[CASE STUDY] AI TABLE TENNIS COACH: HỆ THỐNG PHÂN TÍCH KỸ THUẬT VÀ TỐI ƯU LUYỆN TẬP BÓNG BÀN DỰA TRÊN COMPUTER VISION VÀ IOT
MỤC LỤC BÀI VIẾT
📌 TỔNG QUAN DỰ ÁN (EXECUTIVE SUMMARY)
- Danh mục: STEM / Computer Science & Hardware Engineering
- Tác giả: Học sinh Chương trình Chiến lược Học thuật BKSTAR
- Định hướng chuyên ngành: Computer Science / Data Science / Robotics Engineering
- Công nghệ sử dụng: Computer Vision (Pose Estimation), Dynamic Time Warping (DTW), cảm biến MPU6050, Vi điều khiển ESP32, Giao thức UDP/WebSocket, Bluetooth Low Energy (BLE)
AI Table Tennis Coach là hệ thống hỗ trợ phân tích kỹ thuật luyện tập bóng bàn cá nhân. Dự án kết hợp giữa Xử lý hình ảnh (Computer Vision) để phân tích tư thế cơ thể và Thiết bị đo lường IoT (Hardware) để ghi nhận nhịp vung vợt cùng trạng thái thể lực theo thời gian thực. Hệ thống không đóng vai trò thay thế huấn luyện viên, mà hoạt động như một công cụ định lượng hóa dữ liệu luyện tập, giúp người chơi dễ dàng nhận diện lỗi sai và theo dõi sự tiến bộ.
1. ĐẶT VẤN ĐỀ (PROBLEM STATEMENT)
Trong bộ môn bóng bàn, độ chính xác của cú đánh phụ thuộc rất lớn vào tư thế cơ thể, điểm tiếp xúc bóng và nhịp vung vợt. Tuy nhiên, quy trình luyện tập cá nhân thường gặp phải hai rào cản lớn:
- Thiếu công cụ quan sát trực quan: Người tập khó tự nhận biết lỗi sai kỹ thuật do chuyển động diễn ra quá nhanh. Việc quay lại video thông thường mất nhiều thời gian tua/tìm kiếm đoạn video mong muốn.
- Thiếu dữ liệu định lượng: Các yếu tố như lực vung vợt, độ ổn định giữa các cú đánh và trạng thái thể lực chủ yếu được cảm nhận bằng kinh nghiệm cá nhân thay vì số liệu thực tế.
2. KIẾN TRÚC HỆ THỐNG VÀ GIẢI PHÁP KỸ THUẬT (TECHNICAL ARCHITECTURE)
Dự án AI Table Tennis Coach được thiết kế gồm 3 phân hệ chính hoạt động song song:
2.1. Phân hệ Phân tích Video & Trích xuất Tư thế (Computer Vision)
- Cơ chế hoạt động: Người dùng quay lại đoạn video luyện tập và tải lên hệ thống xử lý.
- Thuật toán trích xuất (Pose Estimation): Thuật toán dựng khung xương (Skeleton) để xác định tọa độ các khớp cơ thể trong không gian 2D/3D.
- Phân đoạn dữ liệu (Video Segmentation): Hệ thống tự động cắt nhỏ đoạn video dài thành từng cú đánh riêng biệt. Điều này cho phép người tập mở chính xác cú đánh cần xem, so sánh chuyển động giữa các lần thực hiện và đánh giá chất lượng (Ví dụ: Đạt / Lỗi).
Hình 2: Giao diện người dùng tích hợp mô hình Pose Estimation, cho phép xem lại chi tiết từng cú đánh và đánh giá chỉ số DTW.
2.2. Phân hệ Cảm biến Chuyển động trên Vợt (IoT Motion Tracking)
- Phần cứng: Cảm biến gia tốc & góc quay 6 trục MPU6050 kết hợp vi điều khiển ESP32 được tích hợp gọn nhẹ lên phần cán vợt.
- Truyền tải dữ liệu: Dữ liệu gia tốc (m/s²) và tốc độ góc (rad/s) được đóng gói dưới dạng JSON và truyền qua giao thức UDP/WebSocket về máy chủ thời gian thực.
- Xử lý thuật toán: Áp dụng thuật toán Dynamic Time Warping (DTW) để so sánh độ tương đồng giữa quỹ đạo vung vợt thực tế của người tập với biểu đồ vung vợt chuẩn.
Hình 3: Mẫu thử mạch cảm biến phần cứng gắn trên cán vợt và Dashboard trực quan hóa dữ liệu chuyển động 6 trục theo thời gian thực.
2.3. Phân hệ Theo dõi Trạng thái Sinh học (Biological Health Monitoring)
- Tích hợp cảm biến: Mạch đo các thông số cơ bản bao gồm Nhịp tim (BPM), Nồng độ Oxy trong máu (SpO2), Nhiệt độ cơ thể và Số bước chân.
- Giao tiếp thiết bị: Dữ liệu truyền không dây qua Bluetooth Low Energy (BLE) tới ứng dụng di động.
- Ứng dụng thực tế: Cung cấp thông số tham khảo giúp người tập nhận biết trạng thái mệt mỏi thể lực khi buổi tập kéo dài, từ đó điều chỉnh cường độ vận động hợp lý.
Hình 4: Nguyên mẫu thử nghiệm (Low-fidelity Prototype) của mạch đo chỉ số sinh học và giao diện ứng dụng di động nhận dữ liệu qua BLE.
3. THÁCH THỨC KỸ THUẬT & BÀI HỌC KINH NGHIỆM (ENGINEERING CHALLENGES)
Trong quá trình phát triển dự án AI Table Tennis Coach, tác giả đã đối mặt và giải quyết các bài toán kỹ thuật thực tế:
- Xử lý nhiễu dữ liệu (Data Noise): Tín hiệu thu được từ cảm biến MPU6050 khi rung lắc mạnh dễ phát sinh nhiễu. Dự án đòi hỏi việc thử nghiệm các bộ lọc dữ liệu để đảm bảo biểu đồ hiển thị phản ánh đúng chuyển động thực tế.
- Đồng bộ dữ liệu (Data Synchronization): Kết hợp dòng dữ liệu hình ảnh (Video Frames) với dòng dữ liệu cảm biến (Sensor Time-series) yêu cầu tính toán độ trễ truyền thông để đảm bảo hai luồng thông tin trùng khớp tại cùng một thời điểm đánh bóng.
- Tối ưu hóa UX/UI: Chuyển đổi các thông số kỹ thuật phức tạp (như vector gia tốc, góc Euler) thành các dạng biểu đồ trực quan, giúp người dùng không có nền tảng kỹ thuật vẫn có thể đọc hiểu dễ dàng.
4. ĐỊNH HƯỚNG PHÁT TRIỂN (FUTURE WORK)
Dự án hướng tới các mục tiêu nâng cấp tiếp theo:
- Hoàn thiện phần cứng: Thiết kế vỏ bảo vệ in 3D (3D-printed enclosure) nhỏ gọn, tối ưu trọng lượng để không làm ảnh hưởng đến cảm giác cầm vợt của vận động viên.
- Đồng bộ hóa nâng cao: Tự động khớp trực tiếp biểu đồ vung vợt vào đúng mốc thời gian của từng cú đánh trên video.
- Mở rộng bộ dữ liệu (Dataset): Đào tạo mô hình AI trên nhiều tập dữ liệu của các vận động viên chuyên nghiệp để đưa ra gợi ý sửa lỗi tự động.
⚠️ LƯU Ý MIỄN TRỪ TÁC DỤNG (DISCLAIMER): Tất cả các chỉ số sinh học (nhịp tim, SpO2) thu thập bởi phân hệ phần cứng sinh học chỉ mang tính chất đo lường tham khảo trên mẫu thử nghiệm nguyên mẫu (prototype), không đại diện cho thiết bị chẩn đoán y tế chuyên dụng.
5. TẠI SAO HỌC SINH STEM CẦN XÂY DỰNG CASE STUDY CHUẨN HÀN LÂM?
Trong quy trình nộp hồ sơ tuyển sinh du học Mỹ và các quốc gia hàng đầu, Hội đồng tuyển sinh (Admissions Officers) thuộc các khối ngành Khoa học Máy tính (Computer Science) và Kỹ thuật (Engineering) không chỉ tìm kiếm những học sinh có điểm số SAT hay GPA tuyệt đối. Họ đặc biệt chú trọng tới khả năng ứng dụng lý thuyết vào thực tiễn thông qua các dự án cá nhân (Personal Projects).
Một dự án STEM như AI Table Tennis Coach nếu chỉ được mô tả ngắn gọn vài dòng trong danh mục Activities List của Common App sẽ không thể hiện hết chiều sâu tư duy logic, kỹ năng giải quyết vấn đề (Problem-solving) và sự kiên trì của học sinh khi đối mặt với các thất bại kỹ thuật. Việc chuyển đổi dự án thành một bài Case Study chuẩn mực giúp học sinh:
- Chứng minh năng lực tư duy kỹ thuật theo chuẩn quy trình thiết kế kỹ thuật (Engineering Design Process).
- Minh họa tính chủ động trong việc tự học các công nghệ nâng cao như Computer Vision, IoT và lập trình phần cứng.
- Tạo dựng một hồ sơ học thuật (Portfolio) chuyên nghiệp để gửi trực tiếp cho các Giáo sư hoặc đính kèm trong mục Honors / Supplemental Materials.
6. ĐỊNH HƯỚNG HỌC THUẬT CÙNG BKSTAR
🚀 CHƯƠNG TRÌNH ĐỒNG HÀNH NGHIÊN CỨU & PHÁT TRIỂN DỰ ÁN HỌC THUẬT
Tại BKSTAR, chúng tôi định hướng học sinh không chỉ làm dự án bề nổi mà đi sâu vào bản chất khoa học. Thông qua mô hình hướng dẫn 1-1 cùng các cố vấn chuyên môn, học sinh được hỗ trợ:
- Xác định bài toán thực tế và thiết kế kiến trúc giải pháp phù hợp với năng lực cá nhân.
- Tiếp cận các công nghệ hiện đại, thuật toán tối ưu và quy trình thử nghiệm sản phẩm thực tế.
- Chuẩn hóa sản phẩm thành bài báo nghiên cứu, Case Study hoặc hồ sơ năng lực đạt chuẩn kiểm duyệt của các đại học hàng đầu thế giới.
HỌC SINH BKSTAR ĐÃ CHINH PHỤC CÁC TRƯỜNG ĐẠI HỌC HÀNG ĐẦU
🏫 Carnegie Mellon University
🏫 Georgia Tech
🏫 Cornell University
