Des chercheurs de l'Université de Californie à San Diego ont développé BIGE, un modèle d'intelligence artificielle générative destiné à prévenir les blessures chez les athlètes. En intégrant des contraintes biomécaniques, BIGE fournit des schémas de mouvement réalistes pour l'entraînement et la rééducation.
Des chercheurs de l'Université de Californie à San Diego ont développé un modèle d'IA générative révolutionnaire nommé BIGE (Biomechanics-informed GenAI for Exercise Science) visant à prévenir les blessures chez les athlètes et à faciliter leur rééducation.
En utilisant les mouvements des athlètes et les contraintes biomécaniques — telles que les limites de la force musculaire —, BIGE génère des vidéos de mouvements d'exercice réalistes et sûrs que les athlètes peuvent suivre pour minimiser le risque de blessure.
Ce modèle peut également suggérer des mouvements permettant aux athlètes blessés de poursuivre leur entraînement sans aggraver leurs blessures, ce qui pourrait révolutionner les pratiques d'entraînement et de réadaptation sportive.
« Cette approche représente l’avenir », a déclaré Andrew McCulloch, co-auteur principal et professeur émérite au département de bio-ingénierie Shu Chien-Gene Lay de l’UC San Diego, dans un communiqué de presse.
BIGE se distingue comme le seul modèle combinant l'IA générative à une biomécanique réaliste, contrairement à de nombreux modèles d'IA existants qui produisent fréquemment des résultats anatomiquement incohérents. Les méthodologies non basées sur l'IA, quant à elles, nécessitent souvent une puissance de calcul prohibitive.
L'équipe de recherche a entraîné BIGE à l'aide de vidéos de capture de mouvement de personnes effectuant des squats, puis a traduit ces mouvements en modèles squelettiques 3D afin de calculer les forces physiques. Cela permet à l'IA de générer des mouvements d'exercice plus réalistes, offrant ainsi aux athlètes des protocoles d'entraînement plus sûrs et de meilleures performances.
L'équipe reconnaît que cette technologie est encore à ses débuts, mais entrevoit un potentiel important pour son application au-delà des squats. Les prochaines étapes consistent à adapter le modèle à divers exercices et à le personnaliser pour chaque utilisateur.
« Cette méthodologie pourrait être utilisée par n’importe qui », a ajouté Rose Yu, co-auteure principale et professeure au département d’informatique et d’ingénierie de l’UC San Diego.
L'équipe de recherche envisage également des applications au-delà du monde du sport. Par exemple, BIGE pourrait évaluer les risques de chute chez les personnes âgées, ce qui pourrait bénéficier à une population plus large et constituer une avancée significative en matière de santé et de sécurité publiques.
L'équipe a récemment présenté son Une étude à la conférence Learning for Dynamics & Control de l'Université du Michigan à Ann Arbor.