Un estudio reciente realizado por investigadores de la Universidad de New Hampshire ha encontrado cómo las técnicas integradas de aprendizaje de máquinas y profundos pueden crear un sistema estándar para probar las rutas de escalada de rocas para que el estado de calificación promueva problemas en la prohibición, que promueve, precisión y acceso a todos los niveles de experiencia. Este estudio, apareció en la revista. Fronteras en la vida deportiva y activaSe ha encontrado que el enfoque más exitoso para determinar el problema de escalar la roca utiliza métodos de procesamiento del lenguaje natural centrados en la ruta.
Dado que el juego de escalada de rocas ha sido popular e internacionalmente reconocido desde su inicio en los Juegos Olímpicos de Tokio de 2020, la demanda de una forma permanente de determinar la dificultad de la ruta se ha vuelto cada vez más importante porque no hay estándares oficiales aquí no existen aquí. Aunque el jammu comercial de escalada necesita objetos para formar rutas que sean capaces de montañeros de todos los niveles, las escalas difíciles a menudo dependen de la decisión personal y sigue siendo un proceso sofisticado, lo que causa inconsistencia y prejuicio.
“La popularidad de la escalada de rocas como un juego divertido está creciendo dramática”, dice Blays Omara, un estudiante graduado de la UNH y autor principal del estudio. “El objetivo de la ruta de escalada es importante en la comunidad de escalada, pero el desafío ha sido sobre cómo establecer una calificación uniforme que se aplique a todos los niveles de habilidad”.
Los problemas de la ruta dependen de una serie de factores, como el entorno de escalada, los tipos de retención de rocas y el movimiento de la montaña. Los investigadores vieron cómo estos factores juegan su papel en el camino hacia la dificultad. Centrado en la ruta, el enfoque de montañero y el posible uso del procesamiento del lenguaje natural para ofrecer un método más objetivo para el problema del enrutamiento de enrutamiento en una encuesta realizada por las técnicas de aprendizaje automático de clasificación UNH.
“A través de nuestra investigación, tratamos de indicar que la configuración de ruta y el prejuicio de las rutas”, dijo Shad Mahmood, profesor asociado de ingeniería eléctrica e informática en UNH. “Durante nuestro estudio, el enfoque central de la ruta que se centró en analizar las características de la ruta, como el movimiento entre los tipos de retención, las agudas y las corrientes, mientras que el enfoque basado en la montaña a la matriz, como la electromimografía y la aceleración. Usando un desgaste – Usar sensor para rastrear y en el pasado mira las actuaciones de escalada.
La encuesta encontró que la precisión y la granularidad tienen resultados clave, y el método de enfoque de ruta ha podido lograr la precisión de la mayor granularidad del 84.7 %. Según los investigadores de UNH, el éxito futuro en la determinación de la escalada en el entorno del caos se basará potencialmente en datos centrados en la raíz con la visión por computadora y luego se alimentará a través del algoritmo de procesamiento del lenguaje natural – Además, esperan que la máquina esté preparada para resolver caminos como montañeros, como el aprendizaje y el aprendizaje profundo. Con una evolución adicional, estos métodos pueden resolver el problema de calificar la propagación de prejuicios para determinar la dificultad en el camino de escalada de rocas.
El trabajo fue apoyado por la subvención de creación de la estación de experiencia agrícola NH (11hn37).
