석 인공지능 알고리즘으로 경기력 향상 통합 분석 데이터로 통합하여 상기 하나 이상의 에지 단말에 전송하고 단말 경기력 향상 인공지능 알고리즘에 반영시키는 제2 단계를 포함할 수 있다.

또한, 상기 제1 단계의 상기 경기력 측정 데이터는 하나 이상의 센서에 의해서 수집되고, 상기 경기력 향상 분석 데이터는 상기 하나 이상의 에지 단말의 단말 맞춤형 성능 향상 인공지능 알고리즘에 의해서 생성될 수 있다.

한편, 상기 단말 경기력 향상 인공지능 알고리즘은 상기 단말 맞춤형 성능 향상 인공지능 알고리즘과 새로운 정보를 서로 주고 받으며 반영할 수 있다.

본 명세서 전체에서 언급하는 훈련 대상자는 국가대표, 선수, 꿈나무 또는 일반 동호인 등을 포함하며, 특히 동계 스포츠 중 썰매 스포츠 훈련 또는 체험을 받는 사람이면 어느 누구나 이에 포함될 수 있다.

상기 훈련 대상자의 경기력 측정 데이터는 예를 들어, 훈련 대상자의 경기 정보 데이터, 훈련 정도 데이터 등일 수 있다.

상기 훈련 대상자의 경기 정보 데이터 및 훈련 정보 데이터 중 어느 하나 이상은 경기 훈련용 모의 장치, 체력 훈련장, 경기력 훈련장, 훈련 트랙 및 경기 트랙 중 어느 하나 이상을 사용하여 획득될 수 있다.

상기 하나 이상의 센서는 사물 인터넷(IoT) 단말에 장착된 센서이거나 영상 기기 중 어느 하나 이상일 수 있다. 또한, 상기 하나 이상의 센서는 경기 훈련용 모의 장치의 각 부분에 장착될 수도 있다.

상기 사물인터넷 단말은 휴대폰, 스마트폰 등의 훈련 대상자 등의 사용자가 휴대하는 디바이스 및 시계, 안경, 패치, 장신구(반지, 팔찌, 목걸이, 귀걸이 등) 등의 사용자가 착용하는 웨어러블 디바이스 등 다양한 형태의 사물인터넷 단말이 사용될 수 있다.

상기 경기 훈련용 모의 장치는 가상 현실을 구현하기 위한 가상 현실 구현부를 포함하는 썰매 스포츠 훈련용 모의 장치일 수 있다.

상기 경기 훈련용 모의 장치는 현실 구현부 외에도 챔버, 발판 시뮬레이터, 썰매 시뮬레이터, 데이터 취득부 및 모니터링부 등를 포함하여 구성될 수 있다.

상기 챔버는 한명 이상의 훈련 대상자의 출입이 가능하며, 내부의 공기 압력 제어가 가능하고, 또한, 산소 등의 기체 함량 제어 역시 가능함으로써, 저압, 저산소 분위기의 고지대 환경의 구현이 가능한 것이 바람직하다.

발판 시뮬레이터는 챔버의 내부 바닥에 설치되며, 훈련 대상자의 걷기, 달리기 등의 움직임에 의해 동력을 제공받는 트레드밀 형태로 형성될 수 있다.

썰매 시뮬레이터는 훈련 대상자가 발판 시뮬레이터 위에서 달리다가 이에 탑승할 수 있도록 형성 및 위치할 수 있다. 또한, 실전훈련과의 유사성을 높이기 위해 실제 썰매와 최대한 유사한 형상으로 형성되는 것이 바람직하다.

가상현실 구현부는 훈련 대상자가 모의훈련을 수행할 때, 임의의 가상현실을 체험할 수 있도록 이를 구현하기 위한 것으로, 경기장의 환경과 동일하게 3D 모델 구현이 가능하다. 보다 구체적으로 가상현실 구현부는 영상 제공부와 모션 제어부를 포함하여 구성될 수 있다.

영상 제공부는 훈련 대상자가 착용하는 헬멧에 장착될 수 있는 가상현실(Virtual Reality, VR) 기어 등의 웨어러블 기기 형태로 형성되며, 파노라마 비디오 기반의 가상현실 컨텐츠 통해 훈련 대상자에게 영상을 제공하기 위한 것으로, 이를 통해 훈련 대상자가 가상현실을 체험할 수 있도록 한다.

모션 제어부는 영상 제공부와 연동되어 훈련 대상자가 영상으로 체험하고 있는 경기장의 조건에 맞춰 훈련 대상자 및 썰매 시뮬레이터에 진동을 제공하기 위한 것으로, 훈련 대상자의 신체 또는 신체 일부에 진동을 제공할 수 있으며, 이를 통해 슬라이딩 트랙의 표면 조건에 따른 슬라이딩 변화 효과를 반응형으로 구현할 수 있게 된다.

또한, 모션 제어부는 썰매 시뮬레이터의 모션을 6-자유도 모션 서비스 플랫폼 기술 등을 통해 제어하는 것도 가능함으로써, 실감성, 운동공간 구현, 반응성, 사실적 몰입감 등을 극대화한 인터랙티브 컨텐츠의 구현이 가능하도록 할 수 있다.

예를 들어, 상기 센서는 상기 경기 훈련용 모의 장치의 챔버, 발판 시뮬레이터, 썰매 시뮬레이터 등에 장착되어 훈련 대상자의 경기 정보 데이터 및 훈련 정도 데이터 중 어느 하나 이상을 수집할 수 있다.

한편, 측정장치 또는 각종 전자기기 스스로가 인터넷 통신이 가능하여, 측정한 정보 및 전자기기에 관한 정보를 인터넷 통신을 통해 모니터링 및 관리가 가능할 뿐만 아니라, 사물인터넷 단말끼리 통신이 가능한 장치를 통칭한다.

또한, 사물인터넷 단말은 훈련 대상자의 경기 정보 데이터 및 훈련 정보 데이터 중 어느 하나 이상을 수집하는 것뿐만 아니라, 휴대하거나 신체에 장착할 수 있는 장치로서, 훈련 대상자가 다양한 정보를 음성 또는 문자 메시지를 통해 기록하게 되는데, 이와 같은 훈련자 대상자 개인의 라이프 로그(Lifglog) 정보를 획득하는 것도 가능하다.

한편, 사물인터넷 단말를 통해 훈련 대상자의 경기 정보 데이터 및 훈련 정보 데이터 중 어느 하나 이상을 실시간으로 측정하는 것도 가능하고, 특정한 시간의 주기로 측정하는 것도 가능하다.

본 발명은 이미 각종의 전자기기 또는 측정 센서와 인터넷 통신장치를 구비한 사물 인터넷 단말, 영상 장치 및 경기 훈련용 모의 장치 등을 통해 훈련 대상자의 경기력 측정 데이터(예를 들어, 경기 정보 데이터, 훈련 정보 데이터 등)을 다양한 각도 및 방법으로 수집하고, 수집된 방대한 데이터를 인공지능 알고리즘으로 분석 처리함으로써, 실시간 업데이트 되는 양질의 훈련 대상자 중심의 개인 맞춤형 경기력 향상 정보를 보다 편리하게 제공할 수 있다.

이때, 훈련 대상자의 경기 정보 데이터 및 훈련 정보 데이터 중 어느 하나 이상은 다양한 데이터를 포함할 수 있으나, 특히 동계 스포츠, 바람직하게는 썰매 스포츠, 더욱 바람직하게는 봅슬레이 또는 스켈레톤와 연관된 경기 정보 데이터 및 훈련 정보 테이터 중 어느 하나 이상을 포함할 수 있다.

상기 사물인터넷 단말, 상기 영상 기기 및 상기 경기 훈련용 모의 장치 중 어느 하나를 이용하여 수집되는 상기 경기 정보 데이터는 스타트 정보 데이터 및 주행 정보 데이터 중 어느 하나 이상일 수 있다.

특히, 상기 스타트 정보 데이터는 스타트 비디오 데이터, 스타트 랩타임 데이터, 스타트 속도 프로필 데이터, 탑승 시퀀스 타이밍 데이터 중 어느 하나 이상이고, 상기 주행 정보 데이터는 주행 구간별 랩타입 정보 데이터, 주행 구간별 속도 프로필 정보 데이터 및 주행 궤적 정보 데이터 중 어느 하나 이상일 수 있다.

상기 경기 정보 데이터는 하기 표1에 나타낸 바와 같이 미디어/영상(media/video), 타임스탬프(timestamp), 포인트(point) 등의 데이터 형태로 수집, 저장된다.

[표 1]

한편, 상기 훈련 정보 데이터는 체력 훈련 정보 데이터 및 기술 훈련 정보 데이터 중 어느 하나 이상일 수 있다.

특히, 상기 체력 훈련 정보 데이터는 근력 훈련 정보 데이터, 심폐 지구력 훈련 정보 데이터, 민첩성 훈련 정보 데이터 및 균형 감각 훈련 정보 데이터 중 어느 하나 이상이고, 상기 기술 훈련 정보 데이터는 스타트 훈련 정보 데이터, 주행 훈련 정보 데이터, 협응 훈련 정보 데이터 및 심리 훈련 정보 데이터 중 어느 하나 이상일 수 있다.

더욱 구체적으로 상기 근력 훈련 정보 데이터는 스쿼트 데이터, 런지 데이터, 데드 리프트 데이터, 벤치 프레스 데이터, 숄더 프레스 데이터 중 어느 하나 이상일 수 있고, 상기 심폐 지구력 훈련 정보 데이터는 야외 러닝 데이터, 실내 러닝 데이너, 트래드 밀 데이터 중 어느 하나 이상일 수 있다.

상기 훈련 정보 데이터는 하기 표2에 나타낸 바와 같이, 각 세부분류에 대하여 영상(video), 관절 가동범위(joint ROM), 안정성(stability), 훈련량(반본 횟수 및 세트 수) 등의 데이터가 미디어/영상(media/video), JSON(JavaScript Object Notation), int 등의 데이터 형태로 수집, 저장된다.

[표 2]

한편, 본 발명의 경기력 향상 분석 데이터는 상기 하나 이상의 센서에 의해서 수집된 경기력 측정 데이터를 상기 하나 이상의 에지 단말의 단말 맞춤형 성능 향상 인공지능 알고리즘을 통해서 분석하여 생성된 데이터일 수 있다.

한편, 도 1에 나타낸 바와 같이 각 에지 단말로부터 상기 에지 억세스 포인트로 전송된 상기 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상은 상기 에지 억세스 포인트에서 경기력 향상 통합 분석 데이터로 통합되어 각 에지 단말들로 전송될 수 있다.

즉, 각 에지 단말에서 데이터의 분석이 이루어지고, 상기 에지 억세스 포인트에서 분석 데이터들이 통합되어 다시 각 에지 단말로 전송되므로, 서버로 데이터를 전송하여 데이터를 분석 및/또는 통합하고 다시 에지 엑세스 포인트 및/또는 에지 단말로 전송받는 단계에 의한 시간 소모를 줄일 수 있다.

한편, 상기 하나 이상의 에지 단말의 상기 단말 경기력 향상 인공지능 알고리즘은 상기 훈련 대상자의 경기력 측정 데이터(경기 정보 데이터, 훈련 정보 데이터 등)와 훈련 대상자의 경기력의 상관 관계를 분석하고, 상기 상관 관계에 따라 상기 경기 정보 데이터 및 훈련 정보 데이터 중 어느 하나 이상에 가중치를 부여할 수 있다.

즉, 경기력 향상과 상관 관계가 높은 경기력 측정 데이터에 대한 가중치는 커지고, 경기력 향상과 상관 관계가 낮은 경기력 측정 데이터에 대한 가중치는 낮아질 수 있다.

이러한 가중치의 분석 및 부여는 상기 단말 경기력 향상 인공지능 알고리즘에 의한 학습을 통해서 자동으로 이루어질 수 있고, 지속적으로 업데이트될 수 있다.

또한, 상기 가중치는 훈련 대상자의 현재 상태에 따라서 적절하게 선택될 수 있고, 실시간 모니터링된 센서, 영상 정보 등에 의해서 지속적으로 업데이트되는 측정값을 기반으로 실시간으로 변경될 수 있다.

예를 들어, 상기 단말 경기력 향상 인공지능 알고리즘은 훈련 대상자들의 상기 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상에 대한 입력 노드를 인공지능 신경망의 입력층으로 지정하여 지도 학습(supervised learning)을 통해 초기 인공지능 신경망을 생성 및 학습하여 훈련된 최종 인공지능 신경망을 생성할 수 있다.

이와 같이 훈련된 최종 인공지능 신경망이 생성되고 나면, 사물 인터넷(IoT) 단말, 영상 장치 등으로부터 수신한 훈련 대상자의 상기 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 최종 인공지능 신경망의 입력 노드로 지정할 수 있다.

한편, 상기 가중치는 훈련 대상자 개인별로 달리할 수 있다.

일 구현예에 있어서, 본원의 에지 컴퓨팅 기반의 경기력 향상 방법은 상기 에지 억세스 포인트가 상기 하나 이상의 에지 단말로부터 전송된 훈련 대상자의 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상의 비정상 데이터를 서버로 전송하는 제3 단계 및 상기 비정상 데이터를 상기 서버의 경기력 향상 인공지능 학습 알고리즘에 추가하여 학습시킨 비정상 데이터 반영 경기력 향상 인공지능 학습 알고리즘을 생성하는 제4 단계를 추가로 포함할 수 있다.

상기 비정상 데이터는 상기 하나 이상의 에지 단말의 상기 단말 맞춤형 성능 향상 인공지능 알고리즘에 의해서 분석될 수 없는 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상일 수 있다.

즉, 상기 비정상 데이터는 상기 하나 이상의 에지 단말의 상기 단말 맞춤형 성능 향상 인공지능 알고리즘에 의해서 분석되는 기존의 정상 데이터(경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상) 이외의 데이터일 수 있다.

예를 들어, 훈련 대상자의 기존의 상기 경기력 측정 데이터 및 경기력 향상 분석 데이터 이외에 새롭게 추가되는 경기력 측정 데이터 및 경기력 향상 분석 데이터, 또는 훈련 대상자의 기존의 상기 경기력 측정 데이터 및 경기력 향상 분석 데이터의 범위를 벗어나는 경기력 측정 데이터 및 경기력 향상 분석 데이터 등일 수 있다.

상기 비정상 데이터는 상기 에지 엑세스 포인트를 통하여 서버에 전달되어 상기 서버의 경기력 향상 인공지능 학습 알고리즘에 추가하여 학습시켜서 반영한 비정상 데이터 반영 경기력 향상 인공지능 학습 알고리즘을 생성하게 된다.

상기 비정상 데이터는 서버의 상기 경기력 향상 인공지능 학습 알고리즘에 추가되고 학습되어, 상기 훈련 대상자의 경기력의 상관 관계를 분석하고, 상기 상관 관계에 따라 상기 비정상 데이터에 추가로 가중치를 부여한 비정상 데이터 반영 경기력 향상 인공지능 학습 알고리즘을 생성할 수 있다.

즉, 기존의 정상 데이터들은 상기 하나 이상의 에지 단말의 상기 단말 맞춤형 성능 향상 인공지능 알고리즘에 의해서 분석되어 서버에 전달 및 상기 서버의 상기 경기력 향상 인공지능 학습 알고리즘에 의한 추가 분석이 필요 없으나, 상기 비정상 데이터들은 상기 서버의 상기 경기력 향상 인공지능 학습 알고리즘에 의한 분석이 필요하다.

한편, 경기력 향상과 상관 관계가 높은 상기 비정상 데이터에 대한 가중치는 커지고, 경기력 향상과 상관 관계가 낮은 상기 비정상 데이터에 대한 가중치는 낮아질 수 있다.

이러한 가중치의 분석 및 부여는 서버의 경기력 향상 인공지능 학습 알고리즘에 의한 학습을 통해서 자동으로 이루어질 수 있고, 지속적으로 업데이트될 수 있다.

예를 들어, 상기 서버의 상기 경기력 향상 인공지능 학습 알고리즘은 상기 비정상 데이터에 대한 입력 노드를 인공지능 신경망의 입력층으로 지정하여 지도 학습(supervised learning)을 통해 초기 인공지능 신경망을 생성 및 학습하여 훈련된 최종 인공지능 신경망을 생성할 수 있다.

이와 같이 훈련된 최종 인공지능 신경망이 생성되고 나면, 사물 인터넷(IoT) 단말, 영상 장치 등으로부터 수신한 훈련 대상자의 상기 비정상 데이터를 최종 인공지능 신경망의 입력 노드로 지정할 수 있다.

한편, 상기 가중치는 훈련 대상자 개인별로 달리할 수 있다.

일 구현예에 있어서, 본 발명의 에지 컴퓨팅 기반의 경기력 향상 방법은 상기 제4 단계의 상기 서버에서 생성된 상기 비정상 데이터 반영 경기력 향상 인공지능 학습 알고리즘을 상기 에지 억세스 포인트로 전송하고 상기 경기력 향상 통합 분석 인공지능 알고리즘에 반영하여 비정상 데이터 반영 경기력 향상 통합 분석 인공지능 알고리즘을 생성하는 제5 단계를 추가로 포함할 수 있다.

또한, 본 발명의 에지 컴퓨팅 기반의 경기력 향상 방법은 상기 제5 단계의 상기 에지 억세스 포인트의 상기 비정상 데이터 반영 경기력 향상 통합 분석 인공지능 알고리즘을 상기 하나 이상의 에지 단말로 전송하고 상기 단말 경기력 향상 인공지능 알고리즘에 반영하여 비정상 데이터 반영 단말 경기력 향상 인공지능 알고리즘을 생성하는 제6 단계를 추가로 포함할 수 있다.

즉, 상기 비정상 데이터 반영 경기력 향상 인공지능 학습 알고리즘은 상기 에지 억세스 포인트의 경기력 향상 통합 분석 인공지능 알고리즘 및 상기 하나 이상의 에지 단말의 상기 단말 경기력 향상 인공지능 알고리즘에 적용되고, 이후 상기 비정상 데이터는 상기 하나 이상의 에지 단말 및 상기 에지 억세스 포인트에서 정상 데이터로 취급될 수 있다.

상기 에지 억세스 포인트의 경기력 향상 통합 분석 인공지능 알고리즘 및 상기 하나 이상의 에지 단말의 상기 단말 경기력 향상 인공지능 알고리즘에 의해서 분석된 경기력 향상 정보는 예를 들어, 실제 훈련 대상자의 훈련, 경기 등에 앞서서 가장 효과적인 훈련 방식 등의 정보들을 확인하고 제공할 수 있다.

도 2에 상술한 정상 데이터 및 비정상 데이터의 에지 단말, 에지 억세스 포인트 및 서버 사이의 흐름을 모식도로 나타내었다.

이러한 정보들(특히, 경기력 향상을 위하여 훈련 대상자가 변화시켜야 할 경기 정보 데이터, 훈련 정보 데이터 등)은 훈련 대상자, 훈련 대상자의 보호자 및 훈련 대상자의 코치 등에 제공될 수 있다.

정보의 제공은 훈련 대상자, 훈련 대상자의 보호자 및 훈련 대상자의 코치 등의 다양한 사용자 디바이스를 통해서 이루어질 수 있다.

예를 들어, 훈련 대상자가 휴대하거나 장착하고 있는 사용자 디바이스를 통해서 실시간으로 정보가 제공되고, 정보를 제공받은 훈련 대상자가 이러한 정보를 기반으로 경기력 향상을 위하여 경기 및 훈련 내용에 변화를 준 경우, 이러한 변화에 따른 경기 정보 데이터 및 훈련 정보 데이터 중 어느 하나는 사물인터넷에 의해서 실시간으로 수집되어 반영될 수 있다.

실시간 변동 사항이 반영된 결과들은 다시 실시간으로 훈련 대상자, 훈련 대상자의 보호자 및 훈련 대상자의 코치 등에 피드백될 수 있다.

일 구현예에 있어서, 상기 경기력 향상의 대상 종목은 썰매 스포츠일 수 있고, 특히 상기 썰매 스포츠는 봅슬레이 또는 스켈레톤일 수 있다.

본원의 다른 측면에 따른 에지 컴퓨팅 기반의 경기력 향상 서비스 플랫폼은 도 3에 나타낸 바와 같이, 단말 맞춤형 성능 향상 인공지능 알고리즘 모듈 및 단말 경기력 향상 인공지능 알고리즘 모듈을 포함하고, 훈련 대상자의 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 수집하여 전처리하고 변환하여 저장하는 하나 이상의 에지 단말 및 상기 에지 단말의 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 전송 받아서 경기력 향상 통합 분석 데이터로 통합하는 경기력 향상 통합 분석 인공지능 알고리즘 모듈을 포함하고, 상기 경기력 향상 통합 분석 데이터를 상기 하나 이상의 에지 단말에 전달하여 상기 단말 경기력 향상 인공지능 알고리즘에 반영시키는 에지 억세스 포인트를 포함하고, 상기 경기력 측정 데이터는 하나 이상의 센서에 의해서 수집되고, 상기 경기력 향상 분석 데이터는 상기 하나 이상의 에지 단말의 상기 단말 맞춤형 성능 향상 인공지능 알고리즘 모듈에 의해서 생성될 수 있다.

훈련 대상자의 경기력 측정 데이터(예를 들어, 경기 정보 데이터 및 훈련 정보 데이터 중 어느 하나 이상)를 수집하여 전처리하고, 변환하여 저장하기 위하여 상기 에지 말단은 데이터 수집 모듈 등을 추가로 포함할 수 있다.

한편, 상기 단말 경기력 향상 인공지능 알고리즘 모듈은 상기 경기 정보 데이터 및 훈련 정보 데이터 중 어느 하나 이상과 훈련 대상자의 경기력의 상관 관계를 분석하는 상관 관계 분석 모듈 및 상기 상관 관계에 따라 상기 경기 정보 데이터 및 훈련 정보 데이터 중 어느 하나 이상에 가중치를 부여하여 경기력 향상 분석 데이터를 추출하는 가중치 부여 모듈을 포함할 수 있다.

데이터 수집 모듈, 단말 맞춤형 성능 향상 인공지능 알고리즘 모듈 및 단말 경기력 향상 인공지능 알고리즘 모듈은 각각 물리적으로 분리되어 있는 것으로 도시되어 있으나, 이는 일 실시 예일 뿐, 본 발명은 이에 한정되지 않는다. 예컨대, 데이터 수집 모듈, 단말 맞춤형 성능 향상 인공지능 알고리즘 모듈 및 단말 경기력 향상 인공지능 알고리즘 모듈의 기능들이 하나의 하드웨어 시스템으로 통합되어 구현될 수도 있다.

한편, 상기 경기력 향상 서비스 플랫폼은 통합 연동 장치를 통해 다양한 센서에 액세스하거나, 제어 신호를 전송할 수 있다.

상기 데이터 수집 모듈은 훈련 대상자의 경기 정보 데이터 및 훈련 정보 데이터 중 어느 하나 이상을 데이터 수집 기기를 통해서 수집하여 저장할 수 있다.

이때, 데이터 수집 모듈은 통합 연동 장치로부터 수신된 데이터를 수집 및 저장하고, 분석의 목적에 따라 유효성을 분석하고, 정형화된 데이터로 변환하여 저장할 수 있다.

또한, 경기 정보 데이터 및 훈련 정보 데이터는 훈련 대상자나 훈련 대상자가 이용하는 훈련 기구에 부착된 적어도 하나의 센서에 의해 무선 통신을 통해 전달될 수 있다.

또한, 미디어/영상 기반 데이터는 원천 데이터인 미디어/영상으로부터 전처리되어 정형화된 데이터가 별도의 무선 인터넷 망을 통해 전송된 것일 수 있다

일 구현예에 있어서, 본 발명이 에지 컴퓨팅 기반의 경기력 향상 서비스 플랫폼은 상기 하나 이상의 에지 단말로부터 전송된 상기 훈련 대상자의 상기 경기력 측정 데이터 및 상기 경기력 향상 분석 데이터 중 어느 하나 이상의 비정상 데이터를 상기 에지 억세스 포인트를 통해서 전송 받아서 추가하여 학습시킨 비정상 데이터 반영 경기력 향상 인공지능 학습 알고리즘을 생성하는 경기력 향상 인공지능 학습 알고리즘 모듈을 포함하는 서버를 추가로 포함할 수 있다.

상기 서버의 경기력 향상 인공지능 학습 알고리즘 모듈은 상기 비정상 테이터와 훈련 대상자의 경기력의 상관 관계를 분석하는 상관 관계 분석 모듈 및 상기 상관 관계에 따라 상기 비정상 데이터에 가중치를 부여하여 경기력 향상 분석 데이터를 추출하는 가중치 부여 모듈을 포함할 수 있다.

상기 서버의 경기력 향상 인공지능 학습 알고리즘 모듈은 비정상 데이터와 훈련 대상자의 경기력 향상 사이의 상관 관계를 분석하여 예를 들어, 경기력 향상에 가장 도움이 되는 보완 데이터부터 상위에서 하위로 순위를 부여할 수 있다.

일 구현예에 있어서, 상기 에지 억세스 포인트의 상기 경기력 향상 통합 분석 인공지능 알고리즘 모듈은 상기 서버에서 생성된 상기 비정상 데이터 반영 경기력 향상 인공지능 학습 알고리즘을 전송 받아서 반영하여 비정상 데이터 반영 경기력 향상 통합 분석 인공지능 알고리즘을 생성할 수 있다.

일 구현예에 있어서, 상기 하나 이상의 에지 단말의 상기 단말 경기력 향상 인공지능 알고리즘 모듈은 상기 에지 억세스 포인트의 상기 비정상 데이터 반영 경기력 향상 통합 분석 인공지능 알고리즘을 전송 받아서 반영하여 상기 에지 단말의 비정상 데이터 반영 단말 경기력 향상 알고리즘을 생성할 수 있다.

한편, 상기 에지 단말의 비정상 데이터 반영 단말 경기력 향상 알고리즘을 통해서 얻어진 경기력 향상 정보는 가시화하여 훈련 대상자 및 관계자들에게 제공할 수 있다

즉, 경기력 향상 서비스 플랫폼은 경기력 향상 정보를 기반으로 하는 서비스를 웹 페이지 또는 어플리케이션을 통해 사용자에게 제공할 수 있다.

또한, 경기력 향상 서비스 플랫폼은, 경기력 향상 정보에 대한 판단과 사용자의 판단을 비교 분석하여 효과를 검증하고, 효율적인 실증을 위해 사용자(훈련 대상자 등)의 상황에 따라 차별화된 경기력 향상 콘텐츠가 제공되며, 사용자 정보와 연동된 관리 권한에 따른 경기력 향상 제안 서비스를 제공할 수 있다.

이때, 경기력 향상 서비스 플랫폼은, 훈련 대상자의 경기력을 현재 시각을 기준으로 과거 경기력 및 미래 예측 경기력과 함께 제공할 수 있다.

이때, 사용자의 경기력은 사용자의 설정에 따라, 일 단위, 주 단위 또는 월 단위로 그 변화 추이가 제공될 수 있다.

상기 경기력 향상 서비스 플랫폼의 구성 요소들 각각은 컴퓨터로 읽을 수 있는 기록매체와 같은 컴퓨터 시스템에서 구현될 수 있다.

컴퓨터 시스템은 버스를 통하여 서로 통신하는 하나 이상의 프로세서, 메모리, 사용자 인터페이스 입력 장치, 사용자 인터페이스 출력 장치 및 스토리지를 포함할 수 있다.

또한, 컴퓨터 시스템은 네트워크에 연결되는 네트워크 인터페이스를 더 포함할 수 있다. 프로세서는 중앙 처리 장치 또는 메모리나 스토리지에 저장된 프로그램 또는 프로세싱 인스트럭션들을 실행하는 반도체 장치일 수 있다. 메모리 및 스토리지는 휘발성 매체, 비휘발성 매체, 분리형 매체, 비분리형 매체, 통신 매체, 또는 정보 전달 매체 중에서 적어도 하나 이상을 포함하는 저장 매체일 수 있다. 예를 들어, 메모리는 ROM이나 RAM을 포함할 수 있다.

이상에서 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.

Claims

하나 이상의 에지 단말(Edge terminal)에서 훈련 대상자의 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 수집하여 전처리하고 변환하여 저장한 후, 에지 억세스 포인트(Edge Access point)로 전송시키는 제1 단계; 및
상기 에지 억세스 포인트로 전송된 상기 하나 이상의 상기 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 경기력 향상 통합 분석 인공지능 알고리즘으로 경기력 향상 통합 분석 데이터로 통합하여 상기 하나 이상의 에지 단말에 전송하고 단말 경기력 향상 인공지능 알고리즘에 반영시키는 제2 단계;를 포함하고,
상기 제1 단계의 상기 경기력 측정 데이터는 하나 이상의 센서에 의해서 수집되고, 상기 경기력 향상 분석 데이터는 상기 하나 이상의 에지 단말의 단말 맞춤형 성능 향상 인공지능 알고리즘에 의해서 생성되는,
에지 컴퓨팅 기반의 경기력 향상 방법.
제1항에 있어서,
상기 에지 억세스 포인트가 상기 하나 이상의 에지 단말로부터 전송된 훈련 대상자의 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상의 비정상 데이터를 서버로 전송하는 제3 단계; 및
상기 비정상 데이터를 상기 서버의 경기력 향상 인공지능 학습 알고리즘에 추가하여 학습시킨 비정상 데이터 반영 경기력 향상 인공지능 학습 알고리즘을 생성하는 제4 단계;를 추가로 포함하는,
에지 컴퓨팅 기반의 경기력 향상 방법.
제2항에 있어서,
상기 제4 단계의 상기 서버에서 생성된 상기 비정상 데이터 반영 경기력 향상 인공지능 학습 알고리즘을 상기 에지 억세스 포인트로 전송하고 상기 경기력 향상 통합 분석 인공지능 알고리즘에 반영하여 비정상 데이터 반영 경기력 향상 통합 분석 인공지능 알고리즘을 생성하는 제5 단계;를 추가로 포함하는,
에지 컴퓨팅 기반의 경기력 향상 방법.
제3항에 있어서,
상기 제5 단계의 상기 에지 억세스 포인트의 상기 비정상 데이터 반영 경기력 향상 통합 분석 인공지능 알고리즘을 상기 하나 이상의 에지 단말로 전송하고 상기 단말 경기력 향상 인공지능 알고리즘에 반영하여 비정상 데이터 반영 단말 경기력 향상 인공지능 알고리즘을 생성하는 제6 단계;를 추가로 포함하는,
에지 컴퓨팅 기반의 경기력 향상 방법.
제1항에 있어서,
상기 경기력 향상의 대상 종목은 썰매 스포츠인 것을 특징으로 하는,
에지 컴퓨팅 기반의 경기력 향상 방법.
제5항에 있어서,
상기 썰매 스포츠는 봅슬레이 또는 스켈레톤인 것을 특징으로 하는,
에지 컴퓨팅 기반의 경기력 향상 방법.
단말 맞춤형 성능 향상 인공지능 알고리즘 모듈 및 단말 경기력 향상 인공지능 알고리즘 모듈을 포함하고, 훈련 대상자의 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 수집하여 전처리하고 변환하여 저장하는 하나 이상의 에지 단말; 및
상기 에지 단말의 경기력 측정 데이터 및 경기력 향상 분석 데이터 중 어느 하나 이상을 전송 받아서 경기력 향상 통합 분석 데이터로 통합하는 경기력 향상 통합 분석 인공지능 알고리즘 모듈을 포함하고, 상기 경기력 향상 통합 분석 데이터를 상기 하나 이상의 에지 단말에 전달하여 상기 단말 경기력 향상 인공지능 알고리즘에 반영시키는 에지 억세스 포인트;를 포함하고,
상기 경기력 측정 데이터는 하나 이상의 센서에 의해서 수집되고, 상기 경기력 향상 분석 데이터는 상기 하나 이상의 에지 단말의 상기 단말 맞춤형 성능 향상 인공지능 알고리즘 모듈에 의해서 생성되는,
에지 컴퓨팅 기반의 경기력 향상 서비스 플랫폼.
제7항에 있어서,
상기 하나 이상의 에지 단말로부터 전송된 상기 훈련 대상자의 상기 경기력 측정 데이터 및 상기 경기력 향상 분석 데이터 중 어느 하나 이상의 비정상 데이터를 상기 에지 억세스 포인트를 통해서 전송 받아서 추가하여 학습시킨 비정상 데이터 반영 경기력 향상 인공지능 학습 알고리즘을 생성하는 경기력 향상 인공지능 학습 알고리즘 모듈을 포함하는 서버;를 추가로 포함하는,
에지 컴퓨팅 기반의 경기력 향상 서비스 플랫폼.
제8항에 있어서,
상기 에지 억세스 포인트의 상기 경기력 향상 통합 분석 인공지능 알고리즘 모듈은 상기 서버에서 생성된 상기 비정상 데이터 반영 경기력 향상 인공지능 학습 알고리즘을 전송 받아서 반영하여 비정상 데이터 반영 경기력 향상 통합 분석 인공지능 알고리즘을 생성하는,
에지 컴퓨팅 기반의 경기력 향상 서비스 플랫폼.
제9항에 있어서,
상기 하나 이상의 에지 단말의 상기 단말 경기력 향상 인공지능 알고리즘 모듈은 상기 에지 억세스 포인트의 상기 비정상 데이터 반영 경기력 향상 통합 분석 인공지능 알고리즘을 전송 받아서 반영하여 상기 에지 단말의 비정상 데이터 반영 단말 경기력 향상 알고리즘을 생성하는,
에지 컴퓨팅 기반의 경기력 향상 서비스 플랫폼.