Cosa facciamo


L'istituto è composto da vari gruppi di lavoro, ognuno dei quali ha delle competenze.
Eccoli elencati

È composto da 18 ricercatori (1 PO, 1 PA, 2 RTD-A, 14 studenti di dottorato) che lavorano su temi di monitoraggio e apprendimento del comportamento e machine learning. Lo sport rappresenta un ambito ideale per la ricerca e nel passato sono stati condotti progetti sull’analisi del comportamento degli spettatori di un evento sportivo e il monitoraggio in tempo reale dello stesso.

MEMBRI

Computer vision

Machine learning

Multimedia

 

MEMBRI

La modellazione (“modelling”) è la descrizione della prestazione sportiva tramite strumenti matematici. Utilizziamo strumenti come le equazioni del moto, le reti neurali e il controllo ottimo (model predictive control incluso) per descrivere e quindi quantificare tre aspetti fondamentali del gesto atletico: 1) la biomeccanica del gesto, 2) la bioenergetica e 3) la locomozione. Nel primo caso utilizziamo i nostri strumenti per l’analisi del gesto ottimale, per discutere soluzioni ergonomiche nel design di attrezzatura e di dispositivi per la riabilitazione. Nel secondo caso utilizziamo i principi primi della fisiologia dell’esercizio per il design di sessioni di allenamento, per la stima/previsione della risposta fisiologica acuta e cronica all’esercizio e per la stima della miglior strategia di gara. Nel terzo caso utilizziamo le leggi della meccanica classica per una stima globale delle forze agenti sul sistema “atleta”, visto come "centro di massa" in movimento. Quantificare tramite modelli la performance sportiva ci permette di interpretare i dati provenienti dai wearable, dalla motion capture e dalle valutazioni funzionali, ma anche di sostituirsi agli strumenti di misura qualora questi non fossero disponibili o fossero inutilizzabili su campo.

Ha oltre oltre 15 anni di esperienza nell’ambito delle tecnologie low-power wireless (reti di sensori wireless, Internet of Things) e nel loro utilizzo in sistemi reali e installati in campo. In particolare, negli ultimi anni ha sviluppato una considerevole esperienza nel campo della localizzazione e in particolare dei real-time localization systems (RTLS) basati su radio ultra-wideband (UWB). Tali radio sono ritornate recentemente in voga grazie a nuovi chip a basso costo, basso consumo energetico, e piccolissime dimensioni, in grado di stimare la distanza fra due nodi con una precisione <10cm. Tali caratteristiche abilitano molte delle opportunità sopramenzionate, consentendo ad esempio la strumentazione dell’ambiente in cui si svolge lo sport e/o degli stessi sportivi al fine di localizzarli e tracciarne i movimenti con alta precisione, costi contenuti ed elevata autonomia.

Sito web: http://d3s.disi.unitn.it/

MEMBRI

Internet of Things

Reti di sensori wireless

Localizzazione (RTLS)

Sistemi distribuiti

 

MEMBRI

Localization Techniques through Electromagnetic Signals (Active, Passive, Supervised, Unsupervised)

Decision Support Systems

Optimization Techniques

Prediction Techniques and Learning Methods  (Supervised, Unsupervised, Reinforced)

Big Data Processing

Electromagnetic Compatibility for Sport Devices and Athlets

 

MEMBRI

Utilizzo dei diversi materiali nell’attrezzatura sportiva, progettazione e supporto sia per i produttori che gli utilizzatori (atleti e squadre)

Introduzione di nuovi materiali e smart materials per migliorare le performance

Materiali per confort sportivo, trattamenti e caratterizzazione di superfici e rivestimenti

Degrado e invecchiamento dei materiali e manufatti

Comportamento meccanico dei materiali

Prove di fatica

Prove di laboratorio specifiche per l’applicazione

Degrado dei materiali di attrezzature e di infrastrutture sportive

Progettazione di prodotti collegati all’ambito sportivo

Modellazione numerica della risposta termica e meccanica

Aspetti di design (aspetti percettivi) applicati nel campo dello sport

Ha come mission lo sviluppo di strumenti e tecniche per la gestione di dati, con particolare riferimento a Big Data e data analytics. Inoltre, a livello di conoscenza, il gruppo ha competenze molto verticali su e-learning, project management di eventi sportivi, knowledge management.

MEMBRI

Semantic data modelling

Big Data analytics

Visual analytics

Business Intelligence

Dashboard di navigazione visuale

Project management

E-learning

Il gruppo di ricerca mmLab svolge la propria ricerca nell'ambito dell'elaborazione dei segnali con particolare riferimento a immagini e video. Nel contesto di I-STAR, il gruppo è attualmente coinvolto in attività progettuali per l'estrazione automatica di informazioni da sequenze video, il tracciamento automatico dei giocatori, con finalità di analisi tattica, riabilitazione, simulazione e virtualizzazione 3D con applicazione in diversi ambiti sportivi, incluso calcio, basket, tennis.

MEMBRI

Elaborazione Segnali

Elaborazione Immagini e Video

Visione Artificiale

Analisi comportamenti

Il gruppo di ricerca CIMILab svolge la propria ricerca nell'ambito della creazione di sistemi interattivi che usano simultaneamente più modalità sensoriali, in particolare la visione, l'udito e il tatto.
Nel contesto di I-STAR, il gruppo è attualmente coinvolto in attività progettuali per la trasformazione del movimento degli sportivi in segnali sonori e tattili, che vengono forniti allo sportivo in tempo reale con lo scopo di migliorarne le prestazioni oppure per creare nuove forme di allenamento.

MEMBRI

Istituto per la ricerca scientifica e tecnologica nello sport
istar@unitn.it