Il calcio fa sempre parlare di sé, sia per lo sport che per le innovazioni tecnologiche che vengono applicate nelle partite e negli allenamenti. Alcuni mesi fa, il Real Madrid è diventato virale per la sua barriera robotica contro i calci di punizione.
Proprio così. Una serie di robot automatizzati fungono da barriere con intelligenza artificiale affinché i giocatori possano esercitarsi nei tiri in porta, dovendo evitare salti e possibili movimenti rivali.
È utile? Nessuno dubita che il Real Madrid ottenga risultati in campo e che parte di essi dipenda dall’inclusione di tecnologie per migliorarsi. Vediamo quindi come funziona e quanto effetto concreto potrebbe avere sulle competizioni.
Come funziona la barriera robotica del Real Madrid?
Il Real Madrid non è il pioniere nell’uso di questi robot. L’Olympique de Lyon li aveva già usati in precedenza. Tuttavia, la squadra spagnola li ha resi virali.
Questo gruppo di 5 robot collegati tra loro forma una barriera robotica con la capacità di “saltare”. Quando il giocatore calcia, gli avversari artificiali si muovono, simulando ciò che accade nella vita reale.
Fino a qui, non ci sarebbe innovazione di prim’ordine. Ma si scopre che c’è di più. Questi robot sono caricati con un software di intelligenza artificiale che ha un database di club mondiali.
Se il Real Madrid vuole che la barriera del calcio di punizione simuli la difesa del Barcelona FC, potrebbe farlo. Devi solo configurare l’intelligenza artificiale. Lo stesso per il PSG o qualsiasi altra squadra.
Leggi anche: Maschere da allenamento: cosa sapere
L’apprendimento nell’intelligenza artificiale
L’intelligenza artificiale che apprende dai database è sempre più presente in tutti gli ambiti della vita quotidiana. Viene utilizzato nella navigazione web, nei social network, negli ospedali e persino nel controllo del traffico.
In termini molto semplici, la tecnologia consiste nell’analizzare grandi volumi di dati in breve tempo per sviluppare nuovi algoritmi, previsioni, probabilità e risposte automatizzate. La gestione delle informazioni, in quelle quantità, sarebbe impossibile per un cervello umano.
Se ci concentriamo sul caso del Real Madrid e della sua barriera automatizzata contro i calci di punizione, ci rendiamo conto che il processo è simile. I responsabili del programma caricano i dati su movimenti, tendenze e modi di agire dei giocatori di tutto il mondo, che si ripetono nelle diverse partite, e l’intelligenza artificiale risponde muovendo i robot come dovrebbero fare i giocatori reali.
C’è sempre un margine di errore in questi software. Gli algoritmi calcolano le probabilità, ma in quanto tali le probabilità non sono accurate al 100%.
Indipendentemente da ciò, ha senso per un allenamento. Le parti avranno le loro vicissitudini particolari, i loro fattori aggiunti e il fatto delle decisioni umane. Sebbene sia molto importante incorporare movimenti che, come è noto dalle statistiche, il rivale esegue in modo relativamente frequente.
La scienza dei calci di punizione nel calcio
Uno studio pubblicato nel 2021 su Plos One ha analizzato l’effetto della barriera sulla reattività e sulla capacità di fermare il pallone dei portieri. Contrariamente a quanto si potrebbe pensare a prima vista, sembra che questa usanza calcistica non sia così efficace.
Utilizzando la realtà virtuale, i ricercatori hanno testato l’efficienza di 25 portieri (di cui 10 professionisti) nel fermare i palloni lanciati secondo traiettorie copiate dai grandi tiratori del calcio mondiale. Tra questi ultimi, Bale e Beckham.
Secondo i risultati, la barriera del calcio di punizione blocca la visuale del portiere per 200 millisecondi. Pertanto, rispetto alla situazione senza barriera, di fronte allo stesso tiro, l’arciere si sposta 90 millisecondi dopo.
Tradotto in termini statistici, rappresenta il 13% in meno di possibilità di salvare il pallone quando è presente la barriera del calcio di punizione. Ancora più tradotto: ci sono più gol con la barriera che se non ci fosse.
La visione è la chiave da affrontare. Interrompere la visuale del portiere non sarebbe altrettanto vantaggioso, anche se la strategia riduce anche lo spazio per il calciatore. Insomma, sembra che la squadra in difesa sia maggiormente svantaggiata.
Leggi anche: Metodo Pintus: il segreto del successo del Real Madrid
L’angolazione perfetta per superare la barriera robotica
Attenendosi alla scienza dei calci di punizione, la matematica fornisce una serie di calcoli per capire come un tiro può aggirare il muro e diventare un gol. Secondo i diversi dati disponibili, l’attaccante dovrebbe usare un angolo di partenza di 13 gradi. Ne più ne meno.
Un grado più alto non consentirebbe alla palla di scendere dopo aver superato i 9-10 metri tra il punto di partenza e la barriera. Al contrario, un voto più basso avrebbe un’alta probabilità di avere un impatto sul corpo dei giocatori rivali.
Il sistema robotico di barriera contro i calci di punizione del Real Madrid non genera un angolo magico di 13 gradi sui calciatori. Ma è un modo per allenare il piede per riuscire a raggiungere un valore vicino.
Real Madrid, sempre in prima linea
La barriera dell’allenamento su punizione del Real Madrid è l’ennesima dimostrazione dell’avanguardia del club spagnolo. È sempre una novità per i metodi che mette in atto nelle sue preparazioni fisiche.
Intelligenza artificiale, analisi dei dati, strumenti di potenziamento, routine scientifiche… Per essere ai vertici del calcio mondiale, non c’è altro modo che aggiornarsi giorno per giorno.
Bibliografia
Tutte le fonti citate sono state attentamente esaminate dal nostro team per garantirne la qualità, affidabilità, rilevanza e validità. La bibliografia di questo articolo è stata considerata affidabile e di precisione accademica o scientifica.
- Valkanidis, T. C., Craig, C. M., Cummins, A., & Dessing, J. C. (2020). A goalkeeper’s performance in stopping free kicks reduces when the defensive wall blocks their initial view of the ball. PloS one, 15(12), e0243287.
- Aggarwal, Karan, et al. “Has the Future Started? The Current Growth of Artificial Intelligence, Machine Learning, and Deep Learning.” Iraqi Journal for Computer Science and Mathematics 3.1 (2022): 115-123.