2つの姿勢推定パイプライン、1つの問い — 検証あり、それともなし？
作り方は同じ——姿勢を検出し、追跡し、分類する——でも根拠はまるで違う。2026年の一方は理学療法の運動を専門家の正解データと照合して採点し（RTMPose + GRU、約96%）、もう一方は正解ラベルなしでバスケの動きをプロファイリングし、それを自ら明言する。パイプラインを検証するのは検出器ではなく正解データです。
スポーツバイオメカニクス
動きを捉えることはゴールではない — 運動学から、モデル化された傷害リスクの数値へ
動きは計測できた。でも終わりではありません。2026年7月の2本の論文が、検証済みの運動学からモデル化された傷害リスクの数値までをたどります。OpenCapマーカーレスのスコーピングレビュー（51件）と、バドミントンのランジからACL負荷を推定するモデル（OpenSim＋XGBoost、R²約0.91）。推論の層ごとに不確実性は積み重なります。
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。
ジャンプ力でキック速度はわかる？ サッカーの「軸足」の秘密
片脚ジャンプの力でサッカーのキック速度はわかるのか？ アマチュア6名の検証では、利き脚が明らかに強い一方（99対85km/h）、意外にも「非利き脚＝軸足」が強い選手ほど利き脚のキックが速い傾向が見えました。