図面 (/)

技術 複数のエキスパート知識のバリエーションを持つコンテンツを含む、インタラクティブスキルトレーニングコンテンツの配信を可能にするように構成されるフレームワーク、デバイスおよび方法

出願人 ガイディドナレッジアイピーピーティーワイリミテッド
発明者 リッグ,ダレン
出願日 2016年2月2日 (5年5ヶ月経過) 出願番号 2017-558595
公開日 2018年5月24日 (3年1ヶ月経過) 公開番号 2018-512980
状態 拒絶査定
技術分野 運動付属具 訓練用具
主要キーワード 耐水シール 耐水構造 後方角度 部分センサ 輸送線 要素センサ 中央電源 単位軸
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2018年5月24日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (20)

課題・解決手段

本発明は、モーションベースパフォーマンス及び/又はオーディオベースのパフォーマンスを監視するように構成されるパフォーマンスセンサユニットのような、1つ又は複数のパフォーマンスセンサユニットからの入力によって駆動されるコンテンツの配信に関する。本発明の実施形態は、そのようなコンテンツの生成、配布、及び実行に関連する、ソフトウェア及びハードウェア、ならびに関連する方法論を含む。様々なスキルに対するトレーニングコンテンツにおけるエキスパート知識のバリエーションを提供するスキルトレーニングコンテンツの配信を可能にする技術に特に注意が払われる。

概要

背景

本明細書を通じての背景技術のあらゆる議論は、そのような技術が広く知られているか或いは当該分野における普通の一般知識の一部を形成することの認容と決して考えられてならない。

人間のアクティビティモニタリングするセンサトレーニングシステムとの間の統合を可能にする様々な技術が開発されている。例えば、これらをスポーツベーストレーニング文脈において適用することにより、心拍数ランニングペース、及び移動距離のような、モニタリングされた属性に基づくレポートをユーザに提供する。一般的に、既知の技術は、(例えば、再び、ランニング、人が走るフォームコンテキスト脈絡)において)アクティビティが行われる様式の分析を可能にするのとは対照的に、(例えば、ランニング、移動距離のコンテキストにおいて)高いレベルで、人間アクティビティの結果に関する報告を提供するのに効果的である。従って、トレーニングツールとしては有用であるが、それらは人間のパフォーマンスを評価するための表面的コースツール(superficial and course tool)を提供するにすぎない。

概要

本発明は、モーションベースのパフォーマンス及び/又はオーディオベースのパフォーマンスを監視するように構成されるパフォーマンスセンサユニットのような、1つ又は複数のパフォーマンスセンサユニットからの入力によって駆動されるコンテンツの配信に関する。本発明の実施形態は、そのようなコンテンツの生成、配布、及び実行に関連する、ソフトウェア及びハードウェア、ならびに関連する方法論を含む。様々なスキルに対するトレーニングコンテンツにおけるエキスパート知識のバリエーションを提供するスキルトレーニングコンテンツの配信を可能にする技術に特に注意が払われる。

目的

例えば、これらをスポーツベースのトレーニングの文脈において適用することにより、心拍数、ランニングペース、及び移動距離のような、モニタリングされた属性に基づくレポートをユーザに提供する

効果

実績

技術文献被引用数
1件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

ユーザがローカルパフォーマンスモニタリングハードウェアデバイスの動作を設定することを可能にするコンピュータ実施方法であって、前記方法は:クライアントデバイスのユーザがダウンロード可能なコンテンツのセットを選択することを可能にするよう構成されるインタフェースを提供するステップであって、前記ダウンロード可能なコンテンツのセットは、1つ又は複数のスキルに関する、ステップと;前記ユーザに関連付けられる前記ローカルパフォーマンスモニタリングハードウェアへの前記ダウンロード可能なコンテンツの選択されたセットの少なくとも一部を示すデータのダウンロードを生じさせることをユーザが可能にするステップであって、前記ダウンロードは:(i)センサ構成データであって、前記センサ構成データは、定義された方法で動作し、それによって特定のスキルの試行されたパフォーマンスを表すデータを提供するよう、1つ又は複数のパフォーマンスセンサユニットのセットを構成するデータを含む、センサ構成データ;(ii)状態エンジンデータであって、前記状態エンジンデータは、前記1つ又は複数のパフォーマンスセンサユニットのセットによって提供される前記データに基づいて前記特定のスキルの前記試行されたパフォーマンスの属性処理デバイス識別することを可能にするように構成されるデータを含む、状態エンジンデータ;及び(iii)ユーザインタフェースデータであって、前記ユーザインタフェースデータは、前記特定のスキルの前記試行されたパフォーマンスの識別された前記属性に基づいてユーザインタフェースの動作を可能にするように構成されるデータを含む、ユーザインタフェースデータ;のダウンロードを含む、ステップと;を含み、前記方法はさらに、選択された前記1つ又は複数のスキルに関するエキスパート知識のバリエーションによって定義される前記ダウンロード可能なコンテンツを前記ユーザが選択することを可能にするステップを含み、前記1つ又は複数のスキルのセットに対して利用可能な複数のエキスパート知識のバリエーションがある、方法。

請求項2

第1のエキスパート知識のバリエーションが状態エンジンデータの第1のセットに関連付けられ、第2のエキスパート知識のバリエーションが状態エンジンデータの第2の異なるセットに関連付けられ、前記状態エンジンデータの第2の異なるセットは、前記状態エンジンデータの第1のセットを使用して識別されないパフォーマンスの1つ又は複数のエキスパート固有の属性の識別を可能にするように構成される、請求項1に記載の方法。

請求項3

前記エキスパート固有の属性はエキスパートに関連付けられるパフォーマンスのスタイルに関連する、請求項2に記載の方法。

請求項4

前記パフォーマンスのスタイルは、1つ又は複数のモーションセンサユニットから得られるデータを使用して観察可能である体動の定義された属性によって表される、請求項2に記載の方法。

請求項5

前記エキスパート固有の属性は、エキスパートに関連付けられるコーチング知識に関連する、請求項1に記載の方法。

請求項6

前記1つ又は複数のエキスパート固有の属性は、コーチング特質客観的に定義するように構成されるプロセスに基づいて定義される、請求項5に記載の方法。

請求項7

前記選択された1つ又は複数のスキルのセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがあり:前記第1の選択可能なエキスパート知識のバリエーションに関して、前記ダウンロード可能なデータは、前記クライアントデバイスを、前記パフォーマンスセンサユニットのセットから得られるデータにおいて、与えられるスキルに関連付けられる観察可能なデータ条件の第1のセットを識別するように構成し、前記第2の選択可能なエキスパート知識のバリエーションに関して、前記ダウンロード可能なデータは、前記クライアントデバイスを、前記パフォーマンスセンサユニットのセットから得られるデータにおいて、前記与えられるスキルに関連付けられる観察可能なデータ条件の第2の異なるセットを識別するように構成する、請求項1に記載の方法。

請求項8

前記観察可能なデータ条件の第1のセットと前記観察可能なデータ条件の第2のセットとの間の差異が、それぞれの前記エキスパート知識のバリエーションに関連付けられる人間のエキスパートのスタイルの相違を説明する、請求項7に記載の方法。

請求項9

前記観察可能なデータ条件の第1のセットと前記観察可能なデータ条件の第2のセットとの間の差異が、それぞれの前記エキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、請求項7に記載の方法。

請求項10

前記1つ又は複数のスキルの選択されるセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがあり:前記第1の選択可能なエキスパート知識のバリエーションに関して、前記ダウンロード可能なデータは、前記クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じて前記ユーザにフィードバックデータの第1のセットを提供するように構成し、前記第2の選択可能なエキスパート知識のバリエーションに関して、前記ダウンロード可能なデータは、前記クライアントデバイスを、与えられるスキルに関連付けられる前記定義された観察可能なデータ条件を観察することに応じて前記ユーザにフィードバックデータの第2の異なるセットを提供するように構成する、請求項1に記載の方法。

請求項11

前記フィードバックデータの第1のセットと前記フィードバックデータの第2のセットとの間の差異が、それぞれの前記エキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、請求項10に記載の方法。

請求項12

前記フィードバックデータの第1のセットと前記フィードバックデータの第2のセットとの間の差異が、それぞれの前記エキスパート知識のバリエーションに関連付けられる人間のエキスパートの声を表す異なるオーディオデータを含む、請求項10に記載の方法。

請求項13

前記パフォーマンスセンサユニットが複数のモーションセンサユニットを含む、請求項1乃至12のいずれか1項に記載の方法。

請求項14

前記クライアントデバイスが前記複数のモーションセンサユニットから得られるモーションセンサデータを処理するように構成されるPODデバイスを含み、ウェアラブル衣服が、前記PODデバイスへの、前記モーションセンサデータの配信を容易にするように構成される複数のセンサストランドを提供する、請求項13に記載の方法。

請求項15

前記複数のセンサユニットのそれぞれは:加速度計磁力計、及びジャイロスコープを含む、請求項14に記載の方法。

請求項16

定義されたスキルのスキルトレーニングコンテンツの配信を可能にするように構成されるデータを生成するコンピュータ実施方法であって、前記方法は:観察可能なデータ条件の第1のセットを生成するステップであって、前記第1のセットは、1つ又は複数のパフォーマンスセンサユニットから得られる入力データの処理を可能にするように構成される観察可能なデータ条件を含み、前記入力データは、ユーザによる前記定義されたスキルの身体的なパフォーマンスを表し、それによって前記パフォーマンスの1つ又は複数の属性を識別する、ステップ;および観察可能なデータ条件の第2のセットを生成するステップであって、前記第2のセットは、同じ前記1つ又は複数のパフォーマンスセンサユニットから得られる入力データの処理を可能にするように構成される観察可能なデータ条件を含み、前記入力データは、前記ユーザによる前記定義されたスキルの身体的なパフォーマンスを表し、それによって、前記パフォーマンスの1つ又は複数の属性を識別する、ステップ;を含み、前記観察可能なデータ条件の第2のセットは、前記観察可能なデータ条件の第1のセットに欠落している1つ又は複数のエキスパート固有の観察可能なデータ条件を含み、前記1つ又は複数のエキスパート固有の観測可能なデータ条件は、前記観測可能なデータ条件の第1のセットのみを使用して生成される前記スキルトレーニングコンテンツに対する前記定義されたスキルのための前記スキルトレーニングコンテンツのエキスパート知識のバリエーションに組み込まれる、方法。

請求項17

前記スキルトレーニングコンテンツのエキスパート知識のバリエーションが、ベースラインスキルパフォーマンススタイルに対する特定の人間のエキスパートに関連付けられるスタイルの相違を説明する、請求項16に記載の方法。

請求項18

前記スキルトレーニングコンテンツのエキスパート知識のバリエーションが、ベースラインコーチング知識に対する特定の人間のエキスパートに関連付けられるコーチング知識の相違を説明する、請求項16に記載の方法。

請求項19

前記スキルトレーニングコンテンツのエキスパート知識のバリエーションは:センサ構成データであって、前記センサ構成データが、定義された方法で動作し、それによって特定のスキルの試行されたパフォーマンスを表すデータを提供するように1つ又は複数のパフォーマンスセンサユニットのセットを構成するデータを含む、センサ構成データと;状態エンジンデータであって、前記状態エンジンデータが、前記1つ又は複数のパフォーマンスセンサユニットのセットによって提供されるデータに基づいて前記特定のスキルの前記試行されたパフォーマンスの属性を処理デバイスが識別することを可能にするように構成されるデータを含む、状態エンジンデータと;ユーザインタフェースデータであって、前記ユーザインタフェースデータが、前記特定のスキルの前記試行されたパフォーマンスの識別された前記属性に基づいてユーザインタフェースの動作を可能にするように構成されるデータを含む、ユーザインタフェースデータと、を含む、請求項16に記載の方法。

請求項20

前記パフォーマンスセンサユニットは複数のモーションセンサユニットを含む、請求項16に記載の方法。

請求項21

前記スキルトレーニングコンテンツのエキスパート知識のバリエーションは、少なくとも部分的に、前記複数のモーションセンサユニットから得られるモーションセンサデータを処理するように構成されるPODデバイスを含むハードウェアで実行され、ウェアラブル衣服が、前記PODデバイスへの、前記モーションセンサデータの配信を容易にするように構成される複数のセンサストランドを提供する、請求項20に記載の方法。

請求項22

前記複数のセンサユニットのそれぞれは:加速度計、磁力計、及びジャイロスコープを含む、請求項21に記載の方法。

請求項23

前記定義されたスキルのために、クラウドホステッドマーケットプレイスが、1つ又は複数のユーザによる:(i)スキルトレーニングコンテンツの標準バージョン;及び(ii)前記スキルトレーニングコンテンツのエキスパート知識のバリエーション、の調達のために利用可能になるように構成される、請求項16に記載の方法。

請求項24

定義されたスキルのスキルトレーニングコンテンツの配信を可能にするように構成されるデータを生成するコンピュータ実施方法であって、前記方法は:スキルトレーニングコンテンツの第1のセットを生成するステップであって、前記スキルトレーニングコンテンツの第1のセットは、1つ又は複数のパフォーマンスセンサユニットから得られる入力データの処理に基づいて前記定義されたスキルのためのスキルトレーニングプログラムの配信を可能にするように構成され、前記入力データは、ユーザによる前記定義されたスキルの身体的なパフォーマンスを表し、それによって、前記パフォーマンスの1つ又は複数の属性を識別する、ステップ;およびスキルトレーニングコンテンツの第2のセットを生成するステップであって、前記スキルトレーニングコンテンツの第2のセットは、同じ前記1つ又は複数のパフォーマンスセンサユニットから得られる入力データの処理を可能にするように構成される観察可能なデータ条件を含み、前記入力データは、前記ユーザによる前記定義されたスキルの身体的なパフォーマンスを表し、それによって、前記パフォーマンスの1つ又は複数の属性を識別する、ステップ;を含み、前記スキルトレーニングコンテンツの第2のセットは、与えられる入力データのセットに応じて、前記スキルトレーニングコンテンツの第2のセットがスキルトレーニングコンテンツのエキスパート知識のバリエーションを提供するよう、同じ前記入力データのセットに応じた前記スキルトレーニングコンテンツの第1のセットと比べて異なるトレーニングプログラム効果を提供するように構成される、方法。

請求項25

前記スキルトレーニングコンテンツのエキスパート知識のバリエーションが、ベースラインスキルパフォーマンススタイルに対する特定の人間のエキスパートに関連付けられるスタイルの相違を説明する、請求項24に記載の方法。

請求項26

前記スキルトレーニングコンテンツのエキスパート知識のバリエーションが、ベースラインコーチング知識に対する特定の人間のエキスパートに関連付けられるコーチング知識の相違を説明する、請求項24に記載の方法。

請求項27

前記スキルトレーニングコンテンツのエキスパート知識のバリエーションは:センサ構成データであって、前記センサ構成データが、定義された方法で動作し、それによって特定のスキルの試行されたパフォーマンスを表すデータを提供するように1つ又は複数のパフォーマンスセンサユニットのセットを構成するデータを含む、センサ構成データと;状態エンジンデータであって、前記状態エンジンデータが、前記1つ又は複数のパフォーマンスセンサユニットのセットによって提供されるデータに基づいて前記特定のスキルの前記試行されたパフォーマンスの属性を処理デバイスが識別することを可能にするように構成されるデータを含む、状態エンジンデータと;ユーザインタフェースデータであって、前記ユーザインタフェースデータが、前記特定のスキルの前記試行されたパフォーマンスの識別された前記属性に基づいてユーザインタフェースの動作を可能にするように構成されるデータを含む、ユーザインタフェースデータと、を含む、請求項24に記載の方法。

請求項28

前記パフォーマンスセンサユニットは複数のモーションセンサユニットを含む、請求項24に記載の方法。

請求項29

前記スキルトレーニングコンテンツのエキスパート知識のバリエーションは、少なくとも部分的に、前記複数のモーションセンサユニットから得られるモーションセンサデータを処理するように構成されるPODデバイスを含むハードウェアで実行され、ウェアラブル衣服が、前記PODデバイスへの、前記モーションセンサデータの配信を容易にするように構成される複数のセンサストランドを提供する、請求項28に記載の方法。

請求項30

前記複数のセンサユニットのそれぞれが:加速度計、磁力計、及びジャイロスコープを含む、請求項29に記載の方法。

請求項31

前記定義されたスキルのために、クラウドホステッドマーケットプレイスが、1つ又は複数のユーザによる:(i)スキルトレーニングコンテンツの標準バージョン;及び(ii)前記スキルトレーニングコンテンツのエキスパート知識のバリエーション、の調達のために利用可能になるように構成される、請求項24に記載の方法。

請求項32

前記トレーニングコンテンツデータの第1のセットは、観察可能なデータ条件の第1のセットに関連付けられ、前記トレーニングコンテンツデータの第2のセットは、前記トレーニングコンテンツデータの第2のセットが前記トレーニングコンテンツデータの第1のセットによって識別されない前記パフォーマンスの1つ又は複数の属性を識別するよう構成されるように、観察可能なデータ条件の第2のセットに関連付けられる、請求項24に記載の方法。

請求項33

前記トレーニングコンテンツデータの第1のセットは、徴候を原因にマッピングするための第1のプロトコルに関連付けられ、前記トレーニングコンテンツデータの第2のセットは、前記トレーニングコンテンツデータの第2セットが、徴候と原因との間に少なくとも1つのエキスパート固有の関係を提供するように、徴候を原因にマッピングするための第2のプロトコルに関連付けられる、請求項24に記載の方法。

請求項34

前記トレーニングコンテンツデータの第1のセットは、メディアコンテンツの第1のセットに関連付けられ、前記トレーニングコンテンツデータの第2のセットは、前記トレーニングコンテンツデータの第2セットが特定のエキスパートにパーソナライズされるメディアコンテンツを提供するよう構成されるように、メディアコンテンツの第2のセットに関連付けられる、請求項24に記載の方法。

請求項35

複数のエキスパートのうちの選択された一人に関連付けられるトレーニングデータを提供するようユーザがローカルパフォーマンスモニタリングハードウェアデバイスを構成することを可能にするコンピュータ実施方法であって、前記方法は:クライアントデバイスのユーザが、トレーニングされることになる1つ又は複数のスキルのセットを選択することを可能にするように構成されるインタフェースを提供するステップと;選択された前記トレーニングされることになる1つ又は複数のスキルに対するエキスパート知識のバリエーションをユーザが選択することを可能にするステップであって、前記トレーニングされることになる1つ又は複数のスキルのセットに対して利用可能な複数のエキスパート知識のバリエーションがある、ステップと;前記トレーニングされることになる1つ又は複数のスキルのセット、及び前記選択されたトレーニングされることになる1つ又は複数のスキルに対する前記エキスパート知識のバリエーションの前記ユーザの選択に続いて、前記ユーザに関連付けられるクライアントデバイスに、ダウンロード可能なデータを提供するダウンロードプロセスを可能にするステップであって、前記ダウンロード可能なデータは、前記クライアントデバイスを:(i)パフォーマンスモニタリングセンサのセットから得られるデータを処理し、それによって前記ユーザによる前記スキルの与えられた1つの身体的パフォーマンスを分析するように;及び(ii)前記分析に基づいて、ユーザインタフェースデバイスを介して、選択された前記エキスパート知識のバリエーションに特化したトレーニングデータを提供するように、構成する、ステップと、を含む、方法。

請求項36

選択された前記1つ又は複数のスキルのセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがあり:前記第1の選択可能なエキスパート知識のバリエーションに関して、前記ダウンロード可能なデータは、前記クライアントデバイスを、前記パフォーマンス分析センサのセットから得られるデータにおいて、与えられるスキルに関連付けられる観察可能なデータ条件の第1のセットを識別するように構成し、前記第2の選択可能なエキスパート知識のバリエーションに関して、前記ダウンロード可能なデータは、前記クライアントデバイスを、前記パフォーマンス分析センサのセットから得られるデータにおいて、前記与えられるスキルに関連付けられる観察可能なデータ条件の第2の異なるセットを識別するように構成する、請求項35に記載の方法。

請求項37

前記観察可能なデータ条件の第1のセットと前記観察可能なデータ条件の第2のセットとの間の差異が、それぞれの前記エキスパート知識のバリエーションに関連付けられる人間のエキスパートのスタイルの相違を説明する、請求項36に記載の方法。

請求項38

前記観察可能なデータ条件の第1のセットと前記観察可能なデータ条件の第2のセットとの間の差異が、それぞれの前記エキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、請求項36に記載の方法。

請求項39

前記1つ又は複数のスキルの選択されるセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがあり:前記第1の選択可能なエキスパート知識のバリエーションに関して、前記ダウンロード可能なデータは、前記クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じて前記ユーザにフィードバックデータの第1のセットを提供するように構成し、前記第2の選択可能なエキスパート知識のバリエーションに関して、前記ダウンロード可能なデータは、前記クライアントデバイスを、前記与えられるスキルに関連付けられる前記定義された観察可能なデータ条件を観察することに応じて前記ユーザにフィードバックデータの第2の異なるセットを提供するように構成する。請求項35に記載の方法。

請求項40

前記フィードバックデータの第1のセットと前記フィードバックデータの第2のセットとの間の差異が、それぞれの前記エキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、請求項39に記載の方法。

請求項41

前記フィードバックデータの第1のセットと前記フィードバックデータの第2のセットとの間の差異が、それぞれの前記エキスパート知識のバリエーションに関連付けられる人間のエキスパートの声を表す異なるオーディオデータを含む、請求項39に記載の方法。

請求項42

前記パフォーマンス分析センサがモーションセンサを含む、請求項35に記載の方法。

請求項43

前記クライアントデバイスは、ウェアラブル衣服によって担持されるように構成されるPODデバイスを含み、前記ウェアラブル衣服は、前記PODデバイスへの、前記ウェアラブル衣服によって担持される複数のセンサユニットから得られるデータの配信を可能にするように構成される複数のセンサストランドを提供する、請求項35に記載の方法。

請求項44

前記複数のセンサユニットのそれぞれは:加速度計、磁力計、及びジャイロスコープを含む、請求項43に記載の方法。

請求項45

ユーザが、複数のエキスパートのうちの選択された1人に関連付けられるトレーニングデータを提供するようにローカルパフォーマンスモニタリングハードウェアデバイスを構成することを可能にするように構成されるシステムであって、前記システムは:クライアントユーザインターフェースデバイスが、トレーニングされることになる1つ又は複数のスキルのセットをクライアントデバイスのユーザが選択することを可能にするように構成されるインタフェースとインタラクトすることを可能にするように構成されるサーバであって、前記インタフェースは、追加的に、選択された前記トレーニングされることになる1つ又は複数のスキルに対する前記エキスパート知識のバリエーションを前記ユーザが選択することを可能にするように構成され、前記トレーニングされることになる1つ又は複数のスキルのセットに対して利用可能な複数のエキスパート知識のバリエーションがある、サーバと、前記トレーニングされることになる1つ又は複数のスキルのセット、及び選択された前記トレーニングされることになる1つ又は複数のスキルに対する前記エキスパート知識のバリエーションの前記ユーザの選択に続いて、前記ユーザに関連付けられたクライアントデバイスに、ダウンロード可能なデータを提供する、ダウンロードプロセスを可能にするように構成される、ダウンロードマネージャコンポーネントであって、前記ダウンロード可能なデータは前記クライアントデバイスを:(i)パフォーマンスモニタリングセンサのセットから得られるデータを処理し、それによって前記ユーザによる前記スキルの与えられた1つの身体的パフォーマンスを分析するように;及び(ii) 前記分析に基づいて、ユーザインタフェースデバイスを介して、選択された前記エキスパート知識のバリエーションに特化したトレーニングデータを提供するように、構成する、ダウンロードマネージャコンポーネントと、を含む、システム。

請求項46

前記1つ又は複数のスキルの選択されるセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがあり:前記第1の選択可能なエキスパート知識のバリエーションに関して、前記ダウンロード可能なデータは、前記クライアントデバイスを、前記パフォーマンス分析センサのセットから得られるデータにおいて、与えられるスキルに関連付けられる観察可能なデータ条件の第1のセットを識別するように構成し、前記第2の選択可能なエキスパート知識のバリエーションに関して、前記ダウンロード可能なデータは、前記クライアントデバイスを、前記パフォーマンス分析センサのセットから得られるデータにおいて、前記与えられるスキルに関連付けられる観察可能なデータ条件の第2の異なるセットを識別するように構成する、請求項45に記載のシステム。

請求項47

前記観察可能なデータ条件の第1のセットと前記観察可能なデータ条件の第2のセットとの間の差異は、それぞれの前記エキスパート知識のバリエーションに関連付けられる人間のエキスパートのスタイルの相違を説明する、請求項46に記載のシステム。

請求項48

前記観察可能なデータ条件の第1のセットと前記観察可能なデータ条件の第2のセットとの間の差異が、それぞれの前記エキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、請求項46に記載のシステム。

請求項49

前記1つ又は複数のスキルの選択されるセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがあり:前記第1の選択可能なエキスパート知識のバリエーションに関して、前記ダウンロード可能なデータは、前記クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じて前記ユーザにフィードバックデータの第1のセットを提供するように構成し、前記第2の選択可能なエキスパート知識のバリエーションに関して、前記ダウンロード可能なデータは、前記クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じてユーザにフィードバックデータの第2の異なるセットを提供するように構成する、請求項45に記載のシステム。

請求項50

前記フィードバックデータの第1のセットと前記フィードバックデータの第2のセットとの間の差異は、それぞれの前記エキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、請求項49に記載のシステム。

請求項51

前記フィードバックデータの第1のセットと前記フィードバックデータの第2のセットとの間の差異は、それぞれの前記エキスパート知識のバリエーションに関連付けられる人間のエキスパートの声を表す異なるオーディオデータを含む、請求項49に記載のシステム。

請求項52

前記パフォーマンス分析センサはモーションセンサを含む、請求項45に記載のシステム。

請求項53

前記クライアントデバイスはウェアラブル衣服によって担持されるように構成されるPODデバイスを含み、前記ウェアラブル衣服は、前記PODデバイスへの、前記ウェアラブル衣服によって担持される複数のセンサユニットから得られるデータの配信を可能にするように構成される複数のセンサストランドを提供する、請求項45に記載のシステム。

請求項54

前記複数のセンサユニットのそれぞれは:加速度計、磁力計、及びジャイロスコープを含む、請求項53に記載のシステム。

技術分野

0001

本発明は、モーションベースパフォーマンス及び/又はオーディオベースのパフォーマンスをモニタリング監視)するように構成されたパフォーマンスセンサユニットのような、1つ又は複数のパフォーマンスセンサユニットからの入力によって駆動されるコンテンツの配信(delivery)に関する。本発明の実施形態は、そのようなコンテンツの生成(generation)、配布(distribution)、及び実行(execution)に関連する、ソフトウェア及びハードウェア、及び関連する方法論を含む。

背景技術

0002

本明細書を通じての背景技術のあらゆる議論は、そのような技術が広く知られているか或いは当該分野における普通の一般知識の一部を形成することの認容と決して考えられてならない。

0003

人間のアクティビティをモニタリングするセンサトレーニングシステムとの間の統合を可能にする様々な技術が開発されている。例えば、これらをスポーツベースのトレーニング文脈において適用することにより、心拍数ランニングペース、及び移動距離のような、モニタリングされた属性に基づくレポートをユーザに提供する。一般的に、既知の技術は、(例えば、再び、ランニング、人が走るフォームコンテキスト脈絡)において)アクティビティが行われる様式の分析を可能にするのとは対照的に、(例えば、ランニング、移動距離のコンテキストにおいて)高いレベルで、人間アクティビティの結果に関する報告を提供するのに効果的である。従って、トレーニングツールとしては有用であるが、それらは人間のパフォーマンスを評価するための表面的コースツール(superficial and course tool)を提供するにすぎない。

0004

少なくとも幾つかの実施形態において、先行技術の不利点の少なくとも1つを克服又は改善し或いは有用な代替を提供することが、本発明の目的である。

0005

以下の発明を実施するための形態に開示する一揃いの技術的特徴に基づき潜在的な請求項を予示するために、以下の要約的な実施形態のセットが提供される。これらは、追求されることのある請求項の範囲を如何様にも限定することを意図しない。

0006

一実施形態は、ユーザがローカルパフォーマンスモニタリングハードウェアデバイスの動作を設定することを可能にするコンピュータ実施方法を提供し、この方法は:

0007

クライアントデバイスのユーザが、ダウンロード可能なコンテンツのセットを選択することを可能にするように構成されるインタフェースを提供するステップであって、ダウンロード可能なコンテンツのセットは、1つ又は複数のスキルに関する、ステップと;

0008

ユーザが、ユーザに関連付けられるローカルパフォーマンスモニタリングハードウェアにダウンロード可能なコンテンツの選択されたセットの少なくとも一部を示すデータのダウンロードを生じさせることを可能にするステップと、を含み、ダウンロードは:

0009

(i)センサ構成(configuration)データであって、センサ構成データは、定義された方法で動作し、それによって特定のスキルの試行されたパフォーマンス(attempted performance)を表すデータを提供するように1つ又は複数のパフォーマンスセンサユニットのセットを構成するデータを含む、センサ構成データ;

0010

(ii)状態エンジンデータ(state engine data)であって、状態エンジンデータは、処理デバイスが1つ又は複数のパフォーマンスセンサユニットのセットによって提供されるデータに基づいて特定のスキルの試行されたパフォーマンスの属性(attributes)を識別することを可能にするように構成されるデータを含む、状態エンジンデータ;及び

0011

(iii)ユーザインタフェースデータであって、ユーザインタフェースデータは、特定のスキルの試行されたパフォーマンスの識別された属性に基づいてユーザインタフェースの動作を可能にするように構成されるデータを含む、ユーザインタフェースデータ、
のダウンロードを含み、

0012

方法はさらに、選択された1つ又は複数のスキルについてのエキスパート知識のバリエーション(expert knowledge variation)によって定義されるダウンロード可能なコンテンツをユーザが選択できるようにするステップを含み、1つ又は複数のスキルのセットに対して利用可能な複数のエキスパート知識のバリエーションがある。

0013

一実施形態は、第1のエキスパート知識のバリエーションが状態エンジンデータの第1のセットに関連付けられ、第2のエキスパート知識のバリエーションが状態エンジンデータの第2の異なるセットに関連付けられるコンピュータ実施方法を提供し、状態エンジンデータの第2の異なるセットは、状態エンジンデータの第1のセットを使用して識別されないパフォーマンスの1つ又は複数のエキスパート固有の属性の識別を可能にするように構成される。

0014

一実施形態は、エキスパート固有の属性がエキスパートに関連付けられるパフォーマンスのスタイルに関連するコンピュータ実施方法を提供する。

0015

一実施形態は、パフォーマンスのスタイルが、1つ又は複数のモーションセンサユニットから得られるデータを使用して観察可能である体動(body motion)の定義された属性によって表されるコンピュータ実施方法を提供する。

0016

一実施形態は、エキスパート固有の属性がエキスパートに関連付けられるコーチング知識(coaching knowledge)に関連するコンピュータ実施方法を提供する。

0017

一実施形態は、1つ又は複数のエキスパート固有の属性がコーチング特質(coaching idiosyncrasies)を客観的に定義するように構成されるプロセスに基づいて定義されるコンピュータ実施方法を提供する。

0018

一実施形態は、1つ又は複数のスキルの選択されるセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがある、コンピュータ実施方法を提供し:

0019

第1の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、パフォーマンスセンサユニットのセットから得られるデータにおいて、与えられるスキルに関連付けられる観察可能なデータ条件の第1のセットを識別するように構成し、

0020

第2の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、パフォーマンスセンサユニットのセットから得られるデータにおいて、与えられるスキルに関連付けられる観察可能なデータ条件の第2の異なるセットを識別するように構成する。

0021

一実施形態は、観察可能なデータ条件の第1のセットと観察可能なデータ条件の第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートのスタイルの相違(style variances)を説明する、コンピュータ実施方法を提供する。

0022

一実施形態は、観察可能なデータ条件の第1のセットと観察可能なデータ条件の第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、コンピュータ実施方法を提供する。

0023

一実施形態は、1つ又は複数のスキルの選択されるセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがある、コンピュータ実施方法を提供し:

0024

第1の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じてユーザにフィードバックデータの第1のセットを提供するように構成し、

0025

第2の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じてユーザにフィードバックデータの第2の異なるセットを提供するように構成する。

0026

一実施形態は、フィードバックデータの第1のセットとフィードバックデータの第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、コンピュータ実施方法を提供する。

0027

一実施形態は、フィードバックデータの第1のセットとフィードバックデータの第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートの声を表す異なるオーディオデータを含む、コンピュータ実施方法を提供する。

0028

一実施形態は、パフォーマンスセンサユニットが複数のモーションセンサユニットを含む、コンピュータ実施方法を提供する。

0029

一実施形態は、クライアントデバイスが複数のモーションセンサユニットから得られるモーションセンサデータを処理するように構成されるPODデバイスを含む、コンピュータ実施方法を提供し、ウェアラブル衣服が、PODデバイスへの、モーションセンサデータの配信を容易にするように構成される複数のセンサストランド(sensor strands)を提供する。

0030

一実施形態は、複数のセンサユニットのそれぞれが:加速度計磁力計、及びジャイロスコープを含む、コンピュータ実施方法を提供する。

0031

一実施形態は、定義されたスキルのスキルトレーニングコンテンツの配信を可能にするように構成されるデータを生成するコンピュータ実施方法を提供し、方法は:

0032

観察可能なデータ条件の第1のセットを生成するステップであって、第1のセットは、1つ又は複数のパフォーマンスセンサユニットから得られる入力データの処理を可能にするように構成される観察可能なデータ条件を含み、入力データはユーザによる定義されたスキルの身体的なパフォーマンスを表し、それによってパフォーマンスの1つ又は複数の属性を識別する、ステップと;

0033

観察可能なデータ条件の第2のセットを生成するステップであって、第2のセットは、同じ1つ又は複数のパフォーマンスセンサユニットから得られる入力データの処理を可能にするように構成される観察可能なデータ条件を含み、入力データはユーザによる定義されたスキルの身体的なパフォーマンスを表し、それによってパフォーマンスの1つ又は複数の属性を識別する、ステップと;
を含み、

0034

観察可能なデータ条件の第2のセットは、観察可能なデータ条件の第1のセットに欠落している1つ又は複数のエキスパート固有の観察可能なデータ条件を含み、1つ又は複数のエキスパートに固有の観察可能なデータ条件は、観察可能なデータ条件の第1のセットのみを使用して生成されるスキルトレーニングコンテンツに対する定義されたスキルのためのスキルトレーニングコンテンツのエキスパート知識のバリエーションに組み込まれる。

0035

一実施形態は、スキルトレーニングコンテンツのエキスパート知識のバリエーションが、ベースライン(baseline)スキルパフォーマンススタイルに対する特定の人間のエキスパートに関連付けられるスタイルの相違を説明する、コンピュータ実施方法を提供する。

0036

一実施形態は、スキルトレーニングコンテンツのエキスパート知識のバリエーションが、ベースラインコーチング知識に対する特定の人間のエキスパートに関連付けられるコーチング知識の相違を説明する、コンピュータ実施方法を提供する。

0037

一実施形態は、スキルトレーニングコンテンツのエキスパート知識のバリエーションが:センサ構成データであって、センサ構成データが、定義された方法で動作し、それによって特定のスキルの試行されたパフォーマンスを表すデータを提供するように1つ又は複数のパフォーマンスセンサユニットのセットを構成するデータを含む、センサ構成データと;状態エンジンデータであって、状態エンジンデータが、1つ又は複数のパフォーマンスセンサユニットのセットによって提供されるデータに基づいて特定のスキルの試行されたパフォーマンスの属性を処理デバイスが識別することを可能にするように構成されるデータを含む、状態エンジンデータと;ユーザインタフェースデータであって、ユーザインタフェースデータが、特定のスキルの試行されたパフォーマンスの識別された属性に基づいてユーザインタフェースの動作を可能にするように構成されるデータを含む、ユーザインタフェースデータと、を含む、コンピュータ実施方法を提供する。

0038

一実施形態は、パフォーマンスセンサユニットが複数のモーションセンサユニットを含む、コンピュータ実施方法を提供する。

0039

一実施形態は、スキルトレーニングコンテンツのエキスパート知識のバリエーションが、少なくとも部分的に、複数のモーションセンサユニットから得られるモーションセンサデータを処理するように構成されるPODデバイスを含むハードウェアで実行される、コンピュータ実施方法を提供し、ウェアラブル衣服は、PODデバイスへの、モーションセンサデータの配信を容易にするように構成される複数のセンサストランドを提供する。

0040

一実施形態は、複数のセンサユニットのそれぞれが:加速度計、磁力計、及びジャイロスコープを含む、コンピュータ実施方法を提供する。

0041

一実施形態は、定義されたスキルのために、クラウドホステッドマーケットプレイス(cloud hosted marketplace)が、1つ又は複数のユーザによる:(i)スキルトレーニングコンテンツの標準バージョン;及び(ii)スキルトレーニングコンテンツのエキスパート知識のバリエーション、の調達のために利用可能になるように構成される、コンピュータ実施方法を提供する。

0042

1つの実施形態は、定義されたスキルのスキルトレーニングコンテンツの配信を可能にするように構成されるデータを生成するコンピュータ実施方法を提供し、方法は:

0043

スキルトレーニングコンテンツの第1のセットを生成するステップであって、スキルトレーニングコンテンツの第1のセットは、1つ又は複数のパフォーマンスセンサユニットから得られる入力データの処理に基づいて定義されたスキルのためのスキルトレーニングプログラムの配信を可能にするように構成され、入力データはユーザによる定義されたスキルの身体的なパフォーマンスを表し、それによってパフォーマンスの1つ又は複数の属性を識別する、ステップと;

0044

スキルトレーニングコンテンツの第2のセットを生成するステップであって、スキルトレーニングコンテンツの第2のセットは、同じ1つ又は複数のパフォーマンスセンサユニットから得られる入力データの処理を可能にするように構成される観察可能なデータ条件を含み、入力データはユーザによる定義されたスキルの身体的なパフォーマンスを表し、それによってパフォーマンスの1つ又は複数の属性を識別する、ステップと;
を含み、

0045

スキルトレーニングコンテンツの第2のセットは、入力データの与えられたセットに応じて、スキルトレーニングコンテンツの第2のセットがスキルトレーニングコンテンツのエキスパート知識のバリエーションを提供するよう、入力データの同じセットに応じたスキルトレーニングコンテンツの第1のセットと比べて異なるトレーニングプログラム効果を提供するように構成される。

0046

1つの実施形態は、スキルトレーニングコンテンツのエキスパート知識のバリエーションが、ベースラインスキルパフォーマンススタイルに対する特定の人間のエキスパートに関連付けられるスタイルの相違を説明する、コンピュータ実施方法を提供する。

0047

1つの実施形態は、スキルトレーニングコンテンツのエキスパート知識のバリエーションが、ベースラインコーチング知識に対する特定の人間のエキスパートに関連付けられるコーチング知識の相違を説明する、コンピュータ実施方法を提供する。

0048

1つの実施形態は、スキルトレーニングコンテンツのエキスパート知識のバリエーションが:センサ構成データであって、センサ構成データが、定義された方法で動作し、それによって特定のスキルの試行されたパフォーマンスを表すデータを提供するように1つ又は複数のパフォーマンスセンサユニットのセットを構成するデータを含む、センサ構成データと;状態エンジンデータであって、状態エンジンデータが、1つ又は複数のパフォーマンスセンサユニットのセットによって提供されるデータに基づいて特定のスキルの試行されたパフォーマンスの属性を処理デバイスが識別することを可能にするように構成されるデータを含む、状態エンジンデータと;ユーザインタフェースデータであって、ユーザインタフェースデータが、特定のスキルの試行されたパフォーマンスの識別された属性に基づいてユーザインタフェースの動作を可能にするように構成されるデータを含む、ユーザインタフェースデータと、を含む、コンピュータ実施方法を提供する。

0049

1つの実施形態は、パフォーマンスセンサユニットが複数のモーションセンサユニットを含む、コンピュータ実施方法を提供する。

0050

1つの実施形態は、スキルトレーニングコンテンツのエキスパート知識のバリエーションが、少なくとも部分的に、複数のモーションセンサユニットから得られるモーションセンサデータを処理するように構成されるPODデバイスを含むハードウェアで実行される、コンピュータ実施方法を提供し、ウェアラブル衣服は、PODデバイスへの、モーションセンサデータの配信を容易にするように構成される複数のセンサストランドを提供する。

0051

1つの実施形態は、複数のセンサユニットのそれぞれが:加速度計、磁力計、及びジャイロスコープを含む、コンピュータ実施方法を提供する。

0052

1つの実施形態は、定義されたスキルのために、クラウドホステッドマーケットプレイスが、1つ又は複数のユーザによる:(i)スキルトレーニングコンテンツの標準バージョン;及び(ii)スキルトレーニングコンテンツのエキスパート知識のバリエーション、の調達のために利用可能になるように構成される、コンピュータ実施方法を提供する。

0053

1つの実施形態は、トレーニングコンテンツデータの第1のセットが観察可能なデータ条件の第1のセットに関連付けられる、コンピュータ実施方法を提供し、トレーニングコンテンツデータの第2のセットは、トレーニングコンテンツデータの第2のセットがトレーニングコンテンツデータの第1のセットによって識別されないパフォーマンスの1つ又は複数の属性を識別するよう構成されるように、観察可能なデータ条件の第2のセットに関連付けられる。

0054

1つの実施形態は、トレーニングコンテンツデータの第1のセットが徴候(symptom)を原因にマッピングするための第1のプロトコルに関連付けられる、コンピュータ実施方法を提供し、トレーニングコンテンツデータの第2のセットは、トレーニングコンテンツデータの第2セットが、徴候と原因との間に少なくとも1つのエキスパート固有の関係を提供するように、徴候を原因にマッピングするための第2のプロトコルに関連付けられる。

0055

1つの実施形態は、トレーニングコンテンツデータの第1のセットがメディアコンテンツ(media content)の第1のセットに関連付けられる、コンピュータ実施方法を提供し、トレーニングコンテンツデータの第2のセットは、トレーニングコンテンツデータの第2セットが特定のエキスパートにパーソナライズされる(personalised)メディアコンテンツを提供するよう構成されるように、メディアコンテンツの第2のセットに関連付けられる。

0056

1つの実施形態は、複数のエキスパートのうちの選択された一人に関連付けられるトレーニングデータを提供するようユーザがローカルパフォーマンスモニタリングハードウェアデバイスを構成することを可能にするコンピュータ実施方法を提供し、方法は:

0057

クライアントデバイスのユーザが、トレーニングされることになる1つ又は複数のスキルのセットを選択することを可能にするように構成されるインタフェースを提供するステップと;

0058

選択されたトレーニングされることになる1つ又は複数のスキルに対するエキスパート知識のバリエーションをユーザが選択することを可能にするステップであって、トレーニングされることになる1つ又は複数のスキルのセットに対して利用可能な複数のエキスパート知識のバリエーションがある、ステップと;

0059

トレーニングされることになる1つ又は複数のスキルのセット、およびトレーニングされることになる選択された1つ又は複数のスキルに対するエキスパート知識のバリエーションのユーザの選択に続いて、ユーザに関連付けられるクライアントデバイスに、ダウンロード可能なデータを提供するダウンロードプロセスを可能にするステップであって、ダウンロード可能なデータは、クライアントデバイスを:

0060

(i)パフォーマンスモニタリングセンサのセットから得られるデータを処理し、それによってユーザによるスキルの与えられた1つの身体的パフォーマンスを分析するように;及び

0061

(ii)分析に基づいて、ユーザインタフェースデバイスを介して、選択されたエキスパート知識のバリエーションに特化したトレーニングデータを提供するように、
構成する、
ステップと、を含む。

0062

1つの実施形態は、選択された1つ又は複数のスキルのセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがある、コンピュータ実施方法を提供し:

0063

第1の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、パフォーマンス分析センサのセットから得られるデータにおいて、与えられるスキルに関連付けられる観察可能なデータ条件の第1のセットを識別するように構成し、

0064

第2の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、パフォーマンス分析センサのセットから得られるデータにおいて、与えられるスキルに関連付けられる観察可能なデータ条件の第2の異なるセットを識別するように構成する。

0065

1つの実施形態は、観察可能なデータ条件の第1のセットと観察可能なデータ条件の第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートのスタイルの相違を説明する、コンピュータ実施方法を提供する。

0066

1つの実施形態は、観察可能なデータ条件の第1のセットと観察可能なデータ条件の第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、コンピュータ実施方法を提供する。

0067

1つの実施形態は、1つ又は複数のスキルの選択されるセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがある、コンピュータ実施方法を提供し:

0068

第1の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じてユーザにフィードバックデータの第1のセットを提供するように構成し、

0069

第2の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じてユーザにフィードバックデータの第2の異なるセットを提供するように構成する。

0070

1つの実施形態は、フィードバックデータの第1のセットとフィードバックデータの第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、コンピュータ実施方法を提供する。

0071

1つの実施形態は、フィードバックデータの第1のセットとフィードバックデータの第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートの声を表す異なるオーディオデータを含む、コンピュータ実施方法を提供する。

0072

1つの実施形態は、パフォーマンス分析センサがモーションセンサを含む、コンピュータ実施方法を提供する。

0073

1つの実施形態は、クライアントデバイスがウェアラブル衣服によって担持されるように構成されるPODデバイスを含む、コンピュータ実施方法を提供し、ウェアラブル衣服は、PODデバイスへの、ウェアラブル衣服によって担持される複数のセンサユニットから得られるデータの配信を可能にするように構成される複数のセンサストランドを提供する。

0074

1つの実施形態は、複数のセンサユニットのそれぞれが:加速度計、磁力計、及びジャイロスコープを含む、コンピュータ実施方法を提供する。

0075

1つの実施形態は、ユーザが、複数のエキスパートのうちの選択された1人に関連付けられるトレーニングデータを提供するようにローカルパフォーマンスモニタリングハードウェアデバイスを構成することを可能にするように構成されるシステムを提供し、システムは:

0076

クライアントユーザインターフェースデバイスが、トレーニングされることになる1つ又は複数のスキルのセットをクライアントデバイスのユーザが選択することを可能にするように構成されるインタフェースとインタラクト(interact with)することを可能にするように構成されるサーバであって、インタフェースは、追加的に、選択されたトレーニングされることになる1つ又は複数のスキルに対するエキスパート知識のバリエーションをユーザが選択することを可能にするように構成され、トレーニングされることになる1つ又は複数のスキルのセットに対して利用可能な複数のエキスパート知識のバリエーションがある、サーバと、

0077

トレーニングされることになる1つ又は複数のスキルのセット、及びトレーニングされることになる選択された1つ又は複数のスキルに対するエキスパート知識のバリエーションのユーザの選択に続いて、ユーザに関連付けられたクライアントデバイスに、ダウンロード可能なデータを提供する、ダウンロードプロセスを可能にするように構成される、ダウンロードマネージャコンポーネントであって、このダウンロード可能なデータはクライアントデバイスを:

0078

(i)パフォーマンスモニタリングセンサのセットから得られるデータを処理し、それによってユーザによるスキルの与えられた1つの身体的パフォーマンスを分析するように;及び

0079

(ii)分析に基づいて、ユーザインタフェースデバイスを介して、選択されたエキスパート知識のバリエーションに特化したトレーニングデータを提供するように、
構成する、
ダウンロードマネージャコンポーネントと、を含む。

0080

1つの実施形態は、1つ又は複数のスキルの選択されるセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがある、コンピュータ実施方法を提供し:

0081

第1の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、パフォーマンス分析センサのセットから得られるデータにおいて、与えられるスキルに関連付けられる観察可能なデータ条件の第1のセットを識別するように構成し、

0082

第2の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、パフォーマンス分析センサのセットから得られるデータにおいて、与えられるスキルに関連付けられる観察可能なデータ条件の第2の異なるセットを識別するように構成する。

0083

1つの実施形態は、観察可能なデータ条件の第1のセットと観察可能なデータ条件の第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートのスタイルの相違を説明する、コンピュータ実施方法を提供する。

0084

1つの実施形態は、観察可能なデータ条件の第1のセットと観察可能なデータ条件の第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、コンピュータ実施方法を提供する。

0085

1つの実施形態は、1つ又は複数のスキルの選択されるセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがある、コンピュータ実施方法を提供し:

0086

第1の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じてユーザにフィードバックデータの第1のセットを提供するように構成し、

0087

第2の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じてユーザにフィードバックデータの第2の異なるセットを提供するように構成する。

0088

1つの実施形態は、フィードバックデータの第1のセットとフィードバックデータの第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、コンピュータ実施方法を提供する。

0089

1つの実施形態は、フィードバックデータの第1のセットとフィードバックデータの第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートの声を表す異なるオーディオデータを含む、コンピュータ実施方法を提供する。

0090

1つの実施形態は、パフォーマンス分析センサがモーションセンサを含む、コンピュータ実施方法を提供する。

0091

1つの実施形態は、クライアントデバイスがウェアラブル衣服によって担持されるように構成されるPODデバイスを含む、コンピュータ実施方法を提供し、ウェアラブル衣服は、PODデバイスへの、ウェアラブル衣服によって担持される複数のセンサユニットから得られるデータの配信を可能にするように構成される複数のセンサストランドを提供する。

0092

1つの実施形態は、複数のセンサユニットのそれぞれが:加速度計、磁力計、及びジャイロスコープを含む、コンピュータ実施方法を提供する。

0093

1つの実施形態は、ユーザが、複数のエキスパートのうちの選択された1人に関連付けられるトレーニングデータを提供するようにローカルパフォーマンスモニタリングハードウェアデバイスを構成することを可能にする方法を提供し、方法は:

0094

クライアントデバイスのユーザがトレーニングされることになる1つ又は複数のスキルのセットを選択することを可能にするように構成されるインタフェースを提供するステップと;

0095

ユーザが、トレーニングされることになる選択された1つ又は複数のスキルに対するエキスパート知識のバリエーションを選択することを可能にするステップであって、トレーニングされることになる1つ又は複数のスキルのセットに対して利用可能な複数のエキスパート知識のバリエーションがある、ステップと;

0096

トレーニングされることになる1つ又は複数のスキルのセット、及びトレーニングされることになる選択された1つ又は複数のスキルに対するエキスパート知識のバリエーションのユーザの選択に続いて、ユーザに関連付けられたクライアントデバイスに、ダウンロード可能なデータを提供する、ダウンロードプロセスを可能にするステップであって、このダウンロード可能なデータはクライアントデバイスを:

0097

(i)パフォーマンスモニタリングセンサのセットから得られるデータを処理し、それによってユーザによるスキルの与えられた1つの身体的パフォーマンスを分析するように;及び

0098

(ii)分析に基づいて、ユーザインタフェースデバイスを介して、選択されたエキスパート知識のバリエーションに特化したトレーニングデータを提供するように、構成する、
ステップと、を含む。

0099

1つの実施形態は、1つ又は複数のスキルの選択されるセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがある、方法を提供し:

0100

第1の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、パフォーマンス分析センサのセットから得られるデータにおいて、与えられるスキルに関連付けられる観察可能なデータ条件の第1のセットを識別するように構成し、

0101

第2の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、パフォーマンス分析センサのセットから得られるデータにおいて、与えられるスキルに関連付けられる観察可能なデータ条件の第2の異なるセットを識別するように構成する。

0102

1つの実施形態は、観察可能なデータ条件の第1のセットと観察可能なデータ条件の第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートのスタイルの相違を説明する、方法を提供する。

0103

1つの実施形態は、観察可能なデータ条件の第1のセットと観察可能なデータ条件の第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、方法を提供する。

0104

1つの実施形態は、1つ又は複数のスキルの選択されるセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがある、方法を提供し:

0105

第1の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じてユーザにフィードバックデータの第1のセットを提供するように構成し、

0106

第2の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じてユーザにフィードバックデータの第2の異なるセットを提供するように構成する。

0107

1つの実施形態は、フィードバックデータの第1のセットとフィードバックデータの第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、方法を提供する。

0108

1つの実施形態は、フィードバックデータの第1のセットとフィードバックデータの第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートの声を表す異なるオーディオデータを含む、方法を提供する。

0109

1つの実施形態は、パフォーマンス分析センサがモーションセンサを含む、方法を提供する。

0110

1つの実施形態は、クライアントデバイスがウェアラブル衣服によって担持されるように構成されるPODデバイスを含む、方法を提供し、ウェアラブル衣服は、PODデバイスへの、ウェアラブル衣服によって担持される複数のセンサユニットから得られるデータの配信を可能にするように構成される複数のセンサストランドを提供する。

0111

1つの実施形態は、複数のセンサユニットのそれぞれが:加速度計、磁力計、及びジャイロスコープを含む、方法を提供する。

0112

1つの実施形態は、ユーザが、複数のエキスパートのうちの選択された1人に関連付けられるトレーニングデータを提供するようにローカルパフォーマンスモニタリングハードウェアデバイスを構成することを可能にするシステムを提供し、システムは:

0113

クライアントユーザインターフェースデバイスが、トレーニングされることになる1つ又は複数のスキルのセットをクライアントデバイスのユーザが選択することを可能にするように構成されるインタフェースとインタラクトすることを可能にするように構成されるサーバであって、インタフェースは、追加的に、トレーニングされることになる1つ又は複数のスキルのセットに対するエキスパート知識のバリエーションをユーザが選択することを可能にするように構成され、トレーニングされることになる1つ又は複数のスキルのセットに対して利用可能な複数のエキスパート知識のバリエーションがある、サーバと、

0114

トレーニングされることになる1つ又は複数のスキルのセット、及びトレーニングされることになる選択された1つ又は複数のスキルに対するエキスパート知識のバリエーションのユーザの選択に続いて、ユーザに関連付けられたクライアントデバイスに、ダウンロード可能なデータを提供する、ダウンロードプロセスを可能にするように構成される、ダウンロードマネージャコンポーネントであって、このダウンロード可能なデータはクライアントデバイスを:

0115

(i)パフォーマンスモニタリングセンサのセットから得られるデータを処理し、それによってユーザによるスキルの与えられた1つの身体的パフォーマンスを分析するように;及び

0116

(ii)分析に基づいて、ユーザインタフェースデバイスを介して、選択されたエキスパート知識のバリエーションに特化したトレーニングデータを提供するように、
構成する、
ダウンロードマネージャコンポーネントと、を含む。

0117

1つの実施形態は、1つ又は複数のスキルの選択されるセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがある、システムを提供し:

0118

第1の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、パフォーマンス分析センサのセットから得られるデータにおいて、与えられるスキルに関連付けられる観察可能なデータ条件の第1のセットを識別するように構成し、

0119

第2の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、パフォーマンス分析センサのセットから得られるデータにおいて、与えられるスキルに関連付けられる観察可能なデータ条件の第2の異なるセットを識別するように構成する。

0120

1つの実施形態は、観察可能なデータ条件の第1のセットと観察可能なデータ条件の第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートのスタイルの相違を説明する、システムを提供する。

0121

1つの実施形態は、観察可能なデータ条件の第1のセットと観察可能なデータ条件の第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、システムを提供する。

0122

1つの実施形態は、1つ又は複数のスキルの選択されるセットに関して、第1の選択可能なエキスパート知識のバリエーション及び第2の選択可能なエキスパート知識のバリエーションがある、システムを提供し:

0123

第1の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じてユーザにフィードバックデータの第1のセットを提供するように構成し、

0124

第2の選択可能なエキスパート知識のバリエーションに関して、ダウンロード可能なデータは、クライアントデバイスを、与えられるスキルに関連付けられる定義された観察可能なデータ条件を観察することに応じてユーザにフィードバックデータの第2の異なるセットを提供するように構成する。

0125

1つの実施形態は、フィードバックデータの第1のセットとフィードバックデータの第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートから得られるコーチングアドバイスを説明する、システムを提供する。

0126

1つの実施形態は、フィードバックデータの第1のセットとフィードバックデータの第2のセットとの間の差異が、それぞれのエキスパート知識のバリエーションに関連付けられる人間のエキスパートの声を表す異なるオーディオデータを含む、システムを提供する。

0127

1つの実施形態は、パフォーマンス分析センサがモーションセンサを含む、システムを提供する。

0128

1つの実施形態は、クライアントデバイスがウェアラブル衣服によって担持されるように構成されるPODデバイスを含む、システムを提供し、ウェアラブル衣服は、PODデバイスへの、ウェアラブル衣服によって担持される複数のセンサユニットから得られるデータの配信を可能にするように構成される複数のセンサストランドを提供する。

0129

1つの実施形態は、複数のセンサユニットのそれぞれが:加速度計、磁力計、及びジャイロスコープを含む、システムを提供する。

0130

1つの実施形態は、ウェアラブル衣服を提供し、ウェアラブル衣服は:複数のセンサストランドであって、各センサストランドが1つ又は複数のセンサユニットを含み、各センサユニットが:(i)マイクロプロセッサ;(ii)メモリモジュール;及び(iii)1つ又は複数のモーションセンサコンポーネントのセット;を含む、複数のセンサストランドと;センサストランド接続ポートであって、センサストランド接続ポートは、複数のセンサストランドを中央処理デバイスに結合するように構成される、センサストランド接続ポートと;中央処理デバイスであって、センサ処理ユニットは(i)電源;(ii)マイクロプロセッサ;及び(iii)メモリモジュールを含み;メモリモジュールは、複数の接続されたセンサユニットから中央処理デバイスによって受信されるセンサデータを含む、センサデータにおける事前に定義された観察可能なデータ条件の1つ又は複数のセットを処理デバイスが識別することを可能にする、マイクロプロセッサによって実行可能なソフトウェア命令を格納するように構成される、中央処理デバイスと、を含む。

0131

1つの実施形態は、ウェアラブル衣服を提供し、ウェアラブル衣服は:複数のセンサストランドであって、各センサストランドが1つ又は複数の取り付け位置を含み、各取り付け位置が、それぞれのセンサユニットの接続及び取り付けを可能にするように構成され、各センサユニットは:(i)マイクロプロセッサ;(ii)メモリモジュール;及び(iii)1つ又は複数のモーションセンサコンポーネントのセット;を含む、複数のセンサストランドと;センサストランド接続ポートであって、センサストランド接続ポートは、複数のセンサストランドを中央処理デバイスに結合するように構成される、センサストランド接続ポートと;中央処理デバイスの接続及び取り付けを可能にするように構成される取り付け位置であって、センサ処理ユニットは(i)電源;(ii)マイクロプロセッサ;及び(iii)メモリモジュールを含み;メモリモジュールは、複数のセンサユニットから中央処理デバイスによって受信されるセンサデータを含む、センサデータにおける事前に定義された観察可能なデータ条件の1つ又は複数のセットを処理デバイスが識別することを可能にする、マイクロプロセッサによって実行可能なソフトウェア命令を格納するように構成される、取り付け位置と、を含む。

0132

1つの実施形態は、本明細書で記載する方法を実行するためのコンピュータプログラム製品コンピュータプログラム)を提供する。

0133

1つの実施形態は、プロセッサ上で実行されるときに、プロセッサに本明細書に記載するような方法を実行させる、コンピュータ実行可能なコードを担持する(carrying)非一時的なキャリア媒体(carrier medium)を提供する。

0134

1つの実施形態は、本明細書で記載するような方法を実行するように構成されたシステムを提供する。

0135

本明細書を通じる「1つの実施形態(一実施形態)」、「幾つかの実施形態」又は「実施形態」への言及は、その実施形態に関連して記載する特定の構成、構造又は特性が本発明の少なくとも1つの実施形態に含まれることを意味する。よって、この明細書を通じる様々な箇所における「一実施形態(において)」、「幾つかの実施形態(において)」又は「実施形態(において)」という成句出現は、必ずしもすべてが同じ実施形態を指さないが、同じ実施態様を指すことがある。更に、特定の個性、構造又は特性は、1つ又は複数の実施形態において、この開示から当業者に明らかであるように、任意の適切な方法で組み合わせられてよい。

0136

本明細書で使用されるとき、他に特定されない限り、共通の物体オブジェクト)を記載するための序数を表す形容詞「第1」、「第2」、「第3」等の使用は、同等の物体の異なる場合が言及されていることを単に示しており、そのように記載される物体が、時間的又は空間的に、所与順序で、順位付けで、或いは任意の他の方法で与えられなければならないことを暗示することは意図されていない。

0137

以下の請求項及び本明細書の記載において、含む(comprising)、含む(comprised of)、又は含む(which comprises)という用語のうちのいずれか1つは、少なくとも以下の要素/構成を含むが、他のものを排除しないことを意味する、開放用語(オープン用語)である。よって、請求項において使用される場合、含むという用語は、その後に記載される手段又は要素又はステップに限定されるものと解釈されてならない。例えば、AとBとを含むデバイスという表現の範囲は、要素A及びBのみからなるデバイスに限定されてならない。本明細書で使用される「含む」(including)、「含む」(which includes)、又は「含む」(that includes)のような用語のいずれか1つも、その用語に続く少なくともその要素/構成を含むが、他の要素/構成を除外しないことを同様に意味する、開放用語(オープン用語)である。よって、含む(including)は、含む(comprising)と同義語であり、含む(comprising)を意味する。

0138

本明細書で使用される場合、「例示的」という用語は、品質を示すこととは対照的に、実施例を提供する意味で使用される。すなわち、「例示的な実施形態」は、必ず例示的な品質の実施形態であるのとは対照的に、一例として提供される実施形態である。

0139

次に、添付の図面を参照して、ほんの一例として、本発明の実施形態を記載する。

図面の簡単な説明

0140

1つの実施態様に従ったコンテンツの生成及び配信を可能にするように構成されたフレームワーク図式的に例示している。

0141

更なる実施態様に従ったコンテンツの生成及び配信を可能にするように構成されたフレームワークを図式的に例示している。

0142

1つの実施態様に従ったスキル分析方法を例示している。

0143

1つの実施態様に従ったスキル分析方法を例示している。

0144

1つの実施態様に従ったスキル分析方法を例示している。

0145

1つの実施態様に従ったスキル分析方法を例示している。

0146

1つの実施態様に従ったスキル分析方法を例示している。

0147

1つの実施態様に従ったユーザインタフェースについてのユーザインターフェースディスプレイ図を例示している。

0148

例示的なデータ収集表(データ収集テーブル)を例示している。

0149

例示的なデータ収集表(データ収集テーブル)を例示している。

0150

1つの実施態様に従ったSIM分析方法を例示している。

0151

1つの実施態様に従ったSIM分析方法を例示している。

0152

1つの実施態様に従ったODCバリエーションを例示している。

0153

1つの実施態様に従ったプロセスフローを例示している。

0154

1つの実施態様に従ったプロセスフローを例示している。

0155

1つの実施態様に従ったプロセスフローを例示している。

0156

1つの実施態様に従ったサンプル分フェーズを例示している。

0157

1つの実施態様に従ったデータ分析フェーズを例示している。

0158

1つの実施態様に従った実施フェーズを例示している。

0159

1つの実施態様に従った標準化方法を例示している。

0160

1つの実施態様に従った分析方法を例示している。

0161

1つの実施態様に従った分析方法を例示している。

0162

サーバ側コンポーネント及びクライアント側コンポーネントを含む例示的なフレームワークを例示している。

0163

サーバ側コンポーネント及びクライアント側コンポーネントを含む更なる例示的なフレームワークを例示している。

0164

サーバ側コンポーネント及びクライアント側コンポーネントを含む更なる例示的なフレームワークを例示している。

0165

サーバ側コンポーネント及びクライアント側コンポーネントを含む更なる例示的なフレームワークを例示している。

0166

例示的なフレームワークの動作を例示している。

0167

例示的なフレームワークの動作を例示している。

0168

例示的なフレームワークの動作を例示している。

0169

1つの実施態様に従ったユーザ機器を作動させる方法を例示している。

0170

1つの実施態様に従ったコンテンツ生成方法を例示している。

0171

1つの実施態様に従ったパフォーマンス分析機器を例示している。

0172

1つの実施態様に従ったパフォーマンス分析機器を例示している。

0173

1つの実施態様に従ったパフォーマンス分析機器を例示している。

0174

1つの実施態様に従ったパフォーマンス分析機器を例示している。

0175

1つの実施態様に従ったMSU対応衣服を例示している。

0176

例示的な接続された機器を備える、1つの実施態様に従ったMSU対応衣服を例示している。

0177

例示的な接続された機器を備える、1つの実施態様に従ったMSU対応衣服を例示している。

0178

1つの実施態様に従ったMSUを例示している。

0179

1つの実施態様に従ったMSU及びハウジングを例示している。

0180

ヒンジ関節(ヒンジジョイント)の特徴を図式的に例示している。

0181

肘関節エルボージョイント)の特徴を図式的に例示している。

0182

関節(ジョイント)の特徴を図式的に例示している。

0183

人間の腕の関節動作を図式的に示している。

0184

1つの実施態様に従ったギター授業構成を例示している。

0185

例示的なMSU対応衣服の部分を例示している。

0186

1つの実施態様に従った例示的な構造ループを例示している。

0187

プロセスフローを備える更なる例示的なフレームワークを例示している。

実施例

0188

本明細書に記載する実施態様は、パフォーマンスセンサユニット(Performance Sensor Units)(PSU)を使用してユーザスキルパフォーマンス(user skill performance)をモニタリングするような技術フレームワーク(technological frameworks)に関し、それらのPSUから由来するデータを処理することにより、ユーザスキルパフォーマンスの属性を決定する。例えば、パフォーマンスの属性は、スキルトレーニングを提供するように構成されたコンピュータプログラムのような、コンピュータプログラムを駆動するために使用される。他の実施態様において、パフォーマンスの属性は、マルチユーザ競合アクティビティ等を提供することのような、代替的な目的のために決定される。

0189

スキルトレーニング(skills training)のコンテキスト(文脈)(context)において、本明細書で記載するフレームワークは、パフォーマンス属性(performance attributes)を表すデータを収集するためにPSUを利用し、ユーザにフィードバック及び/又は命令(instruction)をユーザに提供することにより、そのユーザが彼/彼のパフォーマンスを向上させるのを支援する。例えば、これは、コーチングアドバイス(coating advice)を提供すること、ユーザに特定の練習を行うことを指示して特定の所要の基本的なサブスキルを開発すること等を含んでよい。PSUを介して実質的にリアルタイムでパフォーマンスをモニタリングすることによって、トレーニングプログラムは、ユーザのパフォーマンス属性が、提供されたフィードバック/命令に基づいて向上するか否かの観察に基づいて適応することができる。例えば、連続的なパフォーマンス試行の繰り返しの間のパフォーマンス属性の変化の観察は、提供されたフィードバック/命令が成功したか或いは失敗したかを示す。これは広範囲の自動適応スキルトレーニングプログラムの生成及び配信を可能にする。

0190

スキルパフォーマンスの性質は、実施態様の間で異なるが、本明細書で検討される実施例の目的のために、以下の2つの一般的なカテゴリが使用される。
● 人間のモーションベースのスキルパフォーマンス。これらは、人間のモーション属性がスキルの決定的な特性を表すパフォーマンスである。例えば、モーションベースのパフォーマンスは、パフォーマンスを行う者の身体の動き包含する実質的にあらゆる物理的なスキルを含む。モーションベースのパフォーマンスの有意な種類(class)は、スポーツアクティビティで使用されるスキルのパフォーマンスである。
●オーディオベースのスキルパフォーマンス。これらは、音響的に知覚可能な属性が、スキルの決定的な特性を表すパフォーマンスである。例えば、オーディオベースのスキルパフォーマンスは、音楽的及び/又は言語的パフォーマンスを含む。オーディオベースのパフォーマンスの有意な種類は、楽器演奏することに関連するスキルのパフォーマンスである。

0191

以下で提供する実施例は、主として、モーションベースのスキルパフォーマンスの比較的技術的に困難な場合に焦点を当てているが、モーションベースのスキルに関して適用される原理は、他の状況に容易に適用されることが理解されるであろう。例えば、PSUから受信したデータにおいて観察(観測)可能なデータ条件(Observable Data Conditions)(ODC)を使用するという概念は、モーション、オーディオ、及び他の形態のパフォーマンスに均しく適用可能である。

0192

幾つかの実施態様は、パフォーマンスモニタリングのコンテキストにおいてエンドユーザが経験するコンテンツの定義付け(defining)、配布(distribution)及び実施(実装)(implementation)を可能にする、コンピュータで実施されるフレームワークに関する。これは、ユーザによってスキルパフォーマンスが監視されるように構成される1つ又は複数のPSUに由来するパフォーマンスセンサデータ(PSD)の処理によってユーザのスキルパフォーマンスが分析されるよう、ユーザにインタラクティブスキルトレーニング(interactive skills training)を提供するように構成されるコンテンツを含む。

0193

全体的なエンドツーエンド(end-to-end)フレームワークを参照して、様々な実施態様を以下に記載する。全体的なフレームワークは、その構成部分に文脈を提供するものとして記載され、その一部は異なる文脈で適用され得る。全体的な記載されたエンドツーエンドフレームワークの特徴のサブセットのみが、以下の請求項において直接的に請求されているが、本発明の主題は、(たとえばそのようなものとして特別に特定されていないとしても)広範囲の構成要素に亘って存在することが理解されるべきである。例えば、本発明の主題は、(i)スキルの分析により、その決定的な特性を理解すること、(ii)プロトコルを定めることにより、1つ又は複数のPUSを使用して、スキルの自動化された分析を可能にすること、(iii)自動化された分析を利用するコンテンツの定義付け及び配信により、スキルトレーニングのようなインタラクティブエンドユースコンテンツを提供すること、(iv)スキルトレーニングプログラムの適応的な実施、(v)エンドユーザへのコンテンツの配信を容易にするハードウェア及びソフトウェア、(vi)エンドユーザがコンテンツを体験するのを容易にするハードウェア及びソフトウェア、ならびに(vii)人間アクティビティモニタリングの目的のために多数のモーションセンサユニットの構成(configuration)及び実施(implementation)を容易にするよう開発された技術及び方法論を含む、本明細書で記載する技術及び方法論の特徴に亘って具現されるが、それらに限定されない。

0194

用語
以下に記載する実施態様の目的のために、以下の用語が使用される。
●パフォーマンスセンサユニット(PSU)。パフォーマンスセンサユニットは、物理的パフォーマンスの監視に応答してデータを生成するように構成されるハードウェアデバイスである。モーションデータ及びオーディオデータを処理するように構成されるセンサユニットの実施例が本明細書で主に考慮されるが、それらは決して限定的な実施例でないことが理解さるであろう。
● パフォーマンスセンサデータ(PSD)。PUSによって配信されるデータをパフォーマンスセンサデータと呼ぶ。このデータは、PSUからの完全な生データ、又は(例えば、圧縮、低減されたモニタリング、サンプリング速度サンプリングレート)等に基づく)そのデータのサブセットを含んでよい。
オーディオセンサユニット(ASU)。オーディオセンサユニットは、音のモニタリングに応答してデータを生成し且つ送信するように構成されたハードウェアデバイスである、PSUのカテゴリである。幾つかの実施態様において、ASUは、音及び/又は振動の影響をモニタリングし、それらをデジタル信号(例えば、MIDI信号)に変換するように構成される。1つの例は、弦楽器機械的振動キャプチャ捕捉)して電気信号に変換するように構成されるトランスデューサ変換器)を含むピックアップデバイスである。
● オーディオセンサデータ(ASD)。これは1つ又は複数のASUによって配信されるデータである。
●モーションセンサユニット(MSU)。モーションセンサユニットは、モーションに応答してデータを生成し且つ送信するように構成されたハードウェアデバイスである、PSUのカテゴリである。このデータは、殆どの場合、局所的な基準フレームに対して定義される。所与のMSUは、1つ又は複数の加速度計、1つ又は複数の磁力計から得られるデータ、及び1つ又は複数のジャイロスコープから得られたデータを含むことがある。好ましい実施態様は、1つ又は複数の3軸加速度計、1つの3軸磁力計、及び1つの3軸ジャイロスコープを利用する。モーションセンサユニットは、「着用」されてよく或いは「着用可能」であってよく、それは、モーションセンサユニットが、(例えば、衣類を介して)固定位置にある人間の身体に取り付けられるように構成されることを意味する。
●モーションセンサデータ(MSD)。MSUによって配信されるデータをモーションセンサデータ(MSD)と呼ぶ。このデータは、MSUからの完全な生データ、又は(例えば、圧縮、低減されたモニタリング、サンプリング速度等に基づく)そのデータのサブセットを含んでよい。
● MSU対応衣服。MSU対応衣服は、複数のMSUを運ぶように構成された(シャツ又はパンツのような)衣類である。幾つかの実施態様において、MSUは、衣類に形成された所定の山間ゾーンにおいて(好ましくは、個々のMSUが取り外され且つ交換されるのが可能であるよう、取り外し可能な方法において)取り付けられ、通信線に連結される。
● PODデバイス。PODデバイスは、PSD(例えば、MSUからのMSD)を受信する処理デバイスである。幾つかの実施態様において、それはMSU対応衣服によって運ばれ、他の実施態様では、それは別個の装置である(例えば、1つの実施態様において、PODデバイスは、スマートホンに連結する処理デバイス、幾つかの実施態様において、PODデバイス機能性は、スマートホン又はモバイルデバイスによって提供される)。幾つかの場合には、MSDは、有線接続を介して受信され、幾つかの場合には、無線接続を介して受信され、幾つかの場合には、無線接続及び有線接続を介して受信される。本明細書で記載するように、PODデバイスは、MSDを処理して、それにより、MSD内のデータ条件を特定する(例えば、1つ又は複数の徴候(symptom)の存在の特定を可能にする)責任がある。幾つかの実施態様において、PODデバイスの役割は、スマートホンのような多目的エンドユーザハードウェアデバイスによって全体的又は部分的に実行される。幾つかの実施態様において、PSD処理の少なくとも一部は、クラウドベースサービスによって実行される。
モーションキャプチャデータMCD)。モーションキャプチャデータ(MCD)は、あらゆる利用可能なモーションキャプチャ技術を使用することに由来するデータである。これに関して、「モーションキャプチャ」は、例えば、キャプチャデバイスが、既知の場所で被験者に取り付けられた視覚マーカを使用して、モーションを表すデータをキャプチャするために用いられる、技術を指す。1つの例は、Viconによって提供されるモーションキャプチャ技術である(しかしながら、発明者/出願人とViconとの間の提携が推測されるべきでない)。以下に更に議論するように、MCDは、好ましくは、視覚的観察とMSD観察との間のリンクを提供するために使用される。
●スキル(skill)。モーションベースアクティビティのコンテキストにおいて、スキルは、例えば、コーチングのコンテキストにおいて(視覚的に及び/又はMSDを介して)観察される個々のモーション(又はリンクされたモーションのセット)である。スキルは、例えば、ローイングモーション(漕ぎ運動)、サッカーキックの特定のカテゴリ、ゴルフスイングの特定のカテゴリ、特定のアクロバット操作等であってもよい。「サブスキル」も言及される。これは、主に、トレーニングされるスキルとそのスキルの一部を構成するより重要でないスキルとを区別することであり、或いは、そのスキルの基礎的要素ビルディングブロック)である。例えば、ジャグリングというスキルの文脈において、サブスキルは、ボールを投げて同じ手でキャッチするスキルである。
● 徴候。徴候は、(例えば、初期スキル分析のコンテキストにおいて視覚的に観察され、エンドユーザ環境のコンテキストにおいてMSDの処理を介して観察される)観察可能なスキルの属性である。実際的な用語において、徴候は、意味と関連付けられる、スキルの観察可能なモーション属性である。例えば、徴候の特定は、自動化されたコーチングプロセスの提供においてアクション(行為)を引き起こすことがある。徴候は、(伝統的なコーチングのコンテキストに関連して)視覚的に観察される、或いは、(本明細書で議論するような自動適応スキルトレーニングの提供のコンテキストにおいて関連して)PSDを介して観察されることがある。
● 原因(cause)。徴候は、少なくとも幾つかの場合において、1つの原因に関連する(例えば、所与の徴候は、1つ又は複数の原因と関連することがある)。原因は、幾つかの場合において、MSDにおいて観察可能でもあるが、それは必ずしも本質的でない。コーチングの観点から、1つのアプローチは、先ず、徴候を特定し、次に、その徴候の原因を決定/予測することである(例えば、決定は、MSDの分析によってよく、予測は、MSDの分析以外の手段によってよい)。次に、決定された/予測された原因をコーチングフィードバックによって対処し、続いて、パフォーマンス評価を行い、それにより、コーチングフィードバックが徴候に対処することに成功したか否かを決定してよい。
● 観察可能なデータ条件(ODC)。観察可能なデータ条件という用語は、(典型的には、ODC又は予期されるODCのセットの存在のモニタリングに基づく)MSDのような、PSDにおいて観察可能である条件を記述し、それにより、下流の機能性を誘発する(trigger)ために使用される。例えば、ODCは、所与の徴候(又は原因)について定義されてよい。そのODCが所与のパフォーマンスについてMSDのようなにおいて特定されるならば、関連する徴候(又は原因)がそのパフォーマンスに存在するという決定が行われる。次に、これはトレーニングプログラム内のイベントを誘発する。
● トレーニングプログラム。「トレーニングプログラム」という用語は、ソフトウェア命令の実行を介して提供されるインタラクティブプロセスを記述するために使用され、それは、エンドユーザにどのように実行するかの命令を提供し、それらのパフォーマンスをどのように修正し、改善し、或いは他の方法で調整するかに関するフィードバックを提供する。以下に記載する少なくとも幾つかの実施態様において、トレーニングプログラムは、関連するエンドユーザの分析(例えば、それらのパフォーマンスの分析及び/又は精神的及び/又は身体的な属性のような個人的な属性の分析)に基づいて適応するよう、プロセスの順序付け、フィードバックの選択、及び/又はトレーニングの他の属性を可能にする規則ルール)/論理ロジック)に基づいて実行するトレーニングプログラムである、「適応型トレーニングプログラム」である。

0195

以下により詳細に記載するように、エンドユーザ製品の観点から、幾つかの実施態様は、PODデバイスが、所定のパフォーマンスに関してユーザの(MSDのような)PSDを分析し、それにより、ユーザの属性に基づいて定義されるセットに属する徴候(例えば、ユーザの能力レベル、及び以前の反復の分析からユーザが示すことが知られている徴候)である、1つ又は複数の徴候の存在を決定するように構成される、技法を利用する。MSDを介して徴候をひとたび特定すると、プロセスを実行し、それにより、原因を決定/予測する。次に、フィードバックを選択し、それにより、その原因への対処を探究する。幾つかの実施態様では、複雑な選択プロセスを定義し、それにより、例えば、(i)ユーザの履歴、例えば、以前に失敗したフィードバックに対して未試行の又は以前に成功したフィードバックに優先順位を付けること、(ii)ユーザの学習スタイル、(iii)ユーザ属性、例えば、所与の時点での精神的及び/又は身体的状態、及び/又は(iv)幾つかの場合には特定の現実世界コーチのスタイルに基づくコーチングスタイルに基づき、ユーザのための特定のフィードバックを選択する。

0196

例示的なエンドツーエンドフレームワーク
図1Aは、本明細書で記載するある範囲の実施態様によって活用されるエンドツーエンドフレームワークの高レベルフレームワークを提供している。図1Aのコンテキストにおいて、例示的なスキル分析環境101を利用し、それにより、1つ又は複数のスキルを分析し、それらのスキルに関してエンドユーザコンテンツの生成を可能にするデータを提供する。例えば、これは、幾つかの実施態様では、スキルを分析し、それにより、PSUによって特定され得るODC(好ましくは、特定の徴候、原因等と関連付けられたODC)を決定することを含む。これらのODCは、(トレーニングプログラムのような)例示的なコンテンツ生成プラットフォーム102によって実施されるコンテンツ生成論理内で利用されてよい。その点に関して、コンテンツを生成することは、好ましくは、所定のアクションが特定のODCの特定に応答して取られるプロトコルを定義することを含む。

0197

複数のスキル分析環境及びコンテンツ生成プラットフォームを利用し、それにより、例示的なコンテンツ管理及び配信プラットフォーム103にコンテンツを提供するのが好ましい。このプラットフォームは、幾つかの実施態様において、複数のネットワーク化されたサーバデバイスによって定義される。本質的には、プラットフォーム103の目的は、コンテンツ生成プラットフォームによって生成されるコンテンツをエンドユーザに利用可能にすることである。図1Aのコンテキストにおいて、それは例示的なエンドユーザ機器104へのコンテンツのダウンロードを可能にすることを含む。ダウンロードすることは、幾つかの実施態様において、コンテンツの初期ダウンロードを含み、その後、追加的な所要のコンテンツの更なるダウンロードを含む。幾つかの場合において、更なるダウンロードの性質は、(例えば、スキルトレーニングプログラムのコンポーネント間の適応的進行及び/又はユーザ選択に基づく)ユーザインタラクション(user interactions)によって影響される。

0198

例示的な機器104は、(スマートホン、ヘッドセット、HUDアイウェア網膜投影デバイス等のような)ユーザインタフェースデバイスと共に、複数のMSU及びPODデバイスを保持する(carries)MSU対応衣服の形態において例示されている。

0199

図1Aの実施例において、ユーザは、プラットフォーム103からコンテンツをダウンロードし、機器104を介してそのコンテンツを実行させる。例えば、これは、ゴルフ又はテニスのような特定の身体的アクティビティ(活動)のための適応スキルトレーニングプログラムを提供するコンテンツを含んでよい。この例において、機器104は、ダウンロードされたコンテンツの配信に関連する追加的な機能性を提供する外部(例えば、ウェブベースの)プラットフォームである、例示的なコンテンツインタラクションプラットフォーム105(content interaction platform)と相互作用(インタラクト)(interact)するように構成される。例えば、適応トレーニングプログラム及び/又はそのユーザインタフェースの様々な特徴は、サーバ側処理によって制御されてよい。幾つかの場合には、プラットフォーム105を省略して、機器104が以前にダウンロードしたコンテンツをオフラインモードで配信するのを可能にしてよい。

0200

一般的な例示として、コンテンツの以下の具体的な例が提供される。
●ギタートレーニングプログラム。ユーザは、所要の楽曲に関してトレーニングを提供するように構成されたギタートレーニングプログラムをダウンロードする。ピックアップの形態のPSUを使用し、それにより、ユーザのギター演奏を表すPSDの分析が可能にする。トレーニングプログラムをそのPSDの分析に基づき推進し、それにより、ユーザにコーチングを提供する。例えば、コーチングは、指の位置決めのためのヒント、特定の指の位置の間の進行を練習する矯正練習、及び/又はユーザにとって興味のある及び/又はユーザにとって助けとなることがある他のコンテンツ(例えば、代わりの楽曲)の提案を含んでよい。一例が(オーディオデータを処理するPODデバイス及びユーザインタフェースデータを提供するタブレットデバイスとの組み合わせにおいて、ピックアップの代わりのサウンドジャックを示す)図14に例示されている。
●ゴルフトレーニングプログラム。ユーザは、MSU対応衣服と協働するように構成されたゴルフトレーニングプログラムをダウンロードする。これは、MSU対応衣服によって提供されるPODデバイスへのセンサ構成データ及び状態エンジンデータをダウンロードすることを含む。ユーザは、(例えば、特定の強度、クラブ、又は同等物を用いて)特定の形態のスイングを実行するように命令され、MSU対応衣服によって保持される複数のMSUが、パフォーマンスを表すMSDを提供する。MSDを処理し、それにより、徴候及び/又は原因を特定し、トレーニングフィードバックを提供する。ユーザが彼/彼女のフォームを改善するのを支援するように設計されたトレーニングプログラム論理に基づき、1つ又は複数の更なるパフォーマンス反復に亘って、これを繰り返す。命令及び/又はフィードバックは、ユーザインタフェースデータをユーザの視界に直接的に送る網膜ディスプレイプロジェクタによって提供される。

0201

これらは実施例に過ぎないことが理解されるであろう。

0202

図1Bは、幾つかの実施態様のコンテキストにおいて存在する更なる例示的なエンドツーエンド技術フレームワークのより詳細な概要を提供している。この例は、モーションベースのスキルトレーニングに特に関連し、スキル分析フェーズ100(skill analysis phase)、カリキュラム構築フェーズ110(curriculum construction phase)、及びエンドユーザ配信フェーズ120(end user delivery phase)を参照することによって例示されている。これは限定的な例であることは意図されておらず、コンテンツを定義して配信する特定のエンドツーエンドアプローチを実証するために提供されている。

0203

スキル分析フェーズ100のコンテキストにおいて、図1は、MCDを使用してスキルの分析を支援し、続いて、MSDについてのODCの決定を支援及び/又は検証する(validate)実施態様である、幾つかの実施態様において、そのフェーズで使用されるハードウェアの選択を示している。例示するハードウェアは、複数のモーションセンサユニット及び複数のモーションキャプチャ(モカップ)マーカ(これらは任意的に衣服上の類似の位置に配置される)と、キャプチャデバイス106a〜106cのセットとを保持する、ウェアラブルセンサ衣服106である。モーションキャプチャアプリケーションのために構成されたキャプチャデバイス、及び/又はビデオキャプチャアプリケーションのために構成されたカメラデバイスを含む、より少ない数の又はより多くの数のキャプチャデバイスがあってよい。幾つかの実施態様において、所与のキャプチャデバイスは、両方のアプリケーションのために構成される。一連の例示的なプロセスも図示されている。ブロック107は、複数のサンプルパフォーマンスのためのビデオデータ、モーションキャプチャデータ(MCD)、及びモーションセンサデータ(MSD)をキャプチャすることを含む、プロセスを表している。このデータは、ブロック108に提示されるプロセスによって使用され、それは、(例えば、所与のスキルを分析し、それにより、好ましくは多数の能力レベルで、そのスキルを構成し且つパフォーマンスに影響を及ぼすモーションの特徴を決定すること、並びに、所要のスキルについての徴候及び原因の能力レベルに固有の決定を含む、所要のスキルについての徴候及び原因を決定することを含む)エキスパート分析(expert analysis)に基づき、スキルを徴候及び原因に分解することを含む。ブロック109は、モーションセンサデータから徴候/原因の検出を可能にするODCの定義を含むプロセスを提示している。次に、これらのODCは、後続のフェーズにおいて利用可能である(例えば、それらは所与のカリキュラムにおいて使用されたり、状態エンジンデータ内で適用されたりなどする)。

0204

本明細書では、DCDを利用するアプローチを参照してフェーズ100を記載するが、それは限定的な例であることを意図しない。更なる実施態様では、様々な他のアプローチ、例えば、MSDを最初から利用するアプローチ(例えば、MSDに関するODCの決定を支援及び/又は検証するためにMCDを利用する必要はない)、スキルの機械学習を利用するアプローチが実施される。

0205

フェーズ110は、エキスパート知識データ111(expert knowledge data)のレポジトリを参照して例示される。例えば、1つ又は複数のデータベースが維持され、これらはフェーズ101の特徴及び/又は他の研究及び分析技術に従って定義される情報を含む。情報の例は、(i)徴候/原因を表す合意データ(consensus data)、(ii)徴候/原因を表すエキスパート固有データ(expert-specific data)、(iii)徴候/原因に関するフィードバックを表す合意データ、(iv)徴候/原因に関連するフィードバックを表すエキスパート固有データ、(v)(客観的コーチングスタイルデータ及びパーソナライズされたコーチングスタイルデータを含んでよい)コーチングスタイルデータを含む。これは選択のみである。

0206

図1Bの例において、エキスパート知識データは、フェーズ100で分析されたスキルに関するトレーニングプログラムの配信に利用される。ブロック112は、適応トレーニングフレームワークの構成(configuration)を含むプロセスを表している。これに関して、図1Bの例では、それぞれのスキル及びその特徴に関連する複数のスキルトレーニングプログラムは、共通の適応トレーニングフレームワークを介して配信される。これは、好ましくは、基礎となるスキル固有でない論理を活用するスキル固有の適応トレーニングコンテンツの生成を可能にするように構成された技術的フレームワークである。例えば、そのような論理は、学習スタイルを予測すること、利用可能な時間に基づいてコンテンツ配信を調整すること、(以前に学習したスキルの修復授業を含む)以前のインタラクション(対話)に基づき自動的にレッスンプランを作成すること、ダウンロードする追加的なコンテンツを機能的に推奨すること、及び他の機能性のための、方法論に関する。ブロック113は、スキルのためのカリキュラムの定義付けを含むプロセスを表している。これは、特定の徴候/原因の特定に応じてフィードバックを配信するための規則のフレームワークを定義することを含む。フレームワークは、好ましくは、個々のユーザに固有の獲得された知識(例えば、ユーザの学習スタイルの知識、過去の成功した/失敗したフィードバックの知識等)に基づいて、インテリジェントフィードバック(intelligent feedback)を提供する、適応フレームワークである。ブロック114は、エンドユーザによるダウンロードのためにカリキュラムを利用可能にすること、例えば、オンラインストアを介してカリキュラムを利用可能にすることを含む、プロセスを表している。以下に更に詳述するように、所与のスキルは、基本カリキュラムの提供、及び/又は、(好ましくは異なる価格帯での)1つ又は複数のプレミアムカリキュラムの提供を有してよい。一例として、基本提供は、幾つかの実施態様において、合意エキスパート知識(consensus expert knowledge)に基づき、プレミアム提供は、エキスパート固有のエキスパート知識に基づく。

0207

フェーズ130の場合には、例示的なエンドユーザ機器が図示されている。これは、シャツと、複数のMSUを保持するパンツとを含み、PODデバイスがシャツに設けられた、MSU対応衣服構成121を含む。MSU及びPODデバイスは、例えば、掃除等を可能にするために、衣類から取り外し可能に構成される。ヘッドセット122が、ブルートゥース登録商標)(又は他の手段)によってPODデバイスに接続され、フィードバック及び命令をユーザに聴覚的に提供するように構成される。(iOS又はAndroidスマートホンのような)ハンドヘルドデバイス123が、更なるユーザインターフェースコンテンツ、例えば、教育ビデオ/アニメーションなどを提供するように構成される。他のユーザインタフェースデバイス、例えば、(ウェアラブルアイウェア等を介して視認可能なディスプレイのような)拡張現実情報を提供するように構成されたデバイスが使用されてよい。

0208

例示したエンドユーザ機器のユーザは、(例えば、プラットフォーム103からの)実行のためにコンテンツをダウンロードし、それにより、トレーニングプログラムに関与し、且つ/或いはMSDの処理を活用する他の形態のコンテンツを経験する。例えば、これは、オンラインストアを閲覧し、或いはソフトウェアアプリケーションと対話し(interacting)、それにより、所望のコンテンツを特定し、続いて、そのコンテンツをダウンロードすることを含んでよい。例示する実施態様では、コンテンツがPODデバイスにダウンロードされ、コンテンツは、状態エンジンデータ及びカリキュラムデータを含む。前者は、PODデバイスがMSDを処理し、それにより、徴候を特定する(且つ/或いは他の形態のモーション分析を実行する)ことを可能にする、データを含む。後者は、ユーザインタフェース(例えば、命令、フィードバックなど)によって配信されるコンテンツ及び(適合学習プロセスの配信のための規則のような)そのコンテンツの配信のための命令を含む、トレーニングプログラムの提供を可能にするために必要とされる、データを含む。幾つかの実施態様において、エンジンデータ及び/又はカリキュラムデータは、継続的に遠隔サーバから取得される。

0209

機能ブロック125は、PODデバイスがモニタリング機能を実行し、それにより、状態エンジンデータにおいて定義されるようなODCについてユーザパフォーマンスをモニタリングする、プロセスを表している。例えば、ユーザは、デバイス123及び/又はヘッドセット122を介して「アクティビティXを実行する」ように命令され、次に、PODデバイスは、ユーザのMSUからMSDを処理し、それにより、アクティビティXに関連付けられたODCを特定する(例えば、徴候及び/又は原因の特定を可能にする)。ODCの特定及びカリキュラムデータに基づき(ならびに、幾つかの場合には、追加的な入力に基づき)、フィードバックは、デバイス123及び/又はヘッドセット122を介してユーザに提供される(ブロック126)。例えば、「アクティビティX」を繰り返し実行している間に、ユーザは、それらの技法をどのように修正するかについてのガイダンスを備える可聴フィードバックが提供される。これは、フィードバックを提供して、(例えば、後続のパフォーマンス反復でMSDから導き出されるODCの変化を観察することによって)影響をモニタリングするような、ループ処理(例えば、本明細書では「試行ループ」と呼ぶ)につながる。幾つかの実施態様におけるカリキュラムデータは、(i)アクティビティ改善に関して所望の結果を達成するためのフィードバックの成功/失敗、及び(ii)精神的及び/又は身体的なパフォーマンス属性のようなユーザの属性の組み合わせに基づき、トレーニングプログラムのフィードバック及び/及び段階に適合するように構成される。

0210

スキル分析フェーズ−概要
前述のように、幾つかの実施態様では、スキル分析フェーズを実施し、それにより、エンドユーザ配信フェーズにおいて観察されるべきスキルを分析する。より具体的には、スキル分析フェーズは、好ましくは、(i)スキルの属性、例えば、(エンドユーザ機能性がスキル特定を含む場合に特に関連する)実行されるスキルを表す属性、及び(エンドユーザの機能性が、例えば、スキルトレーニングの配信のコンテキストにおける、スキルトレーニング分析を含む場合に特に関連する)徴候及び原因のような、スキルが実行される方法を表す属性を決定する分析、並びに、(ii)エンドユーザのハードウェア(MSUのようなPSU)を自動化されたスキルパフォーマンス分析のために構成することができるよう、(実行されるスキル、及び徴候及び/又は原因のようなそのスキルのパフォーマンスの属性)のような、スキル属性の自動的な特定を可能にする、ODCを定義する分析を含む。

0211

スキル分析フェーズの性質は、(例えば、モーションベースのスキルとオーディオベースのスキルのカテゴリの間の)所与のスキルの性質に依存して、有意に異なる。次に、例示のために、モーションベースのスキルのコンテキストにおけるスキル分析フェーズに関して例示的な実施態様を記載する。すなわち、身体的アクティビティを分析し、それにより、身体装着式MSUからのデータをモニタリングするPODデバイスを構成するために使用されるODCを決定することを参照して、実施態様を記載する。この実施例は、様々な新規且つ進歩的な技術的アプローチが、モーションベースのスキルのための効果的なODCを生成するタスクを容易にするために開発されている、比較的困難で複雑なコンテキストにおいて段階化されたスキル分析を代表するものとして選択される。本明細書で記載する方法論の全ての特徴が全ての実施態様に存在するわけではなく、或いは、全てのアクティビティのコンテキストにおいて使用されるわけではないことが理解されるであろう。この技術は、(例えば、パフォーマンス、コーチング、及びモニタリングに関して)異なるレベルの複雑さを伴う、広範な身体的アクティビティに適用可能である。しかしながら、本明細書で記載する方法論は、広範なアクティビティ、例えば、個人及びチームスポーツのコンテキストにおいて実行されるスキルに亘って適用可能である。

0212

以下に詳述する方法論及び技術は、特定の身体的アクティビティ(すなわち、特定のスキル)、即ち、ローイング(rowing)に関する具体的な実施例を参照して説明される。ローイングは、主として便宜的なテキストの説明の目的のために一例として選択されており、その特定のアクティビティを参照して記述する技法が、他のアクティビティ(例えば、サッカーボールの特定の形態のキック、ゴルフクラブのスイングを行うこと、スノーボード上でアクロバットな操縦を行うこと等)にどのように容易に適用されるかは、容易に理解されるであろう。

0213

一般的に言えば、所与の身体的アクティビティについてODCを決定する広範なアプローチがある。これらは、以下を含むが、これらに限定されない。
● 二次的技術を利用して、それにより、MSDの理解を合理化すること。例えば、以下に提供する実施例は、MCDとMSDとの組み合わせを利用するアプローチを議論する。MCDは、主に(例えば、強力な高速カメラを使用する)モーションキャプチャ技術の確立された性質の故に使用される。他方、モーションセンサ技術は、現在、有効性絶えず進歩している。十分に確立されたMCD分析技術の使用は、MSD及びMSDに関して行われる観察の理解及び/又は検証を支援する。
● MCD支援のないMSDの直接的な利用。例えば、MSDは、MCDと同様に、データをキャプチャして、それにより、MCDから従来から生成されたものと類似する(例えば、骨格関節を有する身体アバターに基づく)三次元身体モデルを生成するという意味で利用される。これはMCDの精度(accuracy)及び信頼度(reliability)の閾値仮定することが理解されるであろう。しかしながら、幾つかの実施態様において、これは達成可能であり、故に、MCD支援を不要にする。
● 例えば、MSD及び/又はMCDが、客観的に定義されたパフォーマンス結果データ(例えば、ローイングの場合には、パワー出力、そして、ゴルフの場合には、ボールの方向及び軌跡)と共に、複数のサンプルパフォーマンスのために収集される、機械学習法機械学習方法を実施して、それにより、ODCとスキルパフォーマンスに対する影響との間の関係の自動的な定義付けを可能にする。そのようなアプローチは、十分なサンプルサイズで実施されるとき、ODCのコンピュータ特定を可能にして、スキルパフォーマンス結果の予測を推進する。例えば、MSD(又は、幾つかの実施態様では、MCD)のサンプルパフォーマンス収集を使用するゴルフスイングモーションの機械学習に基づき、客観的に定義された結果の分析を使用してスイングパフォーマンスに影響を及ぼすODCを自動的に特定し、それにより、エンドユーザのハードウェア(例えば、MSU対応衣服)を使用したエンドユーザのスイングに関する結果の信頼性のある自動化された予測を可能にする。
● エンドユーザからの分析データの遠隔収集。例えば、エンドユーザデバイスは、「記録」機能を備え、「記録」機能は、(任意的に、ユーザ自身によって特定される徴候等に関する情報と共に)エンドユーザによってそれぞれ行われる特定のスキルを表すMSDの記録を可能にする。記録されるデータは、複数のユーザのための所与のスキル(又は特定の徴候を有する特定のスキル)についてMSDを比較し、故に、スキル(及び/又は徴候)についてODCを特定するよう、中央処理場所に送信される。例えば、これはデータの共通点を特定することによって達成される。

0214

非MSDデータを活用してMSDデータを検証及び/又は他の方法で支援する他のアプローチを含み、サンプルユーザグループを定義及び分析するための異なる技術を実施する他のアプローチも含む、他のアプローチが使用されてもよい。

0215

スキルトレーニングプログラムのコンテキストにおいて使用し得る徴候及び/又は原因のためのODCの開発に寄与する主観的エキスパートコーチング知識を可能にすることに向けられた特定の例示的な実施態様を参照して、上の第1の実施例を以下により詳細に検討する。

0216

スキル分析フェーズ−サンプル分析実施例
幾つかの例示的な実施態様では、トレーニングされる各スキルについて、1つ又は複数のサンプルスキルパフォーマーを使用して、そのスキルに含まれるモーションの初期分析を実行し、それにより、最適なパフォーマンスと準最適なパフォーマンスとの間の差の決定を可能にする(故に、最適なパフォーマンスに向かう指導を可能にする)必要がある。一般的に言えば、これは視覚的分析で始まり、次に、視覚的分析は(1つ又は複数の中間プロセスを介して)モーションセンサデータの分析(観察可能なデータ条件(Observable Data Conditions)又はODCについてのモニタリングと呼ぶ)に変換される。

0217

本明細書で記載する例示的な技法は、複数のサンプル被験者による(所与のスキルについての)身体的スキルパフォーマンスを表すデータを取得することを含む。各身体的スキルパフォーマンスについて、データは、好ましくは、以下を含む。
(i)1つ又は複数のキャプチャ角から1つ又は複数のキャプチャデバイスによってキャプチャされるビデオデータ。例えば、ローイングのコンテキストにおいて、これは、側方キャプチャ角及び後方キャプチャ角を含んでよい。
(ii)あらゆる利用可能なモーションキャプチャ技法を使用したモーションキャプチャデータ(MCD)。これに関して、「モーションキャプチャ」は、例えば、既知の場所にいる被験者に取り付けられた視覚マーカを使用して、モーションを表すデータをキャプチャするために、キャプチャデバイスを使用する、技術を指す。一例は、Vicon によって提供されるモーションキャプチャ技術である(しかしながら、発明者/出願人とViconとの間の提携は推測されるべきでない)。
(iii)1つ又は複数の身体装着式モーションセンサを使用するモーションセンサデータ(MSD)。

0218

いずれの場合においても、好適なアプローチは、(i)生データ及び(ii)ある程度の処理を受けたデータの両方を格納することである。これは特にモーションセンサデータに当て嵌まる。より新しい/より良い処理アルゴリズムが利用可能になるに応じて、時間の経過に伴って生データを再処理し、それにより、エンドユーザ機能性を向上させてよい。

0219

概観すると、一般的な概念は、(現実のコーチにとって最も有用である)ビデオデータと(MSU対応衣服から得られるデータの分析を介したコーチングを含む最終的なエンドユーザ機能性に必要とされる)MSDとの間の足掛かり(steppingstone)としてMCDを使用することである。MCDは(i)十分に開発された信頼性の高い技術であり且つ(ii)身体部分の精密な相対的モーションをモニタリングするのに適しているので、MCDは、この点に関して有用な足掛かりを提示する。

0220

全体的な技法は、以下のフェーズ、すなわち、(i)選択的な被験者によるサンプルパフォーマンスを表すデータの収集、(ii)ビデオデータを使用する1人又はそれよりも多くのコーチによるサンプルパフォーマンスの視覚分析、(iii)1人又はそれよりも多くのコーチによって行われる視覚的観察のMCD空間への変換、及び(iv)MCD観察に基づきMSDを分析し、それにより、実際の意味で1人又はそれよりも多くのコーチの観察を表すMSD空間内のODCを特定することを含む。これらのフェーズの各々を以下に更に詳細に議論する。これはブロック201乃至204を介して図2Aに例示されている。

0221

代替的な方法が、(ビデオデータの収集を省略し、代わりに、MCDを使用して生成したデジタルモデルを介して視覚的分析を行う)図2B、(MSDのみを使用し、MSDに基づくコンピュータ生成モデルを使用して視覚的分析を達成する)図2C、(視覚的分析がなく、サンプル間の類似性及び相違を特定するMCDのデータ分析のみがある)図2D、及びMSDを介した機械学習を利用する図2Eに例示されている(MSDはサンプルパフォーマンスのために収集され、データ分析は結果データに基づいて行われ、それはサンプルパフォーマンスの1つ又は複数の結果パラメータが客観的に測定し、ODCは機械学習に基づき定義されて、ODCに基づく結果の予測を可能にする)。

0222

「1人又はそれよりも多くの」コーチを使用することに関して、幾つかの場合には、多数のコーチを使用し、それにより、所与のスキルの分析及びコーチングに関して合意位置を定義し、幾つかの場合には、代替的/追加的に多数のコーチを使用して、コーチに固有のコンテンツを定義する。後者は、エンドユーザがより広いコーチング合意に基づくコーチングと特定のコーチの特定の視点に基づくコーチングとの間で選択することを可能にする。実用的なレベルでは、商業的実施のコンテキストにおいて、後者は、(任意的により高い価格帯での)プレミアムコンテンツ提供のための基礎として提供されてよい。「コーチ」という用語は、コーチとして資格を有する者、又は(運動選手アスリート)又は他のエキスパート(専門家)のような)本目的のためにコーチング能力において仕事をする者を記述するために使用されることがある。

0223

スキル分析フェーズ−被験者選択実施
被験者選択は、所与のスキルを代表する被験者のグループを選択することを含む。幾つかの例示的な実施態様において、サンプル選択は、以下のパラメータのうちの1つ又は複数に亘る標準化(normalisation)を可能にするために実行される。
(i)能力レベル。好ましくは、能力レベルの範囲に亘る十分な代表があるように、複数の被験者が選択される。これは、既知の能力レベルのセットを最初に決定して、各レベルについて十分な被験者数を確保すること、第1のサンプルグループを分析し、その分析に基づきそのグループ内からの能力レベル代表を特定し、任意的に、能力レベルを代表するに至らないサンプルグループに拡大すること、又は他のアプローチを含む。本明細書で記載する実施態様において、ユーザ能力レベルは、多数のレベルでの自動的なコーチングプロセスの中心である。例えば、以下に更に議論するように、ユーザ能力レベルの初期評価は、例えば、PODデバイスがモニタリングするODCに関して、PODデバイスがどのように構成されかを決定するために使用される。コンテキストとして、初心者が行うミスはエキスパートが行うミスと異なる。その上、例えば、最初にトレーニングを提供し、それにより、初心者レベルで最適な(又は最適に近い)パフォーマンスを達成し、引き続きトレーニングを提供し、それにより、より進んだレベルで最適な(又は最適に近い)パフォーマンスを達成することによって、ユーザの実際の能力レベルに向けられたコーチングを提供することは有利である。
(ii)身体サイズ及び/又は形状。幾つかの実施態様において、又は幾つかのスキルについて、身体サイズ及び/又は形状は、(例えば、徴候の観察可能な特性を参照することによって)スキルのモーション属性に直接的な影響を有することがある。任意的なアプローチは、サンプルが、理想的には各能力レベルで、複数の身体サイズ/形状の各々を代表するように、サンプルを拡大することである。以下に更に議論するように、身体サイズ/形状の標準化は、幾つかの実施態様において、以下に更に議論するように、データ駆動型サンプル拡張方法を介して代替的に達成される。手短に言えば、これは、収集されたデータに所定の変換のセットを適用し、それにより、そのデータを異なる身体サイズ及び/又は形状の範囲に亘って変換することによって、複数のMCD/MSDデータセットが各サンプルユーザパフォーマンスについて定義されるのを可能にする。
(iii)スタイル。ユーザはパフォーマンスに重大な影響を与えない独自のスタイルを有することがある。サンプルは、好ましくは、徴候の観察特性がスタイルに依存しないように、スタイルに亘る標準化を可能にする十分な代表を含む。これは、個々のスタイルの特徴とは無関係に、パフォーマンスに基づく方法におけるコーチングを可能にする。しかしながら、幾つかの実施態様では、少なくとも徴候の選択が、スタイル固有の方法において定義される。例えば、これはコーチングが特定のスタイルを採用することを可能にする(例えば、特定の運動選手のスタイルに向けたコーチングを可能にする)。

0224

単純性のために、以下の記述は、多数の能力レベルについての標準化に焦点を当てる。例示的な実施態様では、「m」能力レベル(AL1乃至Alm)があり、各能力レベルで「n」被験者(SUB1乃至SUBn)がいる。すなわち、全体としてm*nの被験者がいる。各個々の能力レベルでの被験者の数は必ずしも等しくなくてよい(例えば、幾つかの実施態様では、所与の能力レベルで追加的な被験者が観察され、それにより、より信頼性の高いデータが得られる)。

0225

前述のように、幾つかの実施態様では、例えば、追加的なデータポイントが好ましいという特定に基づき、サンプルは時間の経過に伴い拡張される。

0226

スキル分析フェーズ−パフォーマンスレジーム定義実施例
幾つかの例示的な実施態様において、各テスト被験者(test
subject)( AL1乃至ALnの各々でのSUB1乃至SUBn)は、所定のパフォーマンスレジーム(performance regime)を実施する。幾つかの実施態様において、パフォーマンスレジームは、複数の能力レベルに亘って一定である。他の実施態様では、特定のパフォーマンスレジームが各能力レベルについて定義される。コンテキストとして、幾つかの場合には、パフォーマンスレジームは、様々な強度レベルでのパフォーマンスを含み、特定の強度レベルは、閾値能力レベル未満では不適切なことがある。

0227

幾つかの実施態様は、所与のスキルについて分析パフォーマンスレジームを定義することを含むプロセスを提供する。このレジームは、サンプルデータ収集の目的のために各被験者によって実行されるべき複数の身体的スキルを定義する。好ましくは、分析パフォーマンスレジームは、所定の数のセットを実行する命令によって定義され、各セットは、所定のセットパラメータを有する。セットパラメータは、好ましくは、以下を含む。
(i)各セットについての反復数。例えば、セットは、n反復(ここで、n≧1)を含んでよく、被験者は、所定のパラメータでスキルを反復的に試みる
(ii)反復命令。例えば、反復の間にどれくらい休むか。
(iii)強度パラメータ。例えば、セットは一定の強度(同じ強度Icでの各反復REF1乃至REPn)で実行されてよく、強度を増加させる(強度I1で反復R1を実行し、次に、強度I2でREP2を実行する、ここで、I1>I2等)、或いは強度を減少させる(強度I1で反復REP1を実行し、次に、強度I2でR2を実行する、ここで、I1<I2等)、或いは、より複雑な強度プロファイルを実行する。強度が定義される方法は、アクティビティに依存する。例えば、速さ(スピード)、電力周波数等のような、強度パラメータが使用されてよい。そのような測定値は、幾つかの場合に、客観的な測定及びフィードバックを可能にする。代替的に、最大強度百分率(例えば、“最大値の50%”)は主観的であるが、しばしば効果的である。

0228

一例として、エルグ機械(室内ローイング機器の一形態)上のローイングモーションの形態におけるスキルを分析する所与の分析パフォーマンスレジームは、以下のように定義されてよい。
● 6つのセット(SET1乃至SET6)を実行し、セット間に5分の休憩を取る。
● 各セットについて、8回の連続的な反復を実行する(REP1乃至REP8)。
●強度パラメータは、強度=100WでのSET1、強度=250WでのSET2、強度=400WでのSET3、強度=550WでのSET4、強度=700WでのSET5、及び強度=850WでのSET6である。

0229

ローイングの実施例への言及は、以下に更に続く。しかしながら、これは例示のために提供される代表的なスキルに過ぎないこと、及び基礎を成す原理は広範なスキルに適用可能であることが理解されなければならない。

0230

スキル分析フェーズ−例示的なデータ収集プロトコル
パフォーマンスレジーム(performance regime)の各ユーザの完了に関して、データが収集され且つ格納される。上述のように、この実施例について、本明細書で考慮する主要な実施例において、データは、以下を含む。
(i)1つ又は複数のキャプチャ角から1つ又は複数のキャプチャデバイスによってキャプチャされるビデオデータ。例えば、正面、背面、側面、反対面、上面、及び他のカメラ角のうちの1つ又は複数が使用されてよい。
(ii)あらゆる利用可能なモーションキャプチャ技術を使用するモーションキャプチャデータ(MCD)。
(iii)1つ又は複数の身体装着式モーションセンサを使用するモーションセンサデータ(MSD)。

0231

データ収集を実行する条件を制御し、それにより、サンプル間の高度の整合性(consistency)及び比較可能性(comparability)を達成することが好ましい。例えば、これは、マーカ等を使用して一貫したカメラ配置保証して、被験者の位置決め、被験者上のMSUの正確な位置決め等を支援することのような、技術を含んでよい。

0232

収集されるデータは、1つ又は複数のデータベースに編成され且つ格納される。メタデータも好ましくは収集され且つ格納され、それにより、追加的な文脈を提供する。更に、幾つかの場合には、データを処理して、キーイベント(鍵となる事象)を特定する。具体的には、事象は、モーションベースのイベントについてデータ内に自動的に及び/又は手動タグ付けされてよい。例えば、所与のスキルの反復は、開始、終了、及び1つ又は複数の中間イベントのような、複数のモーションイベントを含んでよい。イベントは、ステップのようなもの、ボールに触れられる瞬間、ローイングモーション中のキーポイント(鍵となる地点)等を含んでよい。これらのイベントは、各データセット内で、又はビデオデータ、MCD及びMSDに亘って同期させられ得るタイムライン上で定義されてよい。

0233

スキル分析フェーズ−例示的なデータ同期
データの各形態は、好ましくは、同期させられるように構成される。例えば、以下の通りである。
●ビデオデータ及びMCDは、好ましくは、同期させられ、それにより、比較検討を可能にするように構成される。これは、例えば、(特に異なる視認角からキャプチャされたビデオ/MCDの比較分析に特に有用な)並列ビデオ検査(side-by-side video review)や、(特に共通角についてキャプチャされたビデオ/MCDに有用な)部分的な透明性を用いたオーバーレイ検査(overlaid review)を含む。
● MSDは、好ましくは、多数のMSUからのデータが共通の時間基準に対して変換/格納されるよう、同期させられるように構成される。これは、幾つかの実施態様では、それ自体のローカルクロック(local clock)に対する時間基準及び/又は観察可能な地球時間クロック(global time clock)に対する時間基準を表すデータをPODデバイスに提供する各MSUによって達成される。分散ノードによって供給されるデータの時間同期のための様々な有用な同期技法は、例えば、メディアデータ同期を含む、他の情報技術環境から知られている。

0234

同期は、好ましくは、(データが共通の時間基準に対して標準化されるように構成される)時間ベースの同期を含むが、時間ベースの同期に限定されない。幾つかの実施態様において、イベントベースの同期は、時間ベースの同期に加えて又は時間ベースの同期の代わりとして(又は時間ベースの同期を支援する手段として)使用される。

0235

イベントベースの同期は、MCD又はMSDのようなデータがイベントを表すデータを含むような、プロセスを指す。イベントは、典型的には、データについてのローカルタイムラインに対して定義される。例えば、MCDは、0:00:00に開始時点を有するビデオファイルを含んでよく、イベントは、その開始時点に対する時間で定義される。イベントは、(例えば、所定の観察可能な信号のようなソフトウェアプロセスによって特定され得るイベントを参照することによって)自動的に定義されてよく、且つ/或いは(例えば、そのデータの手作業の視覚的検査中にビデオデータをマーキングし、特定のイベントが発生した時間を特定して)手作業で定義されてよい。

0236

MCDのコンテキストにおいて、データは、好ましくは、1つ又は複数のパフォーマンスイベントに基づき同期を可能にするようマーキングされる。例えば、ローイングのコンテキストでは、ローイングモーション中の様々な特定可能なモーションポイント(motion points)を印し、それにより、モーションポイントの共通性に基づきビデオデータの同期を可能にする。これは、異なるサンプルユーザからのビデオデータを比較するときに特に有用である。それはそのようなユーザ間の異なる速度の動きを特定するのを支援する。幾つかの場合において、モーションポイントベースの同期は多数のアクティビティに基づき、ビデオレートは、2つの異なるサンプル(例えば、異なるユーザ、異なる反復、異なるセット等)についてビデオデータにおける2つの共通のモーションアクティビティを並列に(又は重ねて)見て、これらのモーションアクティビティ間で同じ速度の進行を示すように、調整される(例えば、速さが増大させられ、或いは速さが減少させられる)。例えば、1人の漕ぎ手が1秒のストローク時間を有し、他の人が1.2秒のストローク時間を有するならば、モーションアクティビティベースの同期は、後者が1秒に短縮され、それにより、2つの漕ぎ手のモーション間のより直接的な比較を可能にするように、適用される。

0237

スキル分析フェーズ−例示的なデータ拡張方法論
幾つかの実施態様では、各被験者のためにMSD及び/又はMCDを、データ拡張プロセスを介して変換し、それにより、異なる身体属性を有する複数の更なる「仮想被験者」を定義する。例えば、各MCD及び/又はMSDデータアクティビティが複数の異なる身体サイズに基づき変換されるのを可能にするよう、変換を定義する。これは、特定の身体サイズを有する被験者からのパフォーマンスのキャプチャが、異なる身体サイズを反映する複数のサンプルパフォーマンスに拡張されるのを可能にする。「身体サイズ」という用語は、身長、胴の長さ、上肢の長さ、下肢の長さ、腰幅肩幅等のような、属性を指す。これらの属性は、実際には、MCD及びMSDデータ収集にそれぞれ使用されるマーカ及びMSUの移動経路パス)及び相対位置を変更することが理解されるであろう。

0238

データ拡張は、全てのサンプル遂行者から収集されるデータが「標準的」身体サイズを有する仮想遂行者による1つ又は複数の仮想パフォーマンスを含む仮想パフォーマンスのセットに拡張され得るという点で、身体サイズの標準化のコンテキストにおいても有用である。幾つかの実施態様では、単一の「標準的」身体サイズが定義される。標準身体サイズの使用、並びにサンプルパフォーマンスからその標準身体サイズへのMSD及びMCDの変換は、多数のサンプル遂行者の身体サイズの違いにも拘わらず、MCD及びMSDの直接的な比較を可能にする。

0239

スキル分析フェーズ−例示的な仮想分析方法論
上述したように、並びに図2Aのブロック202に示すように、例示的なスキル分析方法論の特徴は、ビデオデータを介したサンプルパフォーマンスの視覚的分析を含む。他の実施態様において、ビデオ分析は、ビデオデータの代替として、又はビデオデータに加えて、MCD及び/又はMSDから導出されたコンピュータ生成モデルを使用して実行される。従って、以下の実施例は、ビデオデータに基づく検査に焦点を当てるが、そのような実施例は非限定的であり、ビデオデータは、他の実施態様において、MCD及び/又はMSDに基づき生成されるモデル置換されることが理解されるべきである。

0240

視覚的分析は、スキルとそのスキルのコンポーネントの予備的な理解、徴候の初期的特定、及び所定の分析スキームに基づく個々のサンプルパフォーマンスの分析を含む、様々な目的のために実行される。

0241

図3は、1つの実施態様に従った例示的なユーザインタフェース301を例示している。特別に適合されたソフトウェアは全ての実施態様において使用されないことが理解されるであろう。図3の実施例は、主として、視覚的分析プロセスにおいて特に役立つ鍵となる機能性を例示するために提供される。

0242

ユーザインタフェース301は、複数のビデオディスプレイオブジェクト302a乃至302dを含み、ビデオディスプレイオブジェクトは、それぞれ、格納されるビデオデータを再生するように構成される。幾つかの実施態様において、ビデオディスプレイオブジェクトの数は、例えば、(i)所与のサンプルパフォーマンスについてのビデオキャプチャカメラ角度の数、及び(ii)ユーザコントロールに基づき異なり、ビデオディスプレイオブジェクトは、各角度について提供される。ユーザ制御に関して、ユーザは、パフォーマンスレベルで(この場合には、多数のビデオディスプレイオブジェクトがそのパフォーマンスに関連付けられる多数のビデオ角度のために集合的に構成される)或いは個々のビデオベース(例えば、1つ又は複数のサンプルパフォーマンスから特定の角度を選択すること)で、表示されるべきビデオデータを選択することが可能にされる。各ビデオディスプレイオブジェクトは、単一のビデオを表示するか、或いは多数のビデオを同時に表示するように構成される(例えば、2つのビデオをある程度の透明性を伴って互いに重ね、それにより、オーバーラップ及び相違の視覚的観察を可能にする)。再生コンテキストディスプレイ304は、ビデオディスプレイオブジェクトに何が表示されているかについての詳細を提供する。

0243

オブジェクト302a乃至302d内に表示されるビデオデータは、同期される、例えば、時間同期される。共通のスクロールバー303は、(前述のように、各ビデオディスプレイオブジェクト内に多数のオーバーレイされた(overlaid)ビデオオブジェクトを含んでよい)多数の同期されたビデオを通じた同期ナビゲーションを可能にするために設けられる。幾つかの実施態様では、時間同期とモーションイベントベースの同期との間を移動するためにトグル(toggle)が設けられる。

0244

ナビゲーションインターフェース305は、ユーザが利用可能なビデオデータをナビゲートするのを可能にする。このデータは、好ましくは、複数の属性を参照することによってソートされるように構成され、それにより、所望のパフォーマンス及び/又はビデオの特定を可能にする。例えば、1つのアプローチは、先ず、スキルによってソートし、次に、能力レベルによってソートし、次に、ユーザによってソートすることである。好適な実施態様において、ユーザは、パフォーマンスビデオデータセット及び/又は個々のビデオをビデオディスプレイオブジェクトにドラッグアンドドロップするのが可能にされる。

0245

図3は、追加的に、観察記録インタフェース306を例示している。これは、ユーザが、見られたパフォーマンスデータセットに関連付けら得る観察を記録するのを(例えば、チェックリストを完成する、メモを作成する等を)可能にするために使用される。多数のパフォーマンスデータセットが見られるとき、好ましくは、マスターセット、及び1つ又は複数のオーバーレイされた比較セットがあり、観察はマスターセットと関連付けられる。

0246

スキル分析フェーズ−視覚的分析を介した例示的な徴候特定
例示的な実施態様では、多数のエキスパート(例えば、コーチ)が、サンプルパフォーマンスを検査し、それにより、徴候を特定することに関与する。幾つかの場合、これは、観察記録インタフェース306を提供する、ユーザインタフェース301のようなインタフェースによって容易にされる。

0247

全体として、各エキスパートは、事前に定められた検査プロセスに基づき(ビデオデータの検査、又はMCD及び/又はMSDから構築されたモデルの検査を介して)各サンプルパフォーマンスを検査する。例えば、検査プロセスは、特定の条件(例えば、通常の速さ、スローモーション、及び/又はオーバーレイされた「正しいフォーム」の実施例)の下で特定の数の視認を必要とするよう、予め定められてよい。エキスパートは、特定された徴候に関して観察を行う。

0248

図4Aは、1つの実施態様で使用される例示的なチェックリストを示している。そのようなチェックリストは、ハードコピー形式において、或いは(図3のインタフェース306のような)コンピュータインターフェースを介して、完成されてよい。チェックリストは、検査者(すなわち検査を行うエキスパート/コーチ)によって分析されている(この実施例では「標準ローミングアクション」である)スキル、(名前又はIDによって特定されるサンプルパフォーマンスに示される人物である)被験者、被験者の能力レベル、及び検査されているセットを含む、データ属性を特定する。これらのデータ属性のいずれかについての追加的な詳細がデータの他の特徴と共に表示されてもよい。

0249

チェックリストは、次に、エキスパートが観察するよう命令される徴候を特定するヘッダー行を含む。図4Aにおいて、これらはS1乃至S6として示されているが、実際には、(このローイングの実施例のコンテキストにおける「突っ込んだ腕」(snatched arms)又は「突進するスライド」(rushing slide)のような)記述的名称/用語を参照して徴候を記録するのが好ましい。ヘッダー行は、個々の反復REP1乃至REP8を示す。検査者は、各反復に関して各徴候の存在を記す。徴候のセットは能力レベルによって依存して異なることがある。

0250

図4Aに示すようなチェックリスト(及び他の収集手段)から導出されるデータを収集し且つ処理して、それにより、サンプルパフォーマンスについての各セットの各反復における徴候の存在を決定する。これは、各反復についての合意ビューを決定すること、例えば、閾値数のエキスパートが所与の反復において徴候を特定することを要求することを含んでよい。幾つかの場合において、合意ビューデータは、個々のエキスパート観察データとの組み合わせにおいて格納される。

0251

ビデオデータ、MSD、及びMCDは、徴候の存在を表すデータと関連付けられる。例えば、所与のサンプルパフォーマンスの所与のセットの所与の反復についてMSDを定義する個々のデータセットは、1つ又は複数の特定された徴候と関連付けられる。

0252

幾つかの実施態様では、図4Aのチェックリストのようなチェックリストは、事前定義されたODCのセットに基づくMSDの分析に基づき予測された徴候が事前設定されている(pre-populated)。検査者は、視覚的分析に基づきそれらの予測を確認/拒否することによってMSDに基づく自動化された予測の正確性を検証することができる。幾つかの実施態様において、そのような検証はチェックリストの事前設定(pre-populating)のないバックグラウンド作業として実行される。

0253

スキル分析フェーズ−例示的な徴候対原因マッピング
幾つかの実施態様では、視覚的分析に基づき徴候を原因にマッピングすることを可能にする分析を実行する。コンテキストとして、所与の徴候は、複数の根本的な原因のうちのいずれか1つ又は複数に起因することがある。幾つかの場合には、第1の徴候が第2の徴候の原因である。トレーニングの観点からは、所与の徴候について、原因の基礎を成す根を決定することは有用である。その場合、その原因に対処するトレーニングを提供することができ、故に、(「徴候」が誤った形態を示す実施態様において)徴候を矯正するのを助けることができる。

0254

一例として、標準的なローイングモーションを再び参照して、以下の徴候が定義されてよい。
● 最小ロックオーバ(minimal rock over)。
バンショーブ(を突出す動き)(bum shove)。
● 突っ込んだ腕(snatched arms)。
●突進する回復スライド(rushing recovery slide)。
● 山を越える(over the mountain)。
● 手がを越える前に膝を曲げる(knees bending before handspast knees)。
● 短すぎる回復(recovery too short)。
● C字形バック(C-shaped back)。

0255

次に、各徴候について、複数の考えられる原因を定義する。例えば、「突っ込んだ腕」(“snatched
arms”)のコンテキストでは、原因は以下のように定義されてよい。
● 早く腕をロードする(loading arms early)。
● 早く腕を戻す(loading back early)。
●突進する回復スライド(rushing recovery slide)。

0256

徴候−原因相関の分析は、複数の原因のうちのどれが特定された徴候に関与しているかの予測/決定を支援する。原因が(上記「突進回復スライド」のような)徴候でもある場合、予測される根本原因が特定されるまで、その徴候の原因が(潜在的に反復可能なプロセスを介して)特定(等)される。次に、その根本原因に対処することができる。

0257

幾つかの実施態様では、エキスパートが追加的な視覚的分析を行い、それにより、徴候を原因と関連付ける。これは複数のレベルのいずれか1つ又は複数で実行されてよい。例えば、以下の通りである。
● 一般的なスキルベースのレベルでの根本原因との徴候の関連付け。
● 概ね各能力レベルについての根本原因との徴候の関連付け。
● 各個々の運動選手についての根底原因との徴候の関連付け。
● (例えば、能力、強度、及び徴候/原因関係の間の関係に関するガイダンスを提供する)各個々の運動選手によって実行される各セットについての根本原因との徴候との関連付け。
● 各個々の運動選手によって行われる各セットの各反復についての徴候との原因の関連付け。これはよりリソース集約的であるが、特定の原因についてのMSDの詳細な分析を可能にする。

0258

徴候の特定と同様に、幾つかの実施態様では、チェックリストが使用される。例示的なチェックリストが図4Bに提供されている。このチェックリストでは、検査者は、所定のセットについて(この実施例ではS1、S2、S4及びS5である)特定された徴候と原因との間の相関を記す。コンピュータが実施するチェックリストの場合には、ヘッダー行をフィルタリングして、そのセット内に存在するものとして特定された徴候のみを明らかにしてよい。幾つかの実施態様では、エキスパートは、チェックリストに追加的な原因列を追加するのが可能にされる。

0259

徴候−原因相関を表すデータを多数の検査者に亘って集計し、それにより、多数のエキスパートによって特定されるような徴候及び原因の間の関係の合意ビューを特定するオーバーラップ行列(overlap matrix)を定義する。これは、能力レベルベース、運動選手ベース、セットベース、又は反復ベースであってよい。いずれの場合においても、集計は、徴候が所与の能力レベルの運動選手について特定される場合に、原因又は可能性のある原因の予測を可能にするデータの決定を可能にする。ODCが個々の原因について定義されるとき、それはMSDの処理を可能にし、それにより、特定された1つ又は複数の可能性のある原因のいずれかの存在を特定する。

0260

幾つかの実施態様では、合意ビューの部分となるにはエキスパートの間で十分に一致していない徴候−原因相関が、プレミアムコンテンツ生成の目的のために格納される。例えば、トレーニングプログラムのコンテキストでは、多数のレベルのプレミアムコンテンツがあることがある。
● 徴候−原因相関について合意ビューを使用する、ベースレベル
● (更なる徴候−原因相関が特定のエキスパートによって一貫して特定されているが、合意ビューに反映されていないという観察に基づく)その特定のエキスパートと関連付けられる更なる徴候−原因相関の更なるグループを追加的に使用する、上位レベル

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

該当するデータがありません

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

該当するデータがありません

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ