DeepSwing
AI ဖြင့် စက်ပစ္စည်းပေါ်တွင် တိုက်ရိုက် ဂေါက်ရိုက်ချက်များကို တစ်ဘောင်ချင်း (Frame-by-Frame) ခွဲခြောက်ပေးကာ အဆင့်သတ်မှတ်ပေးပြီး ချက်ချင်း အကြံပြုချက်ပေးသည့် ကိရိယာ
ဝဘ်ဆိုက်သို့ သွားရန် ↗DeepSwing ဆိုတာ ဘာလဲ
DeepSwing သည် ဂျာမနီနိုင်ငံမှ ထုတ်လုပ်သော ဂေါက်ရိုက်ချက် (Golf Swing) ခွဲခြောက်ပေးသည့် App တစ်ခုဖြစ်ပြီး "စက်ပစ္စည်းပေါ်တွင် တိုက်ရိုက် (On-device)" တွက်ချက်ပေးသည့် AI ကို အဓိက အသုံးပြုထားသည်။ ၎င်းသည် သင်၏ ဂေါက်ရိုက်ဗီဒီယိုကို တစ်ဘောင်ချင်း ခွဲခြောက်ပေးပြီး အဆင့်တစ်ခုချင်းစီ (Backswing၊ Top၊ Downswing၊ Impact၊ Follow-through) အပြင် အဆစ်များနှင့် တုတ်ရိုး (Shaft) ထောင့်များကိုပါ ထောက်လှမ်းကာ ရမှတ်များနှင့် လက်ငင်း သင်ကြားရေး အကြံပြုချက်များကို ပေးစွမ်းသောကြောင့် အမှားကို ချက်ချင်း သိရှိပြင်ဆင်နိုင်မည်ဖြစ်သည်။
စမတ်ဖုန်းပေါ်တွင်သာ တွက်ချက်မှုများ ပြီးမြောက်သည့်အတွက် တုံ့ပြန်မှု အမြန်နှုန်း မြန်ဆန်ပြီး ဗီဒီယိုများကို Cloud သို့ အကုန်အစင် တင်ရန် မလိုအပ်ပါ။
ဖြေရှင်းပေးနိုင်သည့် ပြဿနာများ
အပျော်တမ်း ဂေါက်သီးသမား အများစုတွင် နည်းပြ အမြဲပါလာရန် ခက်ခဲပြီး ဗီဒီယိုကို ကိုယ်တိုင်ကြည့်ရုံဖြင့် ရိုက်ချက်အဆင့်ဆင့်၏ သိမ်မွေ့သော ထောင့်ကွာခြားချက်များကို ခွဲခြားရန် ခက်ခဲတတ်သည်။ DeepSwing သည် ပရော်ဖက်ရှင်နယ် နည်းပြများ ကြည့်ရှုလေ့ရှိသော အဓိက အချက်အလက်များကို ရမှတ်များနှင့် ထောင့်ဒေတာများအဖြစ် ပြောင်းလဲပေးပြီး ရိုးရာဓလေ့အရ နောက်မှ ပြန်ကြည့်ရသည့် နည်းလမ်းအစား လက်ငင်း အကြံပြုချက်များ (Real-time coaching cues) ဖြင့် အစားထိုးပေးထားရာ လေ့ကျင့်နေစဉ်အတွင်းပင် ချက်ချင်း ပြင်ဆင်နိုင်စေသည်။
ကိုယ်တိုင် လေ့ကျင့်လိုပြီး ရည်မှန်းချက်ရှိသော အလတ်စား ဂေါက်သီးသမားများနှင့် နည်းပြသင်တန်း မကြာခဏ မတက်နိုင်သူများအတွက် အသင့်တော်ဆုံး ဖြစ်သည်။ စက်ပစ္စည်းပေါ်တွင် တွက်ချက်သည့် ဒီဇိုင်းကြောင့် အချက်အလက်များသည် မိမိဖုန်းထဲတွင်သာ ရှိနေပြီး ကိုယ်ရေးကိုယ်တာ လုံခြုံရေးအတွက် ပိုမို စိတ်ချရစေပါသည်။
အဓိက အင်္ဂါရပ်များ
- ဂေါက်ရိုက်ချက် အဆင့်တစ်ခုချင်းစီကို တစ်ဘောင်ချင်း ခွဲခြောက်၍ သီးခြားစီ အမှတ်ပေးခြင်း
- အဆစ်များနှင့် တုတ်ရိုးထောင့်များကဲ့သို့ ဇီဝစက်မှုဆိုင်ရာ ညွှန်းကိန်းများကို ထောက်လှမ်းခြင်း
- စက်ပစ္စည်းပေါ်တွင် တိုက်ရိုက်တွက်ချက်သော (On-device) AI ဖြင့် တုံ့ပြန်မှု မြန်ဆန်ခြင်း
- လက်ငင်း သင်ကြားရေး အကြံပြုချက်များ ပါရှိသဖြင့် လေ့ကျင့်နေစဉ်အတွင်း ပုံစံကို ချက်ချင်း ပြင်ဆင်နိုင်ခြင်း
- ဂေါက်ရိုက်ချက်များကို ရမှတ်များအဖြစ်ပြောင်းလဲကာ တိုးတက်မှုနှင့် အားနည်းချက်များကို 量化 ဖြင့် ပြသခြင်း
အားသာချက်များ
- စက်ပစ္စည်းပေါ်တွင် တွက်ချက်မှု မြန်ဆန်ခြင်း၊ ဗီဒီယိုများကို Cloud သို့ အကုန်တင်ရန် မလိုဘဲ ကိုယ်ရေးလုံခြုံမှု ပိုမို အာမခံချက်ရှိခြင်း
- වියူရယ်ဆန်သော ရိုက်ချက်ပုံစံများကို ရမှတ်များနှင့် ထောင့်များအဖြစ် ပြောင်းလဲပေးသဖြင့် အားနည်းချက်များကို တစ်ချက်ကြည့်ရုံဖြင့် သိရှိနိုင်ခြင်း
- လက်ငင်း အကြံပြုချက်များကြောင့် ပြဿနာကို နောက်မှ သိရှိရမည့်အစား လေ့ကျင့်စဉ်အတွင်း ချက်ချင်း ညှိနှိုင်းပြင်ဆင်နိုင်ခြင်း
အားနည်းချက်များ
- ဖုန်းရိုက်ကူးသည့် ထောင့်နှင့် ရုပ်ထွက်အရည်အသွေးသည် ခွဲခြောက်မှု တိကျမှုကို ထိခိုက်စေနိုင်ခြင်း
- AI ဒေတာများသည် လူကိုယ်တိုင် သင်ပြပေးသည့် နည်းပြတစ်ဦးကဲ့သို့ တစ်ခုလုံး၏ ရစ်သမ် (Tempo) ကို အပြည့်အဝ အစားထိုးရန် ခက်ခဲဆဲဖြစ်ခြင်း
အသုံးပြုမှုများ
- Driving Range တွင် ကိုယ်တိုင်လေ့ကျင့်စဉ် Backswing နှင့် Impact ထောင့်များကို တစ်ဘောင်ချင်း စစ်ဆေးခြင်း
- နည်းပြသင်တန်း တက်ရန် အချိန်မရှိသော ဂေါက်သီးသမားများ ရမှတ်များဖြင့် မိမိ၏ တိုးတက်မှုကို ခြေရာခံခြင်း
- ပြိုင်ပွဲမတိုင်မီ လက်ငင်း အကြံပြုချက်များကို အသုံးပြု၍ မှားယွင်းနေသော ပုံစံများကို အမြန်ဆုံး ပြန်လည်ပြင်ဆင်ခြင်း
အယ်ဒီတာမှတ်ချက်
နည်းပြတစ်ဦး၏ မျက်လုံးများကို ဖုန်းထဲသို့ ထည့်သွင်းပေးလိုက်သကဲ့သို့ ဖြစ်ပြီး၊ စက်ပစ္စည်းပေါ်မှ လက်ငင်း အမှတ်ပေးစနစ်က ကိုယ်တိုင်လေ့ကျင့်ရာတွင် စမ်းတဝါးဝါး ဖြစ်နေခြင်းကို ဖယ်ရှားပေးပါသည်။
မေးလေ့ရှိသောမေးခွန်းများ
DeepSwing အတွက် ပြင်ပအာရုံခံကိရိယာများ (Sensors) လိုအပ်ပါသလား။
ထုတ်ကုန်၏ တည်ဆောက်ပုံအရ ၎င်းသည် စက်ပစ္စည်းပေါ်ရှိ AI ဖြင့် ဂေါက်ရိုက်ဗီဒီယိုများကို ခွဲခြောက်ရန် အဓိက ရည်ရွယ်ထားပြီး မူလအနှစ်သာရမှာ ဖုန်းဖြင့် ရိုက်ကူးထားသော ရုပ်ပုံများကို တစ်ဘောင်ချင်း တွက်ချက်ခြင်း ဖြစ်သည်။ အခြားဆက်စပ်ပစ္စည်းများ လိုအပ်သည် မလိုအပ်သည်ကိုမူ တရားဝင် ထုတ်ပြန်ချက်များတွင် ထပ်မံစစ်ဆေးရန် အကြံပြုအပ်ပါသည်။
စက်ပစ္စည်းပေါ်တွင် တွက်ချက်ခြင်း၏ အကျိုးကျေးဇူးက ဘာလဲ။
ဖုန်းပေါ်တွင် တိုက်ရိုက် တွက်ချက်ခြင်းက တုံ့ပြန်မှုကို ပိုမိုမြန်ဆန်စေပြီး ဂေါက်ရိုက်ဗီဒီယိုအားလုံးကို Cloud သို့ တင်ရန်မလိုတော့ဘဲ ကိုယ်ရေးလုံခြုံမှုကို တန်ဖိုးထားသူများအတွက် ပိုမို အဆင်ပြေစေပါသည်။
လုံးဝ စတင်သူများအတွက် သင့်တော်ပါသလား။
စတင်သူများလည်း မှန်ကန်သော လှုပ်ရှားမှု သဘောတရားကို တည်ဆောက်ရန် အသုံးပြုနိုင်သော်လည်း တုံ့ပြန်ချက် အများစုမှာ ထောင့်များနှင့် အဆင့်အမှတ်များကို အခြေခံထားသောကြောင့် အခြေခံ ဂေါက်ရိုက်ဗဟုသုတ သို့မဟုတ် တစ်ခါတရံ လူကိုယ်တိုင် လမ်းညွှန်မှုနှင့် တွဲဖက်အသုံးပြုပါက ပိုမို ထိရောက်မည် ဖြစ်သည်။