Rendere più accessibile e appassionante uno sport antichissimo come la scherma: questo è l’obiettivo del progetto “Fencing Visualized”1, sviluppato in collaborazione con Yuki Ota, primo atleta giapponese a vincere una medaglia olimpica in questa disciplina. In effetti, chi non ha mai avuto delle difficoltà a comprendere le regole e il sistema di punteggio durante una competizione, o a seguire i rapidi movimenti degli atleti? La tecnologia “Fencing Visualized”, grazie a un sistema di tracciamento in realtà aumentata che integra 24 telecamere disposte lungo la pista e avanzati algoritmi di intelligenza artificiale, permette di ricostruire e visualizzare i movimenti delle spade sotto forma di scie luminose, trasformandole quasi in bacchette magiche agli occhi dello spettatore.
Uno sport affascinante ma difficilmente accessibile
La scherma affonda le sue radici nell’antichità, con testimonianze che risalgono già all’antico Egitto e alla Grecia. Nel corso dei secoli, questa disciplina si è evoluta fino a diventare uno sport olimpico, con regole tecniche estremamente complesse.
Approfondimento sulle specialità della scherma
La scherma olimpica si articola in tre specialità:
- La spada – il punto viene assegnato colpendo sia di punta che di taglio una qualsiasi parte del corpo dell’avversario: testa, tronco, arti e piedi. Questa è la più fedele ai duelli reali, in quanto, se entrambi gli atelti colpiscono nel corso della finestra temporale definita, viene registrata una doppia stoccata e il punto va a entrambi.
- Il fioretto – il bersaglio si limita al tronco e i colpi sono validi solo se inferti dalla punta della spada. Inoltre, entra il gioco il concetto del “right way”, i.e., il diritto di precedenza: il punto va all’atleta che ha iniziato l’azione offensiva o che ha parato e contrattaccato correttamente secondo le regole.
- La sciabola – il bersaglio comprende tutta la parte superiore del corpo e i colpi possono essere inferti sia di punta che di taglio. Anche in questo caso il “right away” è in vigore ma, a causa della rapidità e della vicinanza dei movimenti, spesso risulta difficile interpretare il risultato.
Nonostante questa lunga tradizione, la scherma rimane uno degli sport meno immediati da comprendere per il grande pubblico. La velocità dei colpi e la complessità delle regole rendono spesso difficile interpretare l’esito di uno scambio in tempo reale, soprattutto per i non esperti. Per supportare l’arbitraggio, attualmente si utilizza un sistema di punteggio elettrico (electrical scoring system), per cui le armi sono collegate a un circuito che si chiude al momento del contatto, attivando un segnale luminoso e sonoro.
Sebbene questo sistema di punteggio elettrico renda più oggettivo il lavoro dei giudici nell’attribuzione dei punteggi, non migliora necessariamente la comprensione per lo spettatore. Osservare due luci che si accendono contemporaneamente non permette di capire come e perché un punto sia assegnato.
Seguire la traiettoria della spada: il progetto Fencing Visualized
Il progetto “Fencing Visualized” nasce nel 2013 proprio dall’esigenza di migliorare l’esperienza sportiva degli spettatori attraverso l’uso di tecnologie avanzate, iniziando proprio dalla scherma, disciplina di cui Yuki Ota2, collaboratore del progetto, è stato campione olimpico. L’iniziativa viene portata avanti dallo studio giapponese di Tech Art Rhizomatiks3, diretto da Daito Manabe, e dal DentsuLab4 di Tokyo e si basa su un concetto semplice: rendere visibile ciò che normalmente sfugge all’occhio umano, ossia la traiettoria della punta delle armi. Durante la gara, gli atleti e le loro spade sono seguiti da scie luminose in realtà aumentata che ne evidenziano la traiettoria, permettendo di seguire lo sviluppo dell’azione e di capire il meccanismo della priorità di attacco e le decisioni arbitrali (Figura 1).
In alcuni prototipi, la tecnologia integra anche i dati biometrici degli atleti, introducendo una dimensione narrativa più “umana” (Figura 2).
Tuttavia, il percorso per arrivare a una tecnologia così efficace non è stato né semplice né immediato. In una prima fase, il sistema si basava su tecniche di cattura ottica del movimento attraverso dei marcatori retro-riflettenti applicati direttamente sulle armi. Le traiettorie venivano poi arricchite in post-produzione con effetti di realtà aumentata.
Questa soluzione è stata impiegata per la prima volta in tempo reale nel 2014, durante una dimostrazione alla Yuki Ota Cup.
Nel 2017, i marcatori sono stati sostituiti con del nastro riflettente, per non interferire con i movimenti degli atleti. Tuttavia, modificare le armi rimane una soluzione poco praticabile perché, oltre a essere invasiva, risulta difficilmente compatibile con le gare ufficiali.
Come funziona il sistema di tracciamento del movimento
Dal 2016, i ricercatori si sono quindi concentrati sullo sviluppo di un approccio che permettesse di seguire la punta della spada utilizzando esclusivamente le immagini delle telecamere. Una sfida non affatto banale, considerando che la punta della spada è un oggetto estremamente piccolo, spesso rappresentato da pochi pixel anche nelle immagini a miglior risoluzione, che si muove a velocità estremamente elevate ma che può anche rimanere nascosta dai corpi degli atleti. In questo contesto, i metodi tradizionali di elaborazione delle immagini risultano insufficienti.
Un primo tentativo ha previsto l’impiego di un algoritmo di computer vision basato sulla rilevazione di caratteristiche locali (“feature detection“) che, tuttavia, si è rivelato avere un’accuratezza troppo bassa. Successivamente, il team ha adottato un approccio di machine learning, costruendo una base di dati a partire da video di incontri simulati. In questa fase è stato impiegato l’algoritmo di rilevazione degli oggetti in tempo reale YOLO, basato su deep learning. Nonostante i passi in avanti, i risultati non erano ancora sufficienti per applicazioni in contesti reali.
Nel 2018, la combinazione di YOLO v3, di una configurazione hardware ottimizzata e di un sistema multi-camera ha finalmente permesso di arrivare a ricostruire con successo le traiettorie. In particolare, 24 telecamere ad alta risoluzione sono distribuite lungo tutta la pista e da entrambi i lati per coprire l’intero volume di movimento. Il sistema definitivo è in grado di seguire la punta della spada e di stimarne l’angolo di inclinazione, permettendo una ricostruzione accurata nello spazio tridimensionale (Figura 3).
Approfondimento sull’algoritmo YOLO v3
“You only look one” (YOLO, v3) è un algoritmo di intelligenza artificiale per riconoscere e localizzare in tempo reale gli oggetti in immagini e video, identificandoli sulla base di classi predefinite (in questo caso atleti, armi e punta della spada). La terza versione della serie, sviluppata da Joseph Redmon e Ali Farhadi, è riconosciuta per la sua velocità di calcolo, accuratezza ed efficiacia, che ne consentono l’impiego in applicazioni in tempo reale come la guida autonoma, i sistemi di sorveglianza, la robotica e – come per “Fencing Visualized” – l’analisi di eventi sportivi. La caratteristica distintiva di questo algoritmo è il suo approccio “one-shot”: a differenza di altri metodi che analizzano le immagini in più fasi, YOLO elabora l’intera immagine in un’unica passata della rete neurale, prevedendo la posizione degli oggetti e contemporaneamente la loro classificazione.
Alcuni elementi fondamentali di YOLOv3 sono:
- Rilevamento degli oggetti a 3 scale differenti – che consente di riconoscere sia oggetti di grandi dimensioni sia elementi molto piccoli e veloci, come la punta di una spada.
- Un estrattore di caratteristiche degli oggetti più efficace – basato su una rete neurale (Darknet-53) per cogliere tutti i dettagli e migliorare l’accuratezza del rilevamento.
- Classificazione multi-classe – per distinguere diverse tipologie di oggetti
- Uso di riquadri di riferimento – che aiutano meglio a stimare le proporzioni e le dimensioni degli oggetti
- Applicazione di una tecnica di selezione delle rilevazioni più affidabili, per eliminare i risultati ridondanti
La World Fencing League
Una prima dimostrazione della tecnologia è stata fatta in occasione dei 71º campionati giapponesi di scherma ed i successivi miglioramenti hanno permesso di introdurla ufficialmente in contesti competitivi a partire dal 2019. Infatti, nel corso dello stesso anno, i set di dati utilizzati per l’addestramento dell’algoritmo di machine learning sono stati progressivamente arricchiti attraverso quasi 200.000 immagini di schermidori in svariate condizioni di sfondo e illuminazione. La tecnologia ha ottenuto grande visibilità lo scorso 25 aprile 2026, quando è stata presentata allo Shrine Auditorium nel corso della World Fencing League, una competizione fondata dall’atleta Miles Chamley-Watson allo scopo di avvicinare il grande pubblico alla scherma.
Nemmeno mia madre capisce la scherma, perché si tratta solo di due luci. Questa tecnologia cambierà per sempre l’intero sport.
Miles Chamley-Watson, schermidore. Oro nel fioretto individuale ai Campionati Mondiali 2013.
La competizione, disputata a squadre e con la partecipazione di alcuni dei migliori atleti al mondo – tra cui le azzurre Arianna Errigo5 e Michela Battiston6 – ha rappresentato il contesto ideale per l’introduzione di Fencing Visualized.
Il progetto, infatti, va ben oltre il semplice tracciamento del movimento e include iniziative quali video di presentazione degli atleti sui social prima delle gare, spiegazioni semplificate delle regole e una visualizzazione del volto dell’atleta in tempo reale durante la gara. Durante l’incontro, sugli schermi vengono proiettate icone e visualizzazioni dei gesti tecnici per rendere più evidente la complessità del movimento. E anche il format della competizione è stato reso più coinvolgente, integrandovi spettacoli con luci LED, musica, performance di danza e giochi interattivi con il pubblico durante le pause.
Nota di Redazione: va tuttavia precisato che al momento il sistema di tracciamento è stato utilizzato solo durante alcuni replay e nel corso delle pubblicità. Nonostante ciò, l’effetto visivo è assolutamente affascinante, come mostrato nel video (Video 1).
Conclusioni e prospettive future
Il progetto si inserisce quindi in un’idea di cambiamento del modo di percepire la scherma e lo sport in generale. Sfruttando le potenzialità della tecnologia attuale, si riesce a creare una vera e propria esperienza virtuale immersiva. Inoltre, se oggi il sistema viene utilizzato principalmente a supporto della visualizzazione, domani potrebbe giocare un ruolo sempre più centrale anche nell’arbitraggio, che diventerà progressivamente semi-automatico, fornendo strumenti aggiuntivi in grado di facilitare le decisioni. Parallelamente, l’enorme quantità di dati generati potrebbe essere sfruttata anche per l’analisi tecnica della performance, offrendo ad atleti e allenatori nuovi strumenti per affinare la strategia di gara.
Fencing Visualized rappresenta quindi un esempio di come l’ingegneria possa avvicinare le persone allo sport, rendendolo non solo più spettacolare ma anche più coinvolgente e spettacolare.
