Scheda studio

Movimento dell'arco al tiro: studio Hasegawa 2016

Archery Routing Motion Pattern Comparison Using Hidden Markov Models

Shoichi Hasegawa, Kleawsirikul Nutnaree, Midori Kawaguchi2016

Citazione

Hasegawa, S., Nutnaree, K., & Kawaguchi, M. (2016). Archery Routing Motion Pattern Comparison Using Hidden Markov Models. The Proceedings of JSME annual Conference on Robotics and Mechatronics (Robomec), 2016(0), 2A1-12a2. https://doi.org/10.1299/jsmermd.2016.2a1-12a2

Cita lo studio
APA

Hasegawa, S., Nutnaree, K., & Kawaguchi, M. (2016). Archery Routing Motion Pattern Comparison Using Hidden Markov Models. The Proceedings of JSME annual Conference on Robotics and Mechatronics (Robomec), 2016(0), 2A1-12a2. https://doi.org/10.1299/jsmermd.2016.2a1-12a2

BibTeX
@inproceedings{hasegawa2016routingmotion,
  author = {Hasegawa, Shoichi and Nutnaree, Kleawsirikul and Kawaguchi, Midori},
  title = {Archery Routing Motion Pattern Comparison Using Hidden Markov Models},
  year = {2016},
  booktitle = {The Proceedings of JSME annual Conference on Robotics and Mechatronics (Robomec)},
  volume = {2016},
  number = {0},
  pages = {2A1--12a2},
  doi = {10.1299/jsmermd.2016.2a1-12a2}
}

Scheda tecnica

Disegno
Metodologico
Popolazione
Arcieri
Livello
Non dichiarato
Disciplina
Non dichiarata
Numero di soggetti
1
Tipo
Atti di convegno
Lingua
Giapponese
Revisione tra pari
No
Sede
The Proceedings of JSME annual Conference on Robotics and Mechatronics (Robomec)

Cosa ha misurato e cosa ha trovato

Un solo arciere esperto ha tirato 109 frecce a 25 metri con un sensore di movimento fissato all'arco, che registrava la velocità angolare attorno ai tre assi mille volte al secondo. Dopo ogni freccia, prima di conoscere il punteggio, l'arciere dava un voto al tiro su una scala da 1 a 7 e lo commentava a parole. Gli autori, ricercatori dell'Istituto di Tecnologia di Tokyo, volevano vedere se un modello statistico (un modello di Markov nascosto a due livelli) riuscisse a riconoscere da solo le fasi del tiro e a distinguere i tiri riusciti da quelli no.

Sul tiro intero il modello separava bene le fasi grandi, come preparazione, mira e rilascio, ma non coglieva le differenze fini del rilascio: le parti con molto movimento si prendevano gran parte degli stati del modello, e la mira, quasi ferma, restava un blocco unico. Gli autori hanno quindi preso solo i 2 secondi dopo il rilascio in 12 frecce in cui l'arciere aveva commentato il braccio dell'arco, sei giudicate con il braccio rimasto in posizione e sei no. Nei tiri buoni la velocità angolare dell'arco cresceva in modo regolare, con una variazione di circa 40 gradi al secondo; nei tiri giudicati male la variazione era più piccola (20 gradi al secondo) o più grande (60), e si esauriva prima. Una sequenza di stati compariva solo in quattro tiri buoni, un'altra in due buoni e due cattivi, una terza solo in tiri giudicati cattivi. Nei video a 300 fotogrammi al secondo la differenza tra i due gruppi non si vedeva chiaramente.

Come è stato misurato

Il sensore era un modulo a nove assi della Logical Product montato sull'arco; il bersaglio era un quadrato di 30 centimetri a 25 metri, e due telecamere a 300 fotogrammi al secondo riprendevano l'arciere davanti e dietro. Il voto andava da molto cattivo a molto buono, in sette gradi. L'articolo non indica l'arco, la divisione né il livello preciso dell'arciere, oltre alla definizione di esperto.

Il modello divide il segnale in finestre di 50 campioni sovrapposte per metà, costruisce per ciascuna piccoli modelli di Markov e li collega in un grafo di stati, che diventa la rappresentazione del tiro (25 stati nel secondo livello per il tiro intero). Per l'analisi del rilascio la finestra parte dall'inizio della vibrazione che segue il rilascio e copre 2 secondi. La divisione dei tiri in buoni e cattivi viene dal commento dell'arciere sul braccio dell'arco; punteggio e voto, scrivono gli autori, sono usati solo come riferimento.

Il metodo, spiegato: Come si misura la mira negli studi sul tiro, Machine learning e visione artificiale negli studi sul tiro

Limiti

È una comunicazione breve, di quattro pagine, a un congresso di robotica, non sottoposta a revisione tra pari, su un solo arciere. Le sequenze di stati sono confrontate su 12 tiri senza nessuna statistica, e la divisione in buoni e cattivi dipende dal giudizio dell'arciere stesso: il lavoro mostra che in alcuni casi il segnale del sensore va d'accordo con quel giudizio, non che il sensore riconosca un rilascio migliore. Il punteggio quasi non cambia tra i due gruppi (quattro 10, tre dei quali X, e due 9 nei tiri buoni; due 10 e quattro 9 in quelli cattivi), e due tiri giudicati con il braccio buono hanno lo stesso voto, 4, di un tiro in cui il braccio si era allentato.

Gli autori stessi notano che alcuni tiri che i dati facevano sembrare riusciti erano stati giudicati male dall'arciere, e che il modello non tiene conto di quanto tempo si resta in ciascuno stato. Il riassunto inglese parla di un sensore di accelerazione angolare, mentre il testo descrive un sensore di velocità angolare. Non c'è nessuna prova su altri arcieri o in un secondo giorno.

Cosa vuol dire per chi tira

Per chi tira l'interesse sta nel metodo più che nel risultato: un sensore leggero sull'arco e un modello che impara le sequenze di movimento di un singolo arciere potrebbero un giorno indicare in quale punto del tiro una freccia si è staccata dalla routine abituale, confrontando ogni tiro con quelli dello stesso arciere invece che con un modello esterno. I tiri che questo arciere giudicava con il braccio dell'arco rimasto in posizione mostravano dopo il rilascio un movimento dell'arco più regolare, né troppo piccolo né troppo grande.

Con dodici tiri di un solo arciere, e senza una differenza netta nel punteggio, resta un primo passo tecnico: non dice come debba muoversi l'arco dopo il rilascio, né che il sensore veda qualcosa che l'arciere non sente già. Gli autori lo presentano come base per un futuro strumento di riscontro durante l'allenamento.

Nel registro

Le affermazioni in cui questo studio è un'evidenza, con la sua posizione e lo stato attuale.

Articoli che lo usano

Filone di ricerca

Stesso filone

Cita questa scheda
APA

Campagna, M. (2026). Scheda studio: Archery Routing Motion Pattern Comparison Using Hidden Markov Models. In Registro delle evidenze. matteocampagna.com. Consultato il 16 ottobre 2026, da https://matteocampagna.com/evidence/hasegawa-2016-routing-motion

BibTeX
@misc{campagna2026_evidencehasegawa2016routingmotion,
  author = {Campagna, Matteo},
  title = {Scheda studio: Archery Routing Motion Pattern Comparison Using Hidden Markov Models},
  year = {2026},
  howpublished = {Registro delle evidenze, matteocampagna.com},
  url = {https://matteocampagna.com/evidence/hasegawa-2016-routing-motion},
  note = {consultato il 2026-10-16}
}