研究人员探讨了如何结合机器学习和深度学习技术，开发评估岩石攀登路线的标准化系统。该系统旨在创建一个对所有技能水平的攀登者包容、准确且易于访问的难度等级评估标准。研究表明，评估攀登路线难度的最有效方法是使用以路线为中心的方法结合自然语言处理。
新罕布什尔大学的研究人员最近进行了一项研究，考察了将机器学习和深度学习技术整合以建立标准化评估岩石攀登路线系统的潜力。目标是创建一个强调包容性、精确性和易于访问的难度等级标准，适用于所有水平的攀登者。该研究发表在《体育与积极生活前沿》（Frontiers in Sport and Active Living）期刊上，强调评估岩石攀登路线难度的最佳方法是使用以路线为中心的方法和自然语言处理技术。
随着岩石攀登的流行程度不断上升，尤其是在2020年东京奥运会之后，这一运动在全球范围内得到了认可，评估路线难度的统一方法的需求显著增加，因为缺乏标准化系统。商业攀岩馆需要客观的方法来创建路线，以适应不同技能水平的攀登者，但现有的难度等级标准常常依赖个人意见，导致不一致和偏见。
“作为一种休闲活动，岩石攀登的流行程度是相当可观的，”新罕布什尔大学的研究生以及该研究的主要作者Blaise O’Mara表示。“为攀登路线提供客观的难度等级对于攀登社区至关重要，但挑战在于建立一个适用于所有技能水平的一致评定系统。”
评估路线难度涉及多种因素，包括攀登环境、握把类型和攀登者的动作。新罕布什尔大学的研究人员考察了这些因素如何影响路线难度的评估。他们的调查将机器学习方法分类为以路线为中心、以攀登者为中心和寻路方法，强调自然语言处理在提供更客观的路线难度评估方面的潜力。
“我们的研究旨在展示攀岩馆如何实施机器学习和深度学习系统，以增强路线设置并减少路线难度的偏见，”新罕布什尔大学电气与计算机工程副教授MD Shaad Mahmud指出。“在我们的研究中，以路线为中心的方法专注于分析路线的各个方面，如握把类型、握把之间的动作和顺序。以攀登者为中心的方法则利用可穿戴传感器监测肌电图和加速度等指标，以及之前的攀登表现。寻路方法结合了其他两种方法的元素。最终，最有效的策略是将以路线为中心和寻路数据与自然语言处理技术相结合。”
研究得出的结论是，准确性和细节是优化的基本目标，以路线为中心的方法达到了最高的粒度准确率为84.7%。新罕布什尔大学的研究人员预测，在复杂环境中评估岩石攀登难度的未来进展，将依赖于通过计算机视觉获得的以路线为中心的数据，并通过自然语言处理算法处理。此外，他们认为机器学习和深度学习技术将继续发展，并可能最终解决在评估攀登路线难度时的评分偏见问题。
本项研究得到了新罕布什尔州农业实验站CREATE资助（11HN37）的支持。
