Inden for sport afgøres forskellen mellem succes og fiasko ofte på millisekunder. En cricketspiller, der justerer fodstillingen, en løber, der finpudser sin sprintteknik, eller en fodboldspiller, der perfektionerer sin pasningsform – disse små justeringer kan være afgørende for, om man vinder eller taber.
Traditionel motion capture har længe været guldstandarden for analyse af atletiske bevægelser, men dens begrænsninger har hæmmet udbredelsen. Konventionelle systemer kræver, at atleter bærer reflekterende markører og specialdragter, mens de udfører øvelser i kontrollerede laboratoriemiljøer. Disse opsætninger kan koste titusindvis af dollars og er derfor kun tilgængelige for elitehold og veludstyrede forskningsfaciliteter.
Kunstig intelligens ændrer nu dette billede markant. Markerløs motion capture, drevet af deep learning og computer vision, gør det muligt at spore bevægelser direkte fra videooptagelser uden fysiske markører. Teknologien modnes hurtigt, og virksomheder som Theia går forrest med deres 2025-softwareopdatering 'Theia Axiom', der understøtter de nyeste NVIDIA RTX 50 Series grafikkort for forbedret databehandling.
"Markerløs motion capture giver et praktisk alternativ, der er tilgængeligt, skalerbart og kan tilpasses virkelige omgivelser," forklarer professor Habib Noorbhai, sundheds- og sportsforsker og medforfatter til et nyt studie om teknologien. "Det er et skifte, der lover at forandre, hvordan atleter træner, bevæger sig, hvordan skader vurderes, og hvordan trænere finjusterer præstationer."
Anvendelsesmulighederne er omfattende. Inden for genoptræning kan fysioterapeuter overvåge bevægelsesfejl i realtid, så atleter, der kommer sig efter skader som korsbåndsbristninger, kan få overvåget gang og knævinkler på afstand. Til præstationsforbedring kan trænere analysere biomekanik i naturlige omgivelser frem for kunstige laboratorier.
Selvom markerfrie systemer stadig står over for udfordringer – såsom problemer med skjulte kropsdele og variationer i belysning, der påvirker nøjagtigheden – udvikler teknologien sig hurtigt. Nye valideringsstudier viser lovende resultater, men forskere påpeger, at der stadig er behov for yderligere forbedringer, før disse systemer fuldt ud kan erstatte markerbaserede opsætninger til alle formål.
Markedet for AI i sport vokser eksplosivt, med prognoser der viser en stigning fra 7,63 milliarder dollars i 2025 til 26,94 milliarder dollars i 2030 – en årlig vækstrate på 28,69 %. Denne vækst drives af øget anvendelse af AI-teknologier på alle områder af sport, fra præstationsanalyse til skadesforebyggelse og fan-engagement.
I takt med at AI-modeller bliver mere avancerede, og sensorteknologien udvikler sig, vil præcisionen i markerfrie systemer fortsætte med at stige. Fremtiden vil sandsynligvis byde på integration af flere tilgange frem for, at én teknologi fuldstændigt erstatter en anden, hvilket skaber en sammenhængende ramme for bevægelsesanalyse, der fungerer på tværs af forskellige behov og kontekster.
For atleter på alle niveauer betyder denne teknologiske revolution, at avanceret præstationsanalyse bliver langt mere tilgængelig. Det, der tidligere kun var forbeholdt eliteudøvere, er nu inden for rækkevidde for universitets- og udviklingshold samt dedikerede amatører – og demokratiserer sportsvidenskaben og udligner konkurrencevilkårene på måder, der tidligere var utænkelige.