Projet 1- Data Ping : Analyse et visualisation de données de performance du tennis de table
Intervenants : Romain Vuillemot, Maître de conférences - HDR, École Centrale de Lyon et Aymeric Erades, doctorant LIRIS, École Centrale de Lyon
Date : Mercredi 11 juin 2025 - 15h15 -- 18h15
Durée : 3h
Places disponibles : un groupe de 20 personnes
Résumé :
Cet atelier propose une initiation pratique à l’analyse et à la visualisation de données issues du tennis de table, en s’appuyant sur la base de données Data Ping, qui contient plus de 100 matchs annotés. Les participants explorent les données, identifient des tendances de jeu, comparent différents styles et stratégies, puis apprennent à créer des visualisations interactives adaptées à différents publics (analystes, entraîneurs, spectateurs). L’atelier se termine par un mini-projet où chaque groupe met en œuvre un cas d’analyse complet, de l’exploration à la communication des résultats.
Pré-requis : ordinateur et maîtrise d'un langage de programmation (Python, JavaScript ou R)
Plan
1. Explorer la base de données Data Ping pour se familiariser avec les types de matchs, les annotations et les variables disponibles ; créer un séquenceur et outil d'annotation
2. Réaliser une analyse exploratoire pour observer les tendances générales, comme la fréquence des coups ou la durée des échanges ; déployer sous forme d'application en ligne
3. Comparer différents styles de jeu et stratégies en examinant des séquences spécifiques et schémas de jeu
4. Concevoir des visualisations interactives permettant de présenter les résultats de manière claire et engageante; et les inclure dans l'application en lien
5. BONUS Mini-projet d’analyse sur un aspect du jeu (service, remise, schémas de jeu), incluant une interprétation des données et une restitution graphique
Projet 2 - Guidage en son 3D
Intervenants : François Alouges, Sylvain Ferrand
Date : Mercredi 11 juin 2025 - 15h15 -- 18h15
Durée : 1 séance de 3 heures
Places disponibles : 4
Objectifs
- Mettre en œuvre une solution de guidage sonore 3D
Contenu des séances
Le son 3D ou binaural permet de reproduire sur un casque audio standard les aspects spatiaux du son. Ainsi, on est capable de tromper le cerveau pour donner l’illusion d’une source sonore située en dehors de l’auditeur. Couplé avec un « head-tracker », c’est-à-dire une centrale inertielle située sur la tête de l’auditeur, on est capable de modifier, en temps réel, le son de façon à accroître l’illusion d’une source sonore située en dehors de la tête de l’auditeur. Les animateurs du projet utilisent cette technologie depuis plusieurs années pour permettre à des déficients visuels, de pratiquer la course à pieds sur un stade, en toute autonomie.
Le projet proposé permettra aux chercheurs intéressés de comprendre ce nouveau mode guidage ainsi que d’expérimenter les avantages et limites de ce type de technologies. En particulier, il leur sera demandé de monter une expérience permettant de tester et valider l’approche en environnement sportif ainsi que de réfléchir aux applications potentielles de ce genre de systèmes.
Projet 3. Prédictions de trajectoires des joueurs en sport collectif avec l’architecture Introvert
Intervenant : Djllel Dilmi – Enseignant Chercheur Efrei Research Lab, IMAGIn2
Date : Vendredi 13 juin 2025 - 16h00 -- 19h00
Durée : 3h
Places disponibles : Maximum 20 participants
Objectif :
Explorer l’usage d’un modèle Deep Learning, Introvert, pour la prédiction des trajectoires de joueurs dans un sport collectif (football, basketball, volleyball...).
L’atelier permettra aux participants :
- De découvrir l’architecture Introvert pour la prédiction de trajectoires.
- De manipuler des données réelles de tracking de joueurs (issues de jeux de données publics).
- D’entraîner et tester un modèle sur des trajectoires sportives.
- De discuter des applications possibles (analyse tactique, anticipation, stratégie...).
Contenu de la séance :
1. Introduction au problème (15 min)
- Enjeux de la prédiction de trajectoires en sport (coaching, stratégie, diffusion télé, analyse).
- Spécificités par rapport aux trajs. piétonnes : interactions plus fortes, espace structuré.
2. Présentation du modèle Introvert (20 min)
- Architecture générale : inversion temporelle, structure en Transformer, prédiction autoregressive.
- Avantages : modélisation flexible, pas de contrainte sur le nombre d’agents, efficace sur interactions.
3. Exploration du dataset sportif (35 min)
- Présentation d’un jeu de données issu de l’article arXiv:
Exemples disponibles :
- Basketball/NBA (position XY des joueurs à chaque frame)
- Soccer (SoccerNet, OpenTraj)
- Volley
- Format des données : positions (x, y) des agents (joueurs), au cours du temps.
- Visualisation : trajectoires sur le terrain.
4. Implémentation pratique - le code sera fourni - (90 min)
- Prétraitement des données pour le modèle Introvert
- Entraînement (ou chargement d’un modèle déjà entraîné).
- Test sur séquences non vues.
- Visualisation des trajectoires prédites vs réelles (avec matplotlib ou autre outil interactif).
5. Conclusion & pistes d'approfondissement (20 min)
- Autres architectures possibles (Social-GAN, TrajNet++, etc.)
- Intégration d’informations supplémentaires : rôle, balle, événements du jeu...
- Possibilité de créer un projet final à partir de cette base.
Besoins en termes d’installations :
Matériel :
Données à préparer :
- Téléchargement préalable d’un dataset sportif :
- Lien vers le dépôt ou archive (choisir dans l’article arXiv) *
- Script de prétraitement fourni pour harmoniser le format
Documents fournis :
- Un notebook Python pour :
- Préparer les données
- Charger le modèle
- Visualiser les trajectoires
- Slides PDF de l’introduction (sur les enjeux, le modèle, les données)
* Recommandation : Le jeu de données TeamTrack est particulièrement adapté. Ce dataset est spécifiquement conçu pour le suivi multi-objet (MOT) dans des contextes sportifs tels que le football, le basketball et le handball.
Accès au dataset
Le dataset TeamTrack est disponible publiquement et peut être téléchargé depuis les plateformes suivantes :
Références
1. SHAFIEE, Nasim, PADIR, Taskin, et ELHAMIFAR, Ehsan. Introvert: Human trajectory prediction via conditional 3d attention. In : Proceedings of the IEEE/cvf Conference on Computer Vision and Pattern recognition. 2021. p. 16815-16825.
2. SCOTT, Atom, UCHIDA, Ikuma, DING, Ning, et al. Teamtrack: A dataset for multi-sport multi-object tracking in full-pitch videos. In : Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2024. p. 3357-3366.
Projet 4. T.E.N.N.I.S – Training Environment for Natural iNteraction In Sports
Intervenant : Daniel Mai – Enseignant Chercheur Efrei Research Lab, IMAGIn2
Date : Vendredi 13 juin 2025 - 16h00 -- 19h00
Durée : 3 heures
Places disponibles : 10 participants maximum
Pré-requis :
-
Maîtrise de base de Unity
-
Familiarité avec le développement VR avec Unity XR Toolkit
-
Utilisation d’un PC équipé d’un GPU dédié
Résumé : Cet atelier propose une immersion dans la création d’un environnement d’entraînement en tennis à l’aide de la réalité virtuelle. En s’appuyant sur Unity et le XR Interaction Toolkit, les participant·e·s développeront un mini-jeu interactif dans lequel un·e joueur·euse frappe une balle avec une raquette virtuelle, le tout en reproduisant des conditions réalistes de mouvement, d’effort et de retour sensoriel. L’accent sera mis sur la modélisation de la trajectoire de la balle à partir des données de mouvement du contrôleur VR, ainsi que sur l’utilisation de la physique pour restituer une dynamique fidèle à la réalité sportive. Cet atelier allie développement logiciel, biomécanique et interaction humaine, avec des applications directes pour la formation sportive ou la rééducation.
Objectif
Développer un prototype d’environnement d’entraînement de tennis en VR. Les participants apprendront à :
-
Configurer une scène VR avec Unity
-
Récupérer les mouvements du contrôleur pour générer la trajectoire d’une balle
-
Intégrer des retours (vibration, visuels, audio) pour simuler un retour d’effort
-
Appliquer des notions de physique réaliste dans un cadre sportif
Contenu de l’atelier
-
Présentation de l’architecture XR avec Unity (XR Plugin Management + XR Interaction Toolkit)
-
Ajout des éléments essentiels : XR Rig, raquette, balle, environnement simplifié
-
Mesure de la vitesse du contrôleur au moment de la frappe
-
Simulation de la trajectoire de la balle
-
Système de points et feedback utilisateur
-
Tests sur casque VR (roulement de groupes)
Préparation & Matériel requis
-
casques Oculus Quest 2 ou 3 ( fournis pendant la séance)
-
1 PC performant par participant (ou binôme, avec carte graphique dédiée)
-
Unity 6 préinstallé avec XR Plugin Management, XR Toolkit
-
Projet template fourni par l’intervenant (via Drive ou clé USB)