リターゲティング：ウェブカメラでVRMアバターを動かす — アバタートーク #3（MediaPipe → three.js）
アバタートーク #3：MediaPipeの姿勢ランドマークをVRMアバターのボーン回転へリターゲティングします。位置と回転の違い、MediaPipe→VRMの座標反転と鏡映し、基準→目標のクォータニオン、ワールド→ローカルのチェーン、フレームレート非依存のイージング、そしてカメラ1台の深度補正まで。
ブラウザで3D VRMアバターを読み込む — アバタートーク #2（three.js + three-vrm）
アバタートーク #2：本物の3D VRMアバターを、three.js と @pixiv/three-vrm でブラウザに読み込みます。VRMの標準ボーンマップがなぜ重要か、15MBモデルで効く後処理、2行で足す呼吸、そしてリップシンク用の表情システムまで。
ブラウザだけでモーションキャプチャ — 約200行で作る（アバタートーク #1 / MediaPipe + TypeScript）
インストールもサーバーも不要。ブラウザだけで動くリアルタイムのモーションキャプチャを約200行のTypeScriptで作ります。アバタートーク #1：ウェブカメラ、透明キャンバス、MediaPipeのPoseLandmarkerで上半身スケルトンをライブ描画。実際に動かす2つの落とし穴も解説。
スポーツAIを築く2つの道 — 427チーム vs 1つのデバイス
2026年の論文2本は正反対の賭けをしています。SoccerNet は427チーム・1,129件を1つの共有ベンチマークに集約し、スケートボード研究は1つの商用IMUを研究室の基準と照合して、入り混じった結果を得ました。
傷害が起きる前に予測する — AI×ウェアラブルの現在地（論文3本）
レビュー2本と研究1本が示すのは、AI×ウェアラブルによる傷害予測の「展望」と「実証」の距離です。今日あるのは専門家の判断を再現する良い分類器（AUC 0.86）であり、将来の傷害を予測する検証済みの手段ではありません。
カメラによる動作評価はどこまで信頼できるか — 精度水準の異なる論文3本
カメラは安くなりました。2026年の3本——3次元再構成パイプライン、系統的レビュー、スマホ1台——はいずれも同じ方向を示します。全体的で粗い指標には手が届き、細かい時間分解能と関節角度にはどの価格帯でも届かない。
1つの競技に何個のセンサーが要るか — 最小構成を問う2026年の論文4本
ウェアラブルのモーキャプはかつて17個のスーツを意味しました。2026年の4本が問うのは最小構成です。ランニングは1〜3個、ジャンプテストは1個、ベースランニングとハンマー投げはさらに要る——そして4競技を横断した検証はまだありません。
スポーツAIのベンチマーク — CalTennis が示す現行モデルの限界
CalTennis は、単眼から3次元への姿勢推定を対象とした初の大規模スポーツベンチマーク（40選手・1100万枚超）。結果は「乖離」——相対的な関節角度は良好でも、深度と足の接地は系統的に失敗します。傷害リスクが宿る、まさにその局面で。
映像から生体力学へ — AIはモーション解析を民主化するか（論文4本）
スマホのカメラ1台が床反力計・モーキャプ・筋電図を置き換えられるか。2026年の論文4本——OpenCap Monocular、BioHuman、From Pixels to Newtons、Pose-to-Biomechanics——を、上流の姿勢推定精度という共通の「天井」とともに読み解きます。
研究室の外へ — カメラもマーカーも要らないモーションキャプチャ論文3本
生体力学を研究室から現場へ持ち出す2026年の論文3本：Ultra Diffusion Poser（慣性センサ＋UWBでカメラゼロの全身姿勢）、生体力学を考慮したマーカーレス手指計測、そしてVRのリアリティギャップを測るウェアラブル研究——各論文が残した未解決の問いとともに。