Een deel van de taak van kunstschaatsers is om hun routine zo eenvoudig en sierlijk mogelijk te maken, alsof ze op ijs drijven en door pure wilskracht door de lucht vliegen. Sterker nog, ze lanceren zichzelf vaak de lucht in met voeten die vergelijkbaar zijn met zandzakken; genereren honderden ponden van middelpuntzoekende kracht door rotaties; en landen op een blad van slechts 3/16 inch breed.
Op de Winterspelen van 2026 in Milaan en Cortina, Italië, gebruikt NBC een NAAR DE hulpmiddel ontwikkeld door een voormalig MIT-onderzoeker om het publiek te helpen begrijpen hoe verbazingwekkend de prestaties van de hedendaagse Olympische atleten zijn.
Jerry Lu is afgestudeerd aan MIT in 2024 en de oprichter van OOFSporteen sportanalysebedrijf dat kunstmatige intelligentie gebruikt om programmabeelden te analyseren, realtime prestatiegegevens te documenteren en commentatoren in staat te stellen kijkers een concreter inzicht te geven in de prestaties van atleten. In Milaan Cortina werkt het samen met NBC Sports aan zijn kunstschaats-, snowboard- en skiprogramma’s, waarbij gegevens worden verzameld zoals de hoogte van sprongen, de snelheid van atleten en hun rotatiepaden.
Terwijl skaters nieuwe horizonten in de sport blijven verkennen, bijvoorbeeld door steeds meer sprongen te maken met viervoudige rotaties (zie die van de Amerikaanse schaatser Ilia Malinin de allereerste quad-axel geland op de Olympische Spelen), kan Lu’s AI-aangedreven technologie helpen hun routine van moment tot moment te begrijpen.
Een groot verzoek van NBC
Lu’s carrière in sportanalyse begon met zijn interesse in wedstrijdzwemmen. Tijdens zijn bachelorstudie aan de Universiteit van Virginia werkte hij samen met wiskundige Ken Ono om het te ontwikkelen een draagbaar apparaat Hierdoor konden de zwemmers van de school hun slagen analyseren, waardoor ze de voortstuwing konden vergroten en de weerstand konden verminderen. Lu werkte vervolgens als technisch adviseur voor vijf zwemmers die medailles wonnen op de Olympische Spelen van 2020 in Tokio, gevolgd door 16 medaillewinnaars op de Olympische Spelen van 2024 in Parijs.
Tijdens zijn tijd bij MIT in het speciale sportlaboratorium begon Lu te experimenteren met sportanalysetechnologie voor andere vakgebieden, waaronder een programma dat is ontworpen om het Australische freestyle BMX-team te helpen zijn strategie te optimaliseren. Na de Olympische Spelen in Parijs, zegt hij, nam NBC rechtstreeks contact met hem op om te vragen of hij een data-analysesysteem kon creëren voor kunstschaatsen in Milaan Cortina.
“Op dat moment misten sommige artistieke sporten het vermogen om datagestuurde verhalen te vertellen: als je hockey op tv kijkt, lijkt het langzaam, maar als je het persoonlijk bekijkt, lijkt het snel”, zegt Lu. Op dezelfde manier legt hij uit: als je de Amerikaanse kunstschaatsster Amber Glenn een sprong op het scherm zou zien maken, ziet het er misschien niet verbluffend uit, maar in werkelijkheid zou ze ongelooflijk hoog in de lucht vliegen. NBC had een manier nodig om de kloof tussen deze twee ervaringen te overbruggen.
Een AI-model bouwen voor de Olympische Spelen
Voor Lu en zijn team, die geen van allen kunstschaatsers zijn, was de eerste stap naar het creëren van deze tool het bellen met voormalige Olympische kunstschaatsers en oude NBC-analisten Tara Lipinski en Johnny Weir. In tegenstelling tot sporten als zwemmen of atletiek kunnen de beoordelingsparameters voor kunstschaatsen nogal wat grijs gebied omvatten, wat betekent dat Lu’s team een volledig overzicht nodig had van waar de juryleden naar op zoek waren.
“Ze hebben ons feitelijk de sport geleerd”, zegt Lu. “Ze leerden ons precies waar ze naar op zoek waren, waar de juryleden naar op zoek waren, wat volgens hen een deugd en wat een ondeugd is. We moesten manieren vinden om die te kwantificeren en ze in wezen parameters te geven waarmee ze atleten kunnen vergelijken.”
Het bouwen van een tool om kunstschaatsen te analyseren vereiste een heel ander systeem dan zwemmen, zegt Lu. Terwijl voortstuwing en uithoudingsvermogen de twee belangrijkste variabelen van de sport waren, draait het bij kunstschaatsen om de snelheid en rotatie die nodig zijn om ingewikkelde sprongen te maken. Om deze parameters zonder draagbare apparaten te berekenen, trainde zijn team een AI-model om beelden van het programma te analyseren en verschillende rotatiepunten op het lichaam van de atleet te identificeren, van het hoofd tot de schouders, ellebogen, heupen en enkels.
Met behulp van deze gegevens leerde het team het model vervolgens om verschillende sprongen te classificeren op basis van lichaamspositionering, zoals teenlussen, luxes en assen, en bovendien om het totale aantal rotaties van de atleet te tellen om sprongen als dubbel, drievoudig of viervoudig te classificeren. Door precies te begrijpen waar de schaatser zich op een bepaald punt bevindt, kan het AI-model statistieken berekenen zoals hun snelheid bij het betreden van een sprong, de totale hoogte van de sprong, de uitgangssnelheid van de sprong en de grond die deze op de ijsbaan bedekt; allemaal cruciale elementen van hun prestaties. Dit soort cijfers kunnen commentatoren als Lipinsky en Weir helpen een veel gedetailleerder beeld te schetsen voor de Olympische toeschouwers van dit jaar.
Zal kunstmatige intelligentie ooit de Olympische kunstschaatsrechters vervangen? Deze onderzoeker zegt nee
Buiten zijn samenwerking met NBC heeft Lu zijn kunstschaatsmodel omgezet in een app genaamd EERSTE SCHAATSENwaarmee skaters van alle niveaus hun routines kunnen filmen en onmiddellijk hun statistieken kunnen begrijpen. De app is een officiële partner geworden van US Figure Skating december 2025.
De volgende stap van Lu is het creëren van een versie van deze technologie die niet alleen de routines van skaters bijhoudt, maar deze ook scoort. Op dit moment heeft hij al een model in de maak, dat hij van plan is te debuteren tijdens het schaatsseizoen buiten het seizoen. Uiteindelijk, zegt hij, zal het model de technische prestaties op een select aantal vaardigheden kunnen helpen evalueren, maar het zal nooit de menselijke oordelen over de artistieke prestaties van atleten vervangen.
“Kunstschaatsen is een zeer unieke mix van artistieke en technische vaardigheden”, zegt Lu. “De Olympische Spelen gaan over atleten die hoger, sneller en sterker gaan, anders verdien je het niet om hier te zijn. Kunstschaatsen heeft daar een onderdeel van, namelijk dat grotere sprongen grotere punten opleveren, wat correct is: als je een quad deed en ik een triple, zou je meer punten moeten krijgen. Maar tegelijkertijd maakt dit artistieke element ook deel uit van de stelling van kunstschaatsen.”
