AI & MACHINE LEARNING

เจาะลึกเทคโนโลยี SAOT เบื้องหลังการตัดสินล้ำหน้าในฟุตบอลโลกโดย MIT Sports Lab

MIT Technology Review23 Jun 2026
1 min read
Key Takeaways
  • ระบบ SAOT ใช้การวิเคราะห์ Skeletal Data แบบเรียลไทม์เพื่อเปลี่ยนการตัดสินกีฬาให้มีความเป็นวิทยาศาสตร์และแม่นยำมากขึ้น

ทำไมเรื่องนี้ถึงสำคัญ

เทคโนโลยีนี้แสดงให้เห็นถึงการประยุกต์ใช้ Data Science และ AI ในระดับสูงเพื่อแก้ปัญหาการตัดสินในเสี้ยววินาที ซึ่งมีผลกระทบต่อความยุติธรรมในวงการกีฬาระดับโลกและความน่าเชื่อถือของการแข่งขัน

ความร่วมมือระหว่าง MIT Sports Lab และ FIFA นำไปสู่การใช้เทคโนโลยี Semi-Automated Offside Technology (SAOT) ในฟุตบอลโลก 2022 ซึ่งเป็นจุดเปลี่ยนสำคัญในการตัดสินกีฬาฟุตบอล ระบบนี้ทำงานโดยใช้กล้องประสิทธิภาพสูง 12 ตัวรอบสนามเพื่อจับภาพการเคลื่อนไหวของนักเตะและลูกบอลด้วยความเร็วสูงกว่ากล้องถ่ายทอดสดปกติถึงสองเท่า จากนั้นอัลกอริทึม Computer Vision จะเปลี่ยนข้อมูลเหล่านี้ให้เป็นข้อมูลโครงร่างกระดูก 3 มิติ (Skeletal Data) ของนักเตะแต่ละคน

ระบบ SAOT สามารถประมวลผลจุดข้อมูลได้มากกว่า 100,000 จุดต่อวินาที รวมถึงข้อมูลจากชิปที่ฝังอยู่ในลูกบอลเพื่อตรวจสอบตำแหน่งและความเร็ว ข้อมูลมหาศาลนี้ช่วยให้ผู้ตัดสินสามารถตัดสินเหตุการณ์สำคัญได้อย่างรวดเร็วและแม่นยำ เช่น ประตูของลิโอเนล เมสซี ในนัดชิงชนะเลิศกับฝรั่งเศส ซึ่งเทคโนโลยีพิสูจน์ให้เห็นว่าผู้เล่นอยู่ในตำแหน่งที่ไม่ล้ำหน้าเพียงไม่กี่เซนติเมตรเท่านั้น บทบาทของ MIT คือการช่วยตรวจสอบความถูกต้องของข้อมูล (Data Validation) เพื่อให้มั่นใจว่าโมเดล AI แสดงภาพการเคลื่อนไหวที่ถูกต้องตามหลักกายวิภาคและฟิสิกส์

สรุปประเด็นหลัก

ใช้กล้อง 12 ตัวและชิปในลูกบอลในการเก็บข้อมูลตำแหน่ง 50-500 ครั้งต่อวินาที

ประมวลผลจุดข้อมูลโครงร่างกระดูก 29 จุดต่อผู้เล่น เพื่อสร้างภาพจำลอง 3 มิติ

MIT Sports Lab มีบทบาทสำคัญในการตรวจสอบความถูกต้องและเสถียรภาพของข้อมูลมหาศาล

นวัตกรรมและเทคโนโลยี

infrastructure

Semi-Automated Offside Technology (SAOT)

ระบบช่วยตัดสินการล้ำหน้าโดยใช้กล้องติดตามความเร็วสูงและ AI วิเคราะห์ตำแหน่งผู้เล่นแบบ 3 มิติ

models

Skeletal Data Processing

การแปลงภาพถ่ายทอดสดเป็นข้อมูลโครงร่างกระดูก 29 จุดของผู้เล่นทุกคนบนสนามแบบเรียลไทม์

Developer Impact
วิศวกรข้อมูลและนักพัฒนา AI สามารถศึกษาการจัดการ Data Pipeline ขนาดใหญ่ที่มี Latency ต่ำ และการทำ Data Validation กับข้อมูลเซนเซอร์ที่มีความซับซ้อนสูง
Keywords
#saot #computer vision #skeletal data #sports analytics #fifa #mit sports lab
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

MIT Technology Review