MIT 스포츠 랩, AI 기술로 피겨 스케이팅 점프 분석 및 예술성 평가 연구

섹션별 상세

Jerry Lu가 개발한 OOFSkate 시스템은 AI를 활용해 피겨 스케이팅 선수의 점프 영상을 분석하고 회전 속도와 높이를 최적화하기 위한 물리적 지표를 제공한다. 사용자는 모바일 앱으로 점프 영상을 촬영하여 엘리트 선수들의 데이터와 비교할 수 있으며, 국제 심사 위원단의 기준에 따른 예상 수행 점수(GOE)를 즉각적으로 확인할 수 있다.

Anette Hosoi 교수는 포즈 추정(Pose Estimation) 모델이 단일 카메라 환경에서 깊이(Depth) 인식에 취약하다는 단점이 있지만, 피겨 스케이팅 분석에서는 이 문제가 큰 장애물이 되지 않음을 발견했다. 점프 높이, 회전수, 착지 품질 등 피겨의 핵심 지표들은 깊이 정보 없이도 정확한 측정이 가능하기 때문에 AI 분석의 실용성이 매우 높다.

MIT Human Insight Collaborative(MITHIC)의 지원을 받아 AI가 예술적 성과를 평가하는 메커니즘에 대한 연구가 진행 중이다. 연구진은 AI가 단순히 인간의 평가를 흉내 내는 것인지, 아니면 전문가나 초보자와 유사한 미적 개념 지도를 바탕으로 판단하는지를 분석하여 주관적 평가의 객관적 지표화를 목표로 한다.

연구진은 물리적 계산을 통해 인간이 5회전 점프(Quintuple)를 성공시키는 것이 충분히 가능하다는 결론을 내렸다. 다만 6회전 점프는 인간 신체의 물리적 한계를 넘어설 것으로 보이며, 5회전 점프는 가까운 미래에 실제 경기에서 목격될 가능성이 높다.

2026년 밀라노-코르티나 동계 올림픽에서 NBC 스포츠와 협력하여 AI 데이터 분석 기술을 중계에 활용한다. 이는 피겨 스케이팅, 스키, 스노보드 등 기술적 난이도가 높은 스포츠의 심사 기준을 시청자들에게 데이터 기반으로 설명하여 스포츠의 이해도와 몰입감을 높이는 데 기여한다.

용어 해설

포즈 추정(Pose Estimation): — 이미지나 비디오에서 인간의 관절 위치를 식별하여 신체적 자세를 파악하는 컴퓨터 비전 기술이다. 피겨 스케이팅 선수의 골격 움직임을 데이터화하여 점프 높이와 회전 속도를 정밀하게 측정하는 데 필수적이다.
수행 점수(GOE (Grade of Execution)): — 피겨 스케이팅 기술 요소의 수행 품질에 따라 심판이 부여하는 가산점 또는 감점이다. AI 시스템은 선수의 점프 데이터를 분석하여 국제 심사 기준에 부합하는 예상 GOE를 자동으로 산출한다.
범용 인공지능(AGI (Artificial General Intelligence)): — 특정 분야를 넘어 인간과 유사한 수준의 지적 능력을 발휘하는 인공지능이다. 스포츠 심사와 같은 복잡한 인간의 판단 과정을 AI로 구현하는 연구는 AGI로 나아가는 중요한 단계로 평가받는다.
광학 추적(Optical Tracking): — 카메라 렌즈를 통해 포착된 영상 데이터를 분석하여 물체의 위치와 움직임을 실시간으로 추적하는 기술이다. 피겨 스케이팅의 빠른 회전과 도약 과정을 정밀하게 캡처하여 분석하는 데 활용된다.

기술

OOFSkate
Pose Estimation
Optical Tracking
AI Classifier

활용 사례

피겨 스케이팅 점프 역학 분석
AI 기반 예술성 평가 모델링
데이터 기반 스포츠 중계 스토리텔링

언급된 리소스

문서MIT Sports Lab