Ir para a página inicial

Como o aprendizado de máquina revela os segredos do movimento humano – e remodela os esportes profissionais

É outra manhã movimentada no laboratório. Doze dos melhores jogadores de basquete do planeta são, cada um, um borrão de ação e um pacote de esperança.

Enquanto o hip hop preenche o laboratório, o grupo treina sem tocar em uma única bola de basquete, saltando individualmente de um lado para o outro em uma pista coberta, voando sobre uma caixa de quase um metro de altura e atirando bolas pesadas contra a parede. O atleta, no entanto, está produzindo suor e dados – saltando, levantando e correndo enquanto câmeras conectadas na nuvem registram todos os seus movimentos no Peak Performance Project (P3) em Santa Bárbara, Califórnia.

Todos os 12 atletas universitários esperam desfrutar de uma longa carreira na NBA. E bem longe do P3, muitos analistas esportivos estão igualmente certos de que já sabem qual desses aspirantes ao Draft, a seleção da NBA, se tornará uma lenda, um iniciante valioso ou um dos principais contribuintes do banco de reservas.

Mas, de acordo com milhares de pontos de dados biomecânicos capturados pelas câmeras especiais do laboratório, muitas dessas previsões externas serão bolas fora. Alguns dos atletas vão se aposentar depois de algumas temporadas esquecíveis, alguns sofrerão lesões que acabam com seus sonhos, e alguns candidatos com menos chances vão surpreender os especialistas e alcançar o estrelato da NBA, revelam os dados.

Aaron Gordon
Aaron Gordon, atacante do Orlando Magic, da NBA, trabalha sob o olhar do fundador do P3, dr. Marcus Elliott.

Nada disso é novidade para o homem que está parado dentro do agitado laboratório. O dr. Marcus Elliott, médico formado em Harvard e fundador do P3, viu os dados e – ele acredita – o futuro.

“Entendemos esses atletas e como eles vão se apresentar em uma quadra da NBA antes de pisarem numa quadra da NBA”, diz Elliott.

“Todos esses garotos que passam pelo Draft da NBA – incluindo Zion Williamson e R.J. Barrett, da Duke (Universidade) –, vêm nos visitar desde os 16, 17 anos. Com nossos dados, podemos oferecer a eles modelos de risco de lesões e modelos de desempenho para ajudar a orientar o desenvolvimento de sua carreira”, diz Elliott. “Ninguém tem essa informação biomecânica sobre eles. Nós temos anos disso.”

“É uma visão incrível.”

Criado em 2006, o P3 é o primeiro local a aplicar uma abordagem mais orientada a dados para entender como os competidores de elite se movimentam. Usa estratégias avançadas de ciência do esporte para avaliar e treinar atletas de formas que revolucionam os esportes profissionais – e, eventualmente, os corpos e habilidades dos guerreiros de fim de semana, diz Elliott.

“Estamos desafiando-os e medindo-os. Mas não estamos interessados em quão alto eles saltam ou em quão rápido eles aceleram”, diz Elliott. “Estamos interessados na mecânica de como eles saltam, como aceleram e desaceleram. Isso está nos ajudando a desvendar os segredos do movimento humano.”

Trabalhando diretamente com jogadores e seus agentes ou famílias, o P3 avaliou membros das seis últimas turmas da NBA, acumulando um banco de dados de mais de 600 atletas, atuais e antigos da NBA.

Cassandra Strickland
A jogadora de vôlei Cassandra Strickland pula no P3.

Alguns dos clientes do P3 incluem as estrelas da NBA Luka Doncic e Zach LaVine, além de atletas da NFL, da Major League Baseball, do futebol internacional, do atletismo e muito mais.

Muitos dos clientes da NBA, como Josh Richardson, armador do Philadelphia 76ers, retornam ao P3 a cada verão para testar novamente se seus padrões de movimento ganharam assimetrias que possam causar ferimentos, ou para reconfirmar a saúde dos sistemas físicos usados ​​para saltar, aterrissar, parar e começar, alimentando sua vantagem na quadra.

“Este agora é o meu quinto período no P3”, diz Richardson. “Quando eu comecei com eles durante minha preparação para o Draft da NBA, vi imediatamente que a abordagem era diferente e que poderia me ajudar a ter a chance de melhorar. Todo período de folga eu vejo exatamente onde estou fisicamente comparado com o que eu era antes – e comparado a outros jogadores da NBA.”

“Eles são capazes de me ajudar a identificar onde posso estar em risco de lesão e onde posso melhorar fisicamente. É importante para mim saber que o treinamento que estou fazendo é específico para minhas necessidades”, diz Richardson.

Para coletar todos esses dados granulares, o P3 equipou seu laboratório com um sistema de câmeras de alta velocidade fabricado pela Simi Reality Motion Systems GmbH, uma empresa alemã do ZF Group e parceira da Microsoft.

A Simi oferece um software de captura de movimento sem marcadores que elimina a necessidade de os atletas usarem sensores de rastreamento enquanto jogam ou treinam. A Simi também trabalha com sete clubes da Major League Baseball, instalando sistemas de câmeras de alta velocidade nesses estádios para gravar cada arremesso durante todos os jogos desde a temporada de 2017.

O software da Simi digitaliza os ângulos dos braços dos lançadores e os movimentos corporais relacionados, abrangendo 42 centros diferentes em 24.000 arremessos por equipe por temporada. Isso produz centenas de bilhões de pontos de dados que são carregados e processados ​​no Microsoft Azure, permitindo que as equipes criem análises biomecânicas detalhadas para os jogadores, diz Pascal Russ, CEO da Simi.

Tela de notebook com dados de treinos no P3.
O treino de um atleta no P3 produz dados sobre os ângulos e movimentos de seu corpo.

“A primeira equipe que implementar efetivamente o sistema no campo para escolher escalações ou ver quais ângulos de inclinação funcionaram bem contra quais batedores vai ver uma enorme separação entre ela e as outras equipes que não usam isso”, diz Russ.

“É assustadoramente preciso.”

Enquanto Russ prevê que esta tecnologia acabará refazendo o beisebol, tais mudanças sísmicas já estão ocorrendo na NBA através das avaliações dos jogadores feitas pelo P3, diz Benedikt Jocham, diretor de operações da Simi nos EUA.

“Nós fornecemos a solução de software que pode quantificar o movimento e analisar, por exemplo, quanta pressão e torque uma pessoa está colocando em várias partes do corpo”, diz Jocham. “O P3 adiciona o molho mágico. Eles são magos que descobrem o que isso significa e faz sentido para os atletas.”

Depois que as câmeras registram os movimentos de um jogador no laboratório do P3, esses conjuntos de dados são carregados no Azure, onde algoritmos de aprendizado de máquina revelam como os sistemas físicos desse indivíduo são mais relacionados a outros jogadores da NBA que foram avaliados de forma semelhante. O algoritmo então atribui esse jogador a um dos vários grupos ou núcleos que predizem como a carreira de basquete pode se desdobrar, diz Elliott.

Um núcleo, por exemplo, contém atletas que tiveram uma breve experiência na NBA e nunca se tornaram jogadores importantes. Outro grupo engloba jogadores que foram impactantes durante suas primeiras três ou quatro temporadas e, em seguida, sofreram ferimentos graves que drenaram suas habilidades. Em outro núcleo, os jogadores compartilham combinações raras de duração, poder e força que alimentavam as carreiras de elite e continuaram saudáveis.

“O olho humano é bom em medir o tamanho e, talvez, estimar o peso, e muito ruim em comparar os sistemas físicos dos atletas e simetrias de movimento entre si”, diz Elliot. “Mas podemos medir essas coisas no laboratório e a máquina nos diz com o que os jovens atletas são mais parecidos.

“É uma base sólida em uma área da ciência do esporte que estava fora de vista até agora”, diz ele.

Will Benson, esperança do Cleveland Indians, avalia dados de seu treino com o biomecânico Ben Johnson, do P3.
Will Benson, esperança do Cleveland Indians, avalia dados de seu treino com o biomecânico Ben Johnson, do P3.

Os dados também estão ajudando a derrubar antigas teorias de que jogadores de sucesso da NBA que, à primeira vista, não têm o tamanho, capacidade de salto ou rapidez de estrelas tradicionais, estão apenas compensando o que falta com qualidades intangíveis e imensuráveis ​​como “intuição”, “QI” ou “coração”.

“Foi assim que as pessoas definiram uma vez James Harden (o jogador mais valioso de 2017-18 na NBA), como alguém que tem esse QI de basquete super alto”, diz Elliott. “Talvez ele tenha. Mas ele também tem o melhor sistema de parada ou frenagem que já avaliamos na NBA.

“Isso cria vantagens competitivas”, acrescenta ele. “Há física newtoniana por trás dessas vantagens.”

Caso em questão: Luka Doncic, estreante do Dallas Mavericks. No pré-draft de avaliação de Doncic um ano atrás, o P3 identificou a mesma métrica de desempenho oculto – a habilidade de elite de parar rapidamente. O P3 sabia, antes do Draft da NBA, que Doncic e Harden estavam no mesmo grupo de jogadores. Doncic fez uma impressionante primeira temporada profissional.

Aaron Gordon treina na pista coberta do P3.
Aaron Gordon treina na pista coberta do P3.

Os insights também ajudam os atletas a evitar ferimentos adotando novas técnicas de treinamento para mudar os padrões de movimento não saudáveis ​​revelados nos dados, diz Elliott, que já atuou como o primeiro diretor de ciência esportiva da MLB (para os Seattle Mariners) e como o primeiro diretor de ciência de esportes na NFL (para os New England Patriots).

Todo jogador da NBA ou candidato a seleção avaliado pelo P3 recebe um relatório que destaca seus riscos de lesão e os compara aos pares da liga com base no desempenho.

“Atletas vêm até aqui porque confiam em nós para cuidar melhor de seus corpos do que em qualquer outro lugar”, diz Elliott. “Tradicionalmente, e ainda hoje, quando coisas ruins acontecem com os jogadores, todo mundo diz: ‘Ah, isso foi uma lesão esquisita’. Só estou dizendo a você que os modelos de aprendizado de máquina preveem muitas delas.”

“Não consigo imaginar um mundo onde, do nada, você sofra, digamos, uma fratura de estresse da tíbia direita – não a esquerda, não seu fêmur, é sua tíbia, do nada”, acrescenta. “Sem dúvida, estes não são eventos aleatórios. A ciência do esporte simplesmente não tem sido muito boa em identificá-los.”

Eventualmente, essa mesma informação pode se tornar disponível para atletas amadores e todos os outros, diz Elliott. As mesmas tecnologias poderiam prever, por exemplo, que um guerreiro de fim de semana tem muita força passando pela perna esquerda enquanto salta ou aterrissa, além de uma rotação minúscula, mas não saudável, do joelho e fêmur esquerdo, causando muito atrito e, eventualmente, uma erosão da cartilagem do joelho esquerdo.

“E se você identificasse que, quando tinha 30 ou 20 anos, em vez de aprender, aos 50 anos, que a cartilagem desapareceria? Esse é realmente o futuro”, diz Elliott.

“O poder do aprendizado de máquina e a Inteligência Artificial (da Microsoft) nos ajudarão a desvendar esses segredos de formas que nunca existiram. Nós já estamos fazendo isso, mas são apenas os primeiros dias do que eu acho que será uma revolução neste espaço”, diz ele. “Está chegando. Está definitivamente chegando.”

Foto do topo: Stanley Johnson, um atacante do New Orleans Pelicans da NBA, move-se lateralmente dentro de uma banda de exercícios no laboratório P3. (Todas as fotos foram cedidas pelo P3.)