Een deel van de taak van kunstschaatsers is om hun routine er zo moeiteloos en gracieus mogelijk uit te laten zien, alsof ze op ijs drijven en door pure wilskracht de lucht in vliegen. In werkelijkheid werpen ze zichzelf vaak enkele meters de lucht in met het equivalent van zandzakken aan hun voeten; genereert honderden ponden van middelpuntzoekende kracht door rotaties; en landt op een mes van slechts 3/16 inch breed.
Op de Winterspelen van 2026 in Milaan en Cortina, Italië, gebruikt NBC een AI hulpmiddel ontwikkeld door een voormalig MIT-onderzoeker om het publiek te helpen de verbazingwekkende prestaties van de hedendaagse Olympische atleten te begrijpen.
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. Bij Milan Cortina werkt hij samen met NBC Sports aan kunstschaats-, snowboard- en ski-evenementen, waarbij hij gegevens verzamelt zoals de hoogte van sprongen, de snelheid van de atleten en hun rotatiepaden.
Terwijl kunstschaatsers nieuwe wegen in de sport blijven betreden, zoals steeds meer sprongen met viervoudige omwentelingen (zie die van de Amerikaanse kunstschaatsster Ilia Malinin eerste quad-as ooit geland op de Olympische Spelen), kan Lu’s AI-aangedreven technologie helpen hun routines van moment tot moment te begrijpen.
Een grote vraag van NBC
Lu’s carrière in sportanalyse begon met zijn eigen interesse in wedstrijdzwemmen. Tijdens zijn bachelorstudie aan de Universiteit van Virginia werkte hij samen met wiskundige Ken Ono om zich 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 diende later 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 gebieden, waaronder een programma dat was ontworpen om het Australische BMX-freestyle-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.
“Destijds ontbrak het bij sommige artistieke sporten aan deze datagestuurde storytelling: als je hockey op tv kijkt, ziet het er langzaam uit, maar als je het persoonlijk bekijkt, ziet het er snel uit”, zegt Lu. Op dezelfde manier legt hij uit dat als je de Amerikaanse kunstschaatsster Amber Glenn op het scherm een sprong zou zien maken, het er misschien niet geweldig uitziet, maar in werkelijkheid zou ze ongelooflijk hoog in de lucht vliegen. NBC had een manier nodig om deze twee ervaringen te overbruggen.
Een AI-model bouwen voor de Olympische Spelen
Voor Lu en zijn team – die geen van allen skaters zijn – was de eerste stap in de richting van het bouwen van deze tool het bellen van voormalige Olympische skaters en oude NBC-analisten Tara Lipinski en Johnny Weir. In tegenstelling tot sporten zoals zwemmen of atletiek, kunnen de beoordelingsparameters voor kunstschaatsen veel grijze gebieden omvatten, wat betekent dat Lu’s team een volledig overzicht nodig had van waar de juryleden naar op zoek waren.
“Ze hebben ons in wezen 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 is en wat een ondeugd. We moesten manieren bedenken om ze te kwantificeren en ze in wezen de statistieken te geven die ze tussen atleten kunnen vergelijken.”
Het creëren van een tool om kunstschaatsen te analyseren vereiste een heel ander systeem dan zwemmen, zegt Lu. Terwijl voortstuwing en weerstand de twee belangrijkste variabelen in die sport waren, draait het bij kunstschaatsen allemaal om de snelheid en rotatie die nodig zijn om ingewikkelde sprongen te maken. Om deze metingen zonder wearables te berekenen, trainde zijn team een AI-model om programmabeelden te analyseren en een reeks rotatiepunten op het lichaam van de atleet te identificeren, van hoofd tot schouders, ellebogen, heupen en enkels.
Met behulp van deze gegevenspunten leerde het team het model vervolgens verschillende sprongen te categoriseren op basis van lichaamspositie (zoals de teenlus, luxe en axel) en verder het totale aantal rotaties van de atleet te tellen om de sprongen te classificeren als een dubbele, drievoudige of quad. Door precies te begrijpen waar de schaatser zich op een bepaald punt bevindt, kan het AI-model statistieken berekenen zoals de snelheid bij het betreden van een sprong, de totale spronghoogte, de snelheid bij het verlaten van de sprong en de grond die ze op de ijsbaan bestrijken; allemaal cruciale elementen in hun prestaties. Dit soort cijfers kunnen commentatoren als Lipinsky en Weir helpen een veel gedetailleerder beeld te schetsen voor de Olympische kijkers van dit jaar.
Zal AI ooit de Olympische kunstschaatsrechters vervangen? Deze onderzoeker zegt nee
Buiten zijn samenwerking met NBC heeft Lu zijn kunstschaatsmodel omgezet in een app genaamd AARDE HEMELwaarmee skaters van alle niveaus hun routines kunnen filmen en direct hun eigen statistieken kunnen begrijpen. De app werd een officiële partner van het Amerikaanse kunstschaatsen 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 pijplijn dat hij ergens tijdens het schaatsseizoen wil debuteren. Uiteindelijk, zegt hij, zal het model de technische prestaties op een select aantal vaardigheden kunnen helpen evalueren, maar het zal nooit de menselijke beoordeling van de artistieke prestaties van atleten vervangen.
“Kunstschaatsen is deze 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 er een deel van, namelijk dat de 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 is dit artistieke element ook onderdeel van kunstschaatsen.”
