Capire come un atleta distribuisce lo sforzo, coordina i movimenti o recupera l’equilibrio senza applicargli sensori: ENEA sta sperimentando videocamere e intelligenza artificiale per trasformare il gesto sportivo reale in dati misurabili, arrivando a lavorare anche in un ambiente difficile come una piscina.
L’obiettivo è fornire ad allenatori e ricercatori strumenti per analizzare la tecnica individuale senza obbligare l’atleta ad adattarsi a un modello standard. Nello sport di alto livello, infatti, alcune caratteristiche personali del gesto possono contribuire alla prestazione, mentre altre possono indicare carichi, asimmetrie o movimenti potenzialmente problematici.
“Nello sport di alto livello il gesto dell’atleta non deve essere necessariamente riportato a un modello standard perché spesso è proprio la sua unicità a renderlo efficace. L’analisi quantitativa serve a capire quali caratteristiche sono funzionali alla prestazione e quali, invece, possono rappresentare un fattore di rischio”, spiega Andrea Zanela, ricercatore del Laboratorio Energia e Data Science ENEA che ha sviluppato la ricerca.
Per ottenere dati misurabili viene utilizzato un approccio markerless, cioè basato su tecnologie capaci di rilevare e analizzare il movimento del corpo senza applicare marcatori o sensori sulla pelle e sui vestiti. Il sistema combina videocamere, algoritmi di deep learning, stima della posa e ricostruzione tridimensionale, integrando sensori fisici solo quando possono aggiungere informazioni utili.
“I sistemi con minore invasività sono fondamentali negli sport come tennis, tuffi, nuoto, pallanuoto e altre discipline ad alta specializzazione tecnica, in cui anche piccoli vincoli esterni possono alterare la prestazione. L’obiettivo non è solo misurare ‘quanto’ l’atleta performa, ma capire ‘come’ produce quella prestazione, come coordina i segmenti corporei, gestisce il timing, distribuisce il carico, mantiene equilibrio e assetto e se alcune caratteristiche individuali del gesto rappresentano un punto di forza o meno”, prosegue Zanela.
Il lavoro pubblicato sulla rivista scientifica Bioengineering si concentra in particolare sulla pallanuoto paralimpica, ma si inserisce in una linea di ricerca ENEA applicata anche ad altre discipline sportive.
Dal tennis alla pallanuoto
Nel tennis possono essere analizzati catena cinetica, timing e qualità del colpo. L’analisi video markerless permette di studiare postura, angoli articolari, rotazione del tronco, movimento dell’anca, azione del braccio dominante e sequenza complessiva del gesto.
A questa analisi può essere affiancata quella acustica, utile per riconoscere automaticamente eventi come l’impatto tra palla e racchetta e il successivo rimbalzo sul campo.
“L’analisi quantitativa può fornire all’allenatore informazioni sulla qualità temporale e biomeccanica del colpo; non si tratta di imporre a tutti gli atleti lo stesso gesto, ma di capire se quello individuale è efficace, stabile, ripetibile e sostenibile dal punto di vista fisico”, spiega Zanela.
Un caso particolarmente complesso riguarda la pallanuoto, perché porta l’analisi biomeccanica direttamente in acqua, dove riflessi, schizzi, immersioni parziali e continui cambiamenti di posizione rendono più difficile seguire con precisione il corpo dell’atleta.
L’analisi della spinta verticale permette di stimare parametri come spostamento, tempo, velocità, accelerazione e potenza, contribuendo a costruire profili di forza e controllo posturale utili per confrontare movimenti, individuare asimmetrie e studiare eventuali strategie di compensazione.
Sport paralimpico ed equità
Anche la pallanuoto paralimpica è stata studiata con lo stesso approccio, con l’obiettivo di misurare in modo più oggettivo come una disabilità fisica incida sul gesto sportivo reale.
L’analisi può mettere in evidenza, per esempio, come le limitazioni funzionali influenzino galleggiamento, propulsione verticale, controllo del tronco, uso degli arti superiori, passaggio, tiro e risposta al contatto fisico.
“Il lavoro sulla pallanuoto paralimpica ha esteso la logica della sport science a un tema di equità sportiva. Grazie alla collaborazione con la Federazione Italiana Nuoto Paralimpico sono stati analizzati atleti nazionali con disabilità motorie e atleti di riferimento durante gesti specifici della disciplina come galleggiamento, propulsione, passaggio, tiro non contrastato e tiro contrastato”, prosegue Zanela.
Queste misurazioni potrebbero diventare un supporto alla classificazione funzionale, il sistema che raggruppa gli atleti in base all’impatto che la disabilità ha sulla prestazione nella specifica disciplina. Non significa però affidare a un algoritmo l’assegnazione automatica di una classe sportiva: i dati vengono utilizzati come ulteriore elemento quantitativo a supporto delle valutazioni.
Per ora è uno studio pilota
Il lavoro pubblicato su Bioengineering va considerato ancora una sperimentazione preliminare. Lo studio ha coinvolto cinque atleti uomini di livello nazionale, tre con disabilità motorie e due senza disabilità utilizzati come riferimento.
Gli stessi ricercatori sottolineano che il campione è troppo piccolo per stabilire soglie valide per la classificazione e che serviranno ulteriori test, gruppi più numerosi e confronti con sistemi di motion capture di riferimento.
L’ambiente acquatico presenta inoltre difficoltà specifiche: riflessi sulla superficie, schizzi, immersioni parziali e perdita temporanea di alcuni punti del corpo possono ridurre la continuità delle misurazioni. Proprio per questo la ricerca punta a capire quali dati restino sufficientemente affidabili anche in condizioni sportive reali.
La prospettiva è utilizzare strumenti simili non soltanto per descrivere quanto velocemente o con quanta forza si muove un atleta, ma per comprendere meglio come produce quel risultato e quali caratteristiche del gesto meritino di essere mantenute, corrette o monitorate.
“Questa metodologia trasversale può avere come domini applicativi non solo lo sport ma anche l’ambiente urbano, i servizi alla persona e le infrastrutture e i sistemi energetici”, conclude Zanela.
