當AI走進球場，訓練的面貌正在悄然轉變，從以往反覆練習與教練經驗直覺為主的訓練方式，到如今結合影像辨識、資料分析與虛擬實境輔助的科技訓練模式，運動場上不再只是揮汗競技，更是智慧與策略的比拼。
本次【科技桃花源 × 沙龍】以「AI × 運動訓練 × 情蒐分析」為主題，邀請兩位來自清華大學、背景迥異卻在運動科技場域交會的講者展開對談，一位是長期投入 AI 與 VR 技術應用、致力於以影像辨識技術協助運動訓練與比賽分析的資訊工程學系胡敏君教授；另一位則是深耕籃球訓練、曾帶領 UBA 女子籃球隊奪冠、熟悉球隊情蒐與戰術佈署脈絡的謝文偉教授。兩人以不同視角相互討論，帶來了一場跨界、促進運動訓練的對話。
清華大學體育室 / 國際裁判 謝文偉教授分享藍球訓練及情蒐經驗
謝文偉教授以自身帶領 UBA 女子籃球冠軍與長期訓練球隊與情蒐工作的經驗為出發點，談到「得分動作」的觀察是戰術研究的起點。過去球隊多依靠手工畫點紀錄投籃熱區，例如發現某位球員（如 32 號）總是在特定區域穩定得分，就能立即調整防守策略。然而，單靠肉眼或 2D 影像進行比賽回看，往往無法看清「誰在什麼時機做了什麼動作」，也難以完整呈現團隊戰術的啟動與輪轉。
現今的情蒐常搭配比賽影像與基本數據分析（如得分、籃板、助攻、失誤等 EFF 指標），但這些資訊不能只是事後紀錄，而是要轉化為訓練指令。因此，他強調情蒐的目標不是「收集更多資訊」，而是從中「看出對手的模式、辨識自身的弱點，並將其具體化為球場上可執行的策略」。例如，在訓練中為球員創造一個情境：製造一條三分球出手的路徑，就能將戰術理解轉化為身體記憶，而不只是白板上的理論。
謝文偉教授也談到，籃球是重視「團隊」的運動，個人數據亮眼並不等於團隊勝利。真正關鍵的是團隊如何依據情蒐資訊建立共識並做出協作行動。此外，他也提到現今藍球訓練及判決的瓶頸，像是聯盟使用的 IRS 比賽回放系統雖設有多達 12 台攝影機協助裁判判決，但仍有看不見與難以判讀的角度，這也讓「AI輔助裁判」成為未來可能持續發展的方向。
資訊工程學系 / 胡敏君教授分享 AI 如何應用於籃球訓練與情蒐分析
胡敏君教授以以自身同時身為籃球選手與資訊工程研究者的雙重身份出發，指出「戰術理解」一直是訓練現場中最難被量化與教會的一環。即使教練利用平板畫出完整戰術路線，球員在場上仍常因比賽節奏、壓力與視野干擾，無法正確將理解轉化為動作與決策，形成「知道但無法做出來」的落差。她分享最近球隊如何以多視角攝影機取代過去依賴感測器的方式，將影像送入 GPU 運算，藉由 AI 自動偵測球員動作、球的位置與運動軌跡，進一步辨識投籃的出手點、命中方式（例如空心、擦板或灌籃）、以及球與籃筐的距離變化，並嘗試判讀球隊的戰術啟動時機。這類系統已在 NBA 等聯盟中成熟應用，而團隊也正著手改良單一視角畫面的辨識問題，讓 AI 能在光線、速度與遮蔽變化中仍維持高準確度。
為了提高準確度，他的團隊曾向多名專業運動攝影師學習怎麼跟拍比賽，並將這些資料給AI學習，讓鏡頭能自動追蹤球員與場上重心，補足 Insta360 等裝置拍攝速度不足、球常脫離畫面的缺點。另外，這些影像與數據在比賽同時即能回傳紀錄台，讓籃板、助攻等事件能由 AI 自動標記，不只減少人力負擔，更讓資訊更即時、更可用。
除此之外，AI 與 AR / VR 技術也進入訓練現場，球員戴上頭戴式顯示器即可模擬比賽視野，訓練注視焦點轉換與空間判斷，甚至能透過 3D 視覺效果遠端調整動作、或在訓練中加入外界干擾，強化決策抗壓能力。錄影分析不再只是賽後回顧，而是直接參與訓練過程，讓球員各種可能遇到的情境中反覆建立反應路徑。
在胡敏君博士的分享中，AI 成為輔助教練藍球訓練的工具，不僅貼近球員學習需求也讓訓練變得更有效率！
透過兩位講者的分享，我們看見運動科學與人工智慧並非彼此平行的兩條路，而是正逐漸在球場上交會。當影像能被讀取、模式能被看見、策略能被量化，訓練便能從經驗直覺轉變為可被複製的知識，智慧運動的未來，正在這樣一場又一場的討論中生成。期待未來能有更多跨域合作！
°o‧° °o‧°
【科技桃花源 X 沙龍】每月聚焦不同議題，邀請跨領域專家展開對話，針對不同的議題在沙龍論壇中展開對話。如同預見科技桃花源的成立宗旨，希冀透過跨領域的對談，促進群體需求與技術應用的互惠合作！
撰稿人員：李玉婷
活動影音：劉國揚
責任編輯：鍾明君