AI nello sport: come ENEA studia tennis e pallanuoto senza sensori

ENEA sta studiando come analizzare i gesti degli atleti con videocamere e algoritmi di intelligenza artificiale, limitando l’uso di sensori indossabili. La ricerca riguarda tra l’altro tennis e pallanuoto, discipline in cui l’osservazione del movimento in condizioni reali può essere più utile di test che vincolano il corpo. Non è un sistema che garantisce la prevenzione degli infortuni: i dati aiutano allenatori e ricercatori a valutare il gesto.

Che cos’è l’analisi markerless?

Nei sistemi tradizionali di motion capture si usano spesso marcatori sul corpo e strumenti specializzati. Un approccio markerless stima invece la posizione dei segmenti corporei a partire dalle immagini riprese dalle videocamere; modelli di deep learning rilevano punti di riferimento e possono contribuire alla ricostruzione tridimensionale.

Il vantaggio potenziale è misurare la tecnica con meno ingombro. I limiti riguardano occlusioni, qualità video, precisione della calibrazione e affidabilità della stima in condizioni difficili, soprattutto in acqua.

Che cosa hanno misurato nel tennis?

Secondo la comunicazione ufficiale ENEA del 22 ottobre 2026, il lavoro analizza postura, angoli articolari, rotazione del tronco, ingresso dell’anca e azione del braccio dominante durante il colpo. È stata associata anche l’analisi acustica per riconoscere eventi come il contatto tra racchetta e palla e il rimbalzo.

Questi dati possono descrivere il timing e la catena cinetica del gesto. Non dimostrano che esista un unico movimento ideale valido per tutti: una tecnica individuale efficace può differire da un modello standard.

Come funziona in pallanuoto?

L’acqua complica la visibilità e il tracciamento delle articolazioni. ENEA descrive l’analisi della spinta verticale per stimare spostamento, tempo, velocità, accelerazione e potenza; sono parametri che aiutano a osservare postura, propulsione e asimmetrie. Nella pallanuoto paralimpica il metodo può documentare differenze funzionali in movimenti specifici senza ridurre la prestazione a una singola misura.

L’intelligenza artificiale può davvero evitare gli infortuni?

Non automaticamente. Individuare carichi e strategie compensatorie può sostenere una valutazione tecnica, ma non equivale a dimostrare una riduzione degli infortuni in uno studio clinico o in una stagione sportiva. Per una conclusione di quel tipo servono verifiche prospettiche, gruppi comparabili e risultati misurati nel tempo.

Quali sono i limiti pratici?

• Una videocamera può non vedere le articolazioni nascoste, soprattutto nelle azioni con contatto.
• L’illuminazione, la distanza e la calibrazione influenzano la precisione.
• I modelli possono funzionare diversamente con corporature, discipline e condizioni non rappresentate nei dati di addestramento.
• I dati biometrici richiedono gestione attenta di consenso, accessi e conservazione.
• Il giudizio di allenatori, medici e professionisti non deve essere sostituito da un punteggio automatico.

È già una tecnologia per tutti gli atleti?

Non risulta dalla comunicazione ENEA che esista un’app consumer disponibile a chiunque o un servizio commerciale con prezzo confermato. Si tratta di un percorso di ricerca, con possibili applicazioni professionali. Nel nostro articolo sull’intelligenza artificiale alle Olimpiadi trovi esempi più ampi dell’uso di AI nello sport; l’approfondimento su prestazioni atletiche e presenza del pubblico ricorda invece quanto contino anche le variabili contestuali, oltre ai movimenti corporei.

Qual è il prossimo sviluppo da seguire?

La questione decisiva non è quante articolazioni un algoritmo riconosca, ma se queste misurazioni migliorino decisioni tecniche e risultati in condizioni di allenamento e gara. Saranno utili studi di validazione indipendenti, informazioni sulle incertezze e confronti fra sistemi. Per ora la novità di ENEA è una metodologia di analisi promettente, non una garanzia di migliorare ogni prestazione o prevenire ogni infortunio.