Sciences 2024
Lancé en 2018 par le ministère des Sports et des Jeux olympiques et paralympiques, et en complément d'autres initiatives comme le Programme prioritaire de recherche « Sport de très haute performance », le programme Sciences 2024 visait à développer des solutions scientifiques innovantes pour répondre à des problématiques sportives, en mettant à contribution le savoir-faire des équipes de recherche françaises, notamment en mathématiques, physique et mécanique.
Ce projet regroupait les énergies et les connaissances de treize grandes écoles, une université et deux centres de recherche. L'Efrei, seule école privée participant à l'initiative, a pu apporter son expertise dans le domaine du numérique.
Efrei Research Lab
L'Efrei, « la Grande école du numérique », est un Établissement d'enseignement supérieur privé d'intérêt général (EESPIG). Fondée en 1936 et n'ayant eu de cesse d'évoluer pour adapter son offre de formation aux enjeux d'aujourd'hui et de demain, l'Efrei forme de futurs ingénieurs et experts du numérique.
Les activités de recherche de l’École ne sont pas en reste, avec un laboratoire, l'Efrei Research Lab, qui se concentre sur tous les domaines du numérique :
- Data et Intelligence Artificielle ;
- Sécurité, Résilience & Confiance numérique ;
- Réseaux de communication ;
- Systèmes embarqués intelligents.
Dans la perspective des Jeux olympiques et paralympiques de Paris 2024, et en s'inscrivant au cœur de l'effort collectif mené dans le cadre de l'initiative Sciences 2024, l'Efrei Research Lab a orienté ses travaux autour des domaines de l’acquisition et du traitement du signal, de l’analyse vidéo, de la modélisation et de l’exploitation des données.
Projets de recherche dans la perspective des Jeux
Les travaux de recherche pour optimiser les performances sportives en vue des Jeux olympiques et paralympiques ont été menés en lien avec les Fédérations françaises de natation (FFN) et de tennis (FFT) ainsi qu'avec l’Institut français du cheval et de l’équitation (IFCE).
Les travaux d’Efrei Research Lab portent entre autres sur le suivi et l’analyse des sportifs pour évaluer leur charge de travail, améliorer leur performance ou prévenir la blessure.
Avec la Fédération française de natation (FFN)
Le travail avec la FFN consiste à localiser de manière précise (à quelques dizaines de centimètres près) les poloïstes et les nageurs à des fin tactiques, avec des technologies de radiofréquences adaptées.
Une piscine couverte est un environnement particulièrement complexe pour la vidéo, en raison des éclaboussures et des reflets. Quant aux ondes radio, elles peuvent être perturbées à cause des multiples trajets à l’intérieur des bâtiments et de la forte absorption des ondes par l’eau.
Le défi, en water-polo, est de localiser les 12 joueurs avec une précision inférieure à 30 centimètres, dans la zone d’attaque/défense. C’est dans cette zone de 6x20m devant les cages qu’ont lieu la plupart des actions.
En natation, il s’agit de suivre la progression des nageurs dans le bassin à l’aide de dispositifs fonctionnant à 433MHz. L’estimation de leur position passe par la modélisation du signal qu’ils émettent dans l’eau, qui traverse ce milieu jusqu’à l’antenne réceptrice en-dehors du bassin.
Avec la Fédération française de tennis (FFT)
L’objectif du projet avec la FFT est de générer des statistiques et des caractéristiques du jeu à partir de vidéos mono-caméra de match de tennis sur terre battue. Plusieurs défis scientifiques sont à considérer :
- La détection et le suivi du terrain est difficile car les lignes du terrain sont souvent estompées pendant le jeu ;
- Les paramètres de la caméra sont inconnus ;
- Le joueur éloigné présente un défi majeur car il n’est pas toujours possible de le détecter et le suivre correctement ;
- Pouvoir caractériser et associer à chaque joueur un profil de jeu.
Avec l'Institut français du cheval et de l’équitation (IFCE)
Le projet avec l’IFCE s’intéresse à la qualité de la locomotion, qui est un pré-requis de la performance sportive du couple cavalier/cheval. Mieux connaître et caractériser la locomotion pourrait prévenir la détérioration des allures, l’apparition de blessures, de signes d’inconfort, de fatigue, etc.
L’estimation de la pose est une étape nécessaire pour analyser la locomotion du cheval. En l'absence d’une base publique riche et complète d’analyse de la locomotion, un nouveau squelette du cheval a été développé en se basant sur les points anatomiques. Un modèle machine learning approprié a été mis en place pour apprendre le nouveau squelette du cheval.
