📖

re:Invent 2025: Catapult SportsのウェアラブルデバイスVector 8におけるAWS IoT活用事例

2025/12/03に公開

AWS

reinvent2025sessio

idea

はじめに

海外の様々な講演を日本語記事に書き起こすことで、隠れた良質な情報をもっと身近なものに。そんなコンセプトで進める本企画で今回取り上げるプレゼンテーションはこちら！

re:Invent 2025 の書き起こし記事については、こちらの Spreadsheet に情報をまとめています。合わせてご確認ください

📖 re:Invent 2025: AWS re:Invent 2025 - Peak Performance: IoT Innovation in Professional Sports (SPF301)

この動画では、Catapult Sportsがアスリートのパフォーマンスデータを収集・分析するウェアラブルデバイスVector 8の開発にAWS IoTサービスをどのように活用しているかが紹介されています。128カ国、40以上のスポーツ、5,000以上のエリートチームに導入され、10Hzのライブデータと100Hzの生データから600種類のメトリクスを生成します。AWS IoT Core、Greengrass、Shadowsなどを活用し、デバイスのオンボーディング時間を大幅に短縮、ファームウェア更新速度を32倍に向上させました。Player Loadなどの独自メトリクスにより怪我予防とパフォーマンス最適化を実現し、ビデオとの統合で戦術分析も可能にしています。2.5時間のNHLゲームで3,600万データポイントを収集し、30秒以内にS3へアップロードする処理能力を持ちます。

※ こちらは既存の講演の内容を最大限維持しつつ自動生成した記事になります。誤字脱字や誤った内容が記載される可能性がありますのでご留意下さい。

本編

スポーツテクノロジーの新時代：Catapult Sportsの紹介

通常、私はこのようなセッションを少しインタラクティブに始めるのが好きなので、ちょっと付き合ってもらえますか。ほぼすべてのプロフェッショナルまたはセミプロフェッショナルなフットボールチーム、プロチーム、または個人アスリートが、ゲーム中またはプラクティス中にデータを追跡するために何らかのウェアラブルデバイスを使用していることを知っていた人は手を挙げてください。予想していたよりもかなり多くの人が手を挙げていますね。彼らがどのようなタイプのデータを取り込んでいるのか、またはそのデータに対してどのようなアナリティクスを生成できるのかについて考えたことがあるかもしれませんが、実際にこれらのデバイスを製造している企業や、彼らが提供する市場について考えたことはないかもしれません。それが今日、私たちがお話しする内容です。手を挙げなかった方々も、今日はスポーツの別の側面、つまりデータによって支えられたスポーツを見ることができることを願っています。

私の名前は Mike です。私はオーストラリアを拠点とするスポーツソリューションアーキテクトで、一緒に来ているのは Greg で、彼は私たちのシニア IoT スペシャリストソリューションアーキテクトです。今日は、私の顧客の一つである Catapult Sports についてお話しします。プレゼンテーションの残りの部分では Catapult と呼びます。彼らが誰なのか、何をしているのか、そしてどのようにスポーツを変革しているのかについてお話しします。

アスリートデータの取り込みについて話します。彼らは何を取り込んでいるのか、どのようにしているのか。そして、そのデータが取り込まれた後、それで何ができるのかについてです。どのようなタイプのアナリティクス、メトリクス、そしてアスリートパフォーマンスの改善ができるのか。デバイスソフトウェアアーキテクチャについてもう少し深く掘り下げます。そして、彼らがウェアラブルデバイスを構築するために AWS をどのように使用したのかについてです。デバイスのオンボーディング、アップデートの管理方法、そして異なるタイプの設定をどのようにロールアウトするのかについて話します。そして最後に、将来を見据えます。 Catapult がスポーツの世界でデータを進化させ続けるために次に何ができるのか。

では、Catapult について言及したので、彼らが誰なのかを紹介させてください。 Catapult は、世界中のすべてのアスリートとチームの可能性を引き出すために存在しています。スポーツサイエンスとアナリティクスの交差点で活動し、Catapult の製品はパフォーマンスを最適化し、回復力を改善し、復帰を定量化するように設計されています。この企業はオーストラリア証券取引所に上場しており、世界中 24 の異なる場所に 400 人以上のスタッフを配置しています。プレゼンテーション全体を通じて彼らが誰なのか、何をしているのかを説明する代わりに、シーンを設定し、これを文脈化するための小さなビデオを見てみませんか。

アスリート監視ソリューションとVector 8の全貌

 そのビデオの中で、あなたが見たかもしれないいくつかのことについて言及するつもりです。Catapult にはいくつかの異なるソリューションがあり、すべてをカバーする時間はありませんが、3 つに触れ、今日は特にそのうちの 1 つについて深く掘り下げます。まず、athlete monitoring があります。ビデオの中で、プレイヤーが着ていたベストに入れられた小さなデバイスが見えたかもしれません。これはパフォーマンスを最適化し、怪我のリスクを減らし、回復を改善するように設計されています。これが今日、私たちが深く掘り下げる内容です。

2番目のソリューションは、スカウティングと採用です。これは、チームに適切な選手を見つけ、評価し、獲得するために設計されています。そして最後に、データに文脈をもたらすために、Catapult はビデオスイートオファリングを提供しており、これはデータをビデオに接続して、戦略、パフォーマンス、トレーニングを変革します。アスリート監視ソリューションに深く掘り下げる前に、Catapult のマーケットについて少し見てみましょう。Catapult は 128 以上の異なる国で事業を展開しています。40 以上の異なるスポーツに顧客がいて、5,000 以上のエリートチームが顧客です。Catapult の顧客には、NFL から NHL、イングランド・プレミアリーグまで、世界最大級のクラブとフランチャイズが含まれています。これは Catapult が顧客を持つトップスポーツの例です。

それでは、Catapult が提供するアスリート監視機能について掘り下げていきます。Catapult は包括的なパフォーマンスメトリクスを追跡し、コーチにトレーニングと競技のための実行可能なインサイトを提供します。これらのメトリクスのいくつかについて特に触れたいと思います。Player Load は後で詳しく掘り下げるものの 1 つですが、これは総合的な身体的ストレスを定量化します。これはシーズンを通じたワークロード管理と怪我予防の主要なツールです。次に、Speed Zones があります。Speed Zones は速度閾値全体でアスリートの出力を分類し、ゲームの要求を理解し、適切なトレーニング強度を処方するのに役立ちます。コンタクトスポーツに携わる人々にとって、Contact Intensity はこれらのスポーツでの衝突力を測定します。これはプレイヤーの安全と回復ニーズを管理するために重要です。最後に、非常に重要なことは、Catapult がジャンプ、タックル、スローなどのスポーツ固有の動きを識別できるということです。これらは自動的に検出および定量化され、先ほど述べた 40 以上のスポーツに対応したテーラーメイドのインサイトを提供します。これらのメトリクスを組み合わせることで、パフォーマンスを最適化しながらアスリートを健康で競技に備えた状態に保つ、データドリブンな意思決定が可能になります。

それでは、Vector 8 を紹介したいと思います。Vector 8 は、エリートおよび競技スポーツ環境の両方向けに設計された Catapult の次世代アスリート監視ソリューションです。Vector 8 は 4 つの主要なコンポーネントで構成されています。まず、ビデオで示されたものである Vector 8 Tag があります。これはコンパクトで耐久性があり、高度な機能が詰め込まれています。GNSS とローカルポジショニングを使用して正確な位置追跡を行い、屋内と屋外の両方でシームレスに機能します。スポーツ固有のイベントをキャプチャし、心拍数を監視し、オンボードでデータを処理し、サードパーティの Bluetooth および Ultra-Wideband、つまり UWB センサーとの統合をサポートします。最大 6 時間のバッテリー寿命を提供します。Ultra-Wideband、または UWB は、馴染みのない方のために説明すると、短距離の低電力ラジオ信号を使用して正確な位置追跡とセキュアなデータ転送を可能にするワイヤレス通信技術です。

各アスリートが独自の Vector 8 Tag を持つことが重要です。Vector 8 Dock はセッション後またはマッチ後に使用され、タグはドックに戻されます。Vector 8 Dock は高速 WiFi ダウンロードと手間のないデータ同期をクラウドに直接実現します。簡単なワークフロー、ローカルまたはリモートでのデバイス管理をサポートし、オンボードコンピューティングにより、追加機器を必要とせずにどこでも使用できます。次に、Vector 8 Receiver があります。これは WiFi と Ethernet の両方で接続し、リアルタイム分析のためにライブデータをクラウドにストリーミングします。オンラインとオフラインの両方のワークフローをサポートし、パフォーマンスとトラブルシューティングのためのリアルタイム診断を提供します。最後に、Vector 8 Relay があります。これはより大きな会場全体のカバレッジを拡大し、複数のレシーバーの必要性を排除します。コンパクトな形状で 400 メートルの範囲を誇り、スケーラブルなデプロイメントを効率的かつコスト効果的にします。これらのコンポーネントを組み合わせることで、Vector 8 はアスリートデータを収集、ストリーミング、分析するための強力なスイートとなり、トレーニングとゲーム内の意思決定の両方を進めます。

AWS IoT Coreを活用したデータ取り込みアーキテクチャ

それでは、彼らがこれをどのように行うかについて話したいと思います。ここで本日の最初の AWS サービスを紹介します。AWS IoT Core はマネージドサービスで、クラウド内にスケーラブルで高可用性のエンドポイントを提供します。つまり、デバイスごとにエンドポイントを作成する必要がないということです。デバイス認証と認可、転送中の暗号化、大規模なデバイス管理を提供し、これは Catapult のユースケースにとって重要です。最も重要なのは、Rules Engine があることです。Rules Engine は、IoT Core を通じてくるデータをアプリケーションに接続する方法です。Rules Engine は IoT Core とアプリケーション間のブリッジで、数千から数万台に及ぶ大規模なデバイスフリートを管理します。これが Catapult の Vector 8 テクノロジーを支える優れたサービスである理由であり、Greg は後でそれをどの程度使用しているかについてさらに詳しく説明します。

Catapult がどのようにこれを実現しているかについて詳しく説明する前に、異なるインジェスションパスと Catapult が収集できるさまざまなタイプのデータについてお話ししたいと思います。まず、デバイスヘルスがあります。これは Vector 8 Tag 自体のバッテリーステータスとファームウェアバージョンです。次に、ホットデータがあります。これは 10 Hz でサンプリングされるゲーム中またはプラクティス中のライブデータです。これには加速度、速度、プレイヤーのポジショニング、心拍数モニタリングなどが含まれます。

最後に、コールドデータがあります。これはゲーム後またはプラクティス後の 100 Hz でサンプリングされた生の慣性データです。これが Catapult が実行する機械学習推論の基礎となります。彼らはホットデータを通じてストリーミングするのではなく、コールドデータに対してバッチアプローチで実行しています。しかし、これはどのような形で実現されているのでしょうか？

ゲームまたはプラクティス中のデバイスヘルスから始めましょう。このスライドは、ライブゲームとプラクティス中のフリート信頼性を維持するための重要な運用機能である、リアルタイムデバイスヘルスモニタリングアーキテクチャを示しています。これは Vector 8 Tag を装着したプレイヤーから始まり、取り込まれたデータは UWB によって Catapult レシーバーに送信されます。レシーバーはサイドラインにあるため、低レイテンシーと高精度のトラッキングが実現されます。

レシーバーから、デバイステレメトリーは MQTT 経由で AWS IoT Core に公開されます。これにより、数百のデバイスからのデータを同時に処理できる、安全でスケーラブルなインジェスションパイプラインが実現されます。AWS IoT ルールエンジンは受信メッセージを処理し、それらを Amazon MSK（マネージド Kafka サービス）にルーティングして、リアルタイムストリーミングとバッファリングを行い、重要なデバイスヘルスデータを決して失わないようにします。MSK からデータは Amazon Elastic Container Service（ECS）にフローします。ここで Catapult のコンテナ化されたアナリティクスサービスが実行されます。

これはバッテリーレベル、ファームウェアバージョン、その他の診断情報をリアルタイムで処理します。結果は Amazon API Gateway を通じて公開され、Catapult ウェブインターフェースに配信されます。ここでコーチと機器マネージャーはデバイスステータスを一目で監視できます。ペイロードの例がスクリーン上に表示されています。バッテリーとファームウェアバージョンが見えます。これにより、デバイスが重要な瞬間に故障する前に、プロアクティブな対応が可能になります。

AWS IoT 導入前、Catapult はデバイスのステータス、ヘルスチェック、使用状況の可視性が不足していました。今では、すべてのデバイスについてリアルタイムでそれらを把握できるようになりました。この AWS を活用したアーキテクチャにより、高可用性、スケーラビリティ、およびデバイスフリート全体へのリアルタイム可視性が実現され、ダウンタイムが最小化され、パフォーマンスの信頼性が最大化されます。では、ホットデータを見てみましょう。このアーキテクチャは、先ほど述べたように 10 Hz、つまり 1 秒間に 10 回の更新でリアルタイムのアスリートパフォーマンスデータを配信します。これにより、コーチはゲームやプラクティス中に瞬時に判断を下すことができます。

タグには、先ほど述べたように、正確なポジショニングとトラッキングのための慣性センサーが搭載されています。タグは UWB 経由でレシーバーに送信され、その後、モバイルデバイスと Web アプリケーションにデータがストリーミングされます。ペイロードはリアルタイムで更新され、ここに小さな例があります。ご覧のように、心拍数、ポジション、速度、加速度があります。コーチは iOS アプリでインスタント可視化を見ることができます。プレイヤーのワークロード比較、ポジショニングヒートマップ、およびこれらのデバイス上の個別メトリクスを確認できます。

これにより、その場での介入が可能になります。疲労したプレイヤーの交代、動きのパターンに基づいた戦術の調整、そして怪我の予防が実現します。最後に、コールドデータがあります。これはゲーム後、プラクティス後で、100 Hz でサンプリングされます。これが Catapult が機械学習推論を実行するために使用するものです。数字を挙げると、30 人のアスリートとの 2 時間のセッションは 30 秒以内に S3 にアップロードできます。

NHL のゲームを想定してみてください。2.5 時間のゲームで、各サイドに 20 人のアスリート、つまり合計 40 人のアスリートがすべて Vector 8 タグを装着していて、慣性データが 100 Hz でサンプリングされているとします。その 2.5 時間のゲームでは、アスリート 1 人あたり 900,000 個のデータポイント、つまり 2.5 時間のゲームで 3,600 万個のデータポイントが取得されます。データの取り込みについて、そしてそれがどのように見えるか、どのように行われるかについて説明してきました。今は、そのデータが取り込まれた後に何が起こるかについて話したいと思います。

データから生まれるインサイト：Player LoadとEffort Breakdown

いくつかのメトリクスについて言及しますが、Catapult はゲームごとにプレイヤーあたり 600 個のユニークなメトリクスを作成できるため、すべてを言及する時間はありません。スクリーンに異なるスポーツと、各スポーツに対してキャプチャできるスポーツ固有のメトリクスのいくつかを表示します。Vector 8 は、コーチがあらゆる環境でアスリートのアウトプットを監視できるように、AI 駆動のスポーツ固有のライブデータを提供します。

これは本質的には自動化されたパフォーマンスインサイトです。Catapult は機械学習アルゴリズムを生データの上で実行し、大規模なデータセットを迅速かつ正確に処理して、人間の目では見落とされるかもしれないトレンドやパターンを特定します。これらのスポーツ固有の動きは非常に重要ですが、コーチの視点から考えてみたいと思います。オーストラリアにいくつかの顧客がいるのですが、Catapult を使用する前は週末に 8 時間以上ビデオを見てイベントをコーディングしていました。Catapult の導入後、ビデオを通じてではなく、単にタグを通じてこれらのイベントを自動的に特定できるようになったことで、かかる時間をほぼ半減させることができました。これらのデバイスから収集されたデータとビデオを交差させるとどうなるかについては、後ほど説明します。

さて、先ほど話した 1 つのメトリクスは player load なのですが、なぜ数学の授業に入ったのかと思っているかもしれません。数学をやったことがある人なら、マイナス記号は下付き文字ではなく、引き算を意味しているはずです。では player load を定義して、これが何を意味するのかを文脈化しましょう。Player load は、動きの間に内部の 3 軸加速度計のすべての軸にわたる加速度の合計です。これはもともとオーストラリアンスポーツ研究所によって開発されたもので、ラグビーユニオンを顧客として念頭に置いていました。この出力は単に任意の単位であることを知ることが重要です。これはボリューム測定です。つまり、プレイヤーがどれだけの仕事をしたかということです。

これを使用して、プレイヤー同士を比較することもできますし、プレイヤーのワークロードを時間経過で比較して、彼らがけがからどのように回復しているか、またはけがに向かってトラッキングしているかどうかを確認することもできます。距離などの努力メトリクスを使用することに比べて利点があります。なぜなら、タックル、ラック作業、ランニング以外の活動、またはボールから離れた活動中に蓄積することができるからです。文脈化するために、例を使用します。私はテニスが大好きで、テニスをよくします。けがから回復していると仮定して、セッションの player load が 200 だとします。つまり、そのセッションの努力は 200 でした。コーチは満足、私も満足、パフォーマンスはかなり良く見えました。

次のセッションでは、player load が 300 になります。つまり、前のセッションより 50 パーセント硬く働いています。しかし、出力は少し低下しました。これは 2 つのことを特定できます。より硬く働いているが、パフォーマンスは悪い。おそらく、けがから回復する準備ができていないか、または何かを悪化させた可能性もあります。ここで非常に明確にしたいのですが、これは決定的なメトリクスではありません。これは他の統計への入力として使用できるものです。修辞的なメトリクスとして入力として使用できます。ゲーム中にどのように感じたか？または他の統計で使用できます。

オーストラリアの顧客の 1 人がこれを実装し始めたのですが、彼らは player load が継続的に高かったことに気づいたため、プレイヤーの復帰を数週間遅延させることを決定しました。彼らは早期にけがから戻ってきていましたが、出力は通常よりも大幅に少なかったです。これはボリューム測定であり、プレイヤーがセッションまたはゲームにどれだけの努力を費やしたかの例です。努力について言えば、Catapult は effort breakdown reports を提供しており、これは 3 つの主要なセクションで構成されています。各プレイヤーごとに追跡される各加速度またはベロシティイベントである effort profiles があり、すぐに何がこのように見えるかを見ます。次に、effort location mapping があり、これはビジュアル表現であり、次の例でサッカーを使用して、フィールドまたはピッチの周りのどこで正確に努力が発生したかを示します。そして最後に、velocity traces があります。

コーチは、各選手の個々のエフォートにおいて、スピードがどのように高まり、そして低下していくかを可視化することができます。では、これがどのように見えるのか見てみましょう。画面上には多くの情報が表示されていますが、まず左下の領域に注目したいと思います。ここは、すべてのエフォートの詳細なプロファイルです。各加速度またはベロシティイベントは、継続時間、ピーク強度、回復時間によって分析され、各エフォートの生理的負荷と戦術的目的を理解するのに役立ちます。右側には、サッカーピッチが表示されています。これはエフォートロケーションマッピングです。コーチは、各エフォートがフィールド上のどこで発生したかを正確に確認することができます。

これにより、高速移動に文脈が与えられ、左側のエフォートプロファイルにも文脈が与えられます。そして最後に、高解像度のベロシティトレースがあります。10ヘルツの生ベロシティトレースにアクセスすることで、実務者は各エフォート全体でスピードがどのように高まり、低下していくかを明確に見ることができます。これにより、より深い品質管理と選手のアウトプットについてのより良い理解をサポートします。

Effort breakdown は、コーチに仮定から精密性へと移行するためのツールを提供します。生の動きをアクショナブルなインサイトに変えることで、チームはより賢いドリルを設計し、より大きなコントロールでワークロードを管理し、選手がゲームが要求する正確なことを実行していることを確認することができます。先ほどのビデオでは、このような画面が再生されているのを見たかもしれません。重要なのは、ウェアラブルデータが何の文脈やビデオもなしには、本質的にはノイズに過ぎないということです。アナリティクスに使用することはできますが、ピッチやフィールドで実際に何が起こったのかを本当に説明することはできません。

Vector 8 は、アスリートパフォーマンスデータを自動的に Catapult の Pro Video suite にプッシュします。これにより、ユーザーは物理的なアウトプットを、ピッチやフィールドで実際に起こったことと一致させることができます。コーチとアナリストは、関心のある瞬間をすぐにレビュー、タグ付け、説明することができ、アスリートの理解とエンゲージメントを向上させます。任意のデバイスから任意の場所でマルチアングルビデオをキャプチャ、同期、ライブストリーミングすることができます。これは、プレイヤーパフォーマンスデータをビデオに統合して、チームおよびプレイヤーパフォーマンスに新しい文脈をもたらす方法です。

ビデオとウェアラブルアスリートデータの融合は、スポーツについての人々の考え方を変えています。それは意思決定をサポートし、復帰の定量化をサポートし、そして将来的には怪我の予防ができるようになることを期待しています。私たちは Catapult と彼らが取り込むことができるデータ、その上に作成できるメトリクスのタイプについて話してきました。では、彼らが AWS をどのように活用しているかについて、より深く見ていきましょう。

AWS IoT Greengrassによるデバイスソフトウェアアーキテクチャ

それでは、Catapult が AWS IoT サービスを使用して Vector 8 製品を構築する方法、それがもたらす利点、そして顧客に対して生み出している価値について、もう少し詳しく掘り下げていきましょう。まずは、デバイスソフトウェアアーキテクチャを見てみることにします。 AWS IoT Greengrass は、Catapult が Vector 8 ドックとレシーバーの基盤として使用しているサービスです。Greengrass は 2 つのものです。エッジランタイムとクラウドサービスで、マルチプロセス IoT アプリケーションを大規模に構築、デプロイ、管理するのに役立ちます。エッジランタイムはオープンソースで、GitHub で利用可能です。

Greengrass を使用して管理するプロセスまたはサービスは、いわゆるコンポーネントとしてモデル化されています。これらのコンポーネントは、実行可能ファイル、バイナリ、スクリプト、コンテナイメージ、またはデバイス上で実行できるほぼすべてのコードです。Greengrass の制御下で実行できます。マルチプロセスアプリケーションを持つようになると、依存関係が生じます。Greengrass は Catapult をサポートしています。コンポーネントのバージョン管理とコンポーネント依存関係の解決をサポートすることで。また、診断用のログもサポートしています。一般的な課題を解決するための事前構築済み AWS コンポーネントの大規模なコレクションがあります。そして、プロセス間通信、コンポーネント間およびプロセス間でメッセージを送信するための IPC、また、いくつかの高度な Greengrass 機能にアクセスするためのものもあります。

非常に高いレベルでソフトウェアアーキテクチャを見ると、Vector 8 のドックとレシーバーのアーキテクチャは、下部に組み込み Linux オペレーティングシステムを持っています。Greengrass エッジランタイムはその直上に位置し、マルチプロセスアプリケーションを管理します。このアプリケーションは、AWS が提供するコンポーネントで補完された Catapult カスタムコンポーネントで構成されています。一般的なものから具体的なものへと移行して、レシーバーソフトウェアアーキテクチャの内部を見てみましょう。先ほど見たデータ取り込みについて、タグは UWB を使用してワイヤレスでレシーバーと通信します。レシーバーソフトウェア内には、Catapult が開発したデータプロセッサカスタムコンポーネントがあり、デバイスヘルスデータとライブデータ、10 Hz のゲーム内データを含むそのデータを受信しています。

データプロセッサコンポーネントは、Greengrass のプロセス間通信機能を使用して、Greengrass nucleus を介してデバイスヘルスメッセージを AWS IoT Core に公開します。Greengrass nucleus は Greengrass エッジランタイムの中核です。Greengrass には、接続が失われた場合に便利なメッセージスプーラーが含まれています。ドックがインターネット接続を失った場合、Greengrass はそれらのデバイスヘルスメッセージをバッファリングし、接続が復元されたときに後で送信できます。これにより、Catapult はバッファリングと再試行を行うだけのために、差別化されていない重い処理を自分たちで構築する必要がなくなります。

さらに、Catapult には、データベース、RESTful API、ウェブサーバーをデプロイするカスタムコンポーネントがあり、これらは 10 Hz のライブゲーム内またはプラクティスセッションデータをサイドラインの iOS アプリに提供するために使用されます。コーチとスポーツサイエンティストが使用しているアプリです。ドックに移動すると、先ほど聞いたように、タグがドックで使用される場合、充電のためだけでなく、タグからデータを取得するためにドックに戻されます。タグがドックに配置されると、ワイヤレスではなく有線接続です。ドック上には、retriever コンポーネントと呼ばれるカスタムコンポーネントがあり、コールドデータ、つまり生の 100 Hz ポストゲームデータを取得し、データファイルとして取得し、ドック上のディスクに書き込むことができます。

それでは、raw file upload カスタムコンポーネントがそれらのデータファイルを取得して、Amazon S3 バケットに公開します。Mike からお聞きになったように、1 つのゲームまたは 1 つのトレーニングセッションからすべてのアスリートのすべてのデータを取得するこのプロセス全体は、通常、わずか数十秒で完了します。デバイスのオンボーディング、つまりデバイスの初回セットアップは、Catapult にとって本当に大きなトピックです。Vector 8 では、オンボーディングがセルフサービス体験であり、顧客が開封から選手トラッキングまで 10 分以内に進められるという目標がありました。

なぜそのような目標を立てたのかを理解するために、少し遡って、前世代製品の Vector 7 がどのように初回セットアップで機能していたかについて説明しましょう。Vector 7 は接続製品ではありませんでした。Internet of Things デバイスではなかったのです。Catapult の顧客は Vector 7 を受け取ると、デバイスを開封して、ノートパソコンにデスクトップアプリケーションをインストールする必要がありました。その後、Catapult カスタマーサポートとの予約を取り、その予約の時間を待ち、その後カスタマーサポートと協力してデバイスを設定し、デバイスが出荷されてから公開されたファームウェアアップデートを適用し、その後テストしてデバイスが正常に動作していることを確認する必要がありました。

それは長いプロセスで、通常は 2 日間程度、少なくとも多くの時間がかかり、Catapult カスタマーサポートと Catapult の顧客の両方にとって非常に手作業が多いものでした。現在、Vector 8 では、初回セットアッププロセスは、消費者向けの電子機器デバイスをセットアップするときに慣れているものに似ています。顧客はデバイスを開封し、Catapult アプリをスマートフォンにインストールし、そのアプリ内でそのデバイスを登録します。これにより、Wi-Fi 認証情報もデバイスにプロビジョニングされます。その後、デバイスはクラウドに接続でき、設定とファームウェアアップデートを自動的にダウンロードし、最後にステータスを公開します。最初から最後まで、10 分間のプロセスで、Catapult カスタマーサポートの関与はなく、顧客にとってはるかにシームレスな体験となります。つまり、Catapult にとっても顧客にとっても良いことなのです。

AWS IoT がもたらす価値という観点では、デバイスプロビジョニング、設定、アップデート、ステータスレポーティングのスケーリングと自動化を支援しています。デバイスアップデートについて言及しましたが、そこには多くの詳細があるので、それを詳しく説明しましょう。AWS ではセキュリティが最優先ですが、IoT の領域では、over-the-air update がフィーチャーゼロだと言いたいです。これは、その他すべてを構築できる基盤です。over-the-air update があれば、デバイスが現場に出荷された後でも、簡単に新しい機能と拡張機能をデバイスに追加できます。スケールでデバイスに簡単にパッチを適用でき、バグとカスタマーサポートの問題を解決し、他の顧客が同じ問題を報告するのを防ぐのに役立ちます。 Over-the-air update はまた、デバイスソフトウェアをより迅速に反復でき、顧客フィードバックに応じて顧客が望む機能を構築するのに役立つため、イノベーションを実現するのに役立ちます。

先ほど見たように、ドックとレシーバーは AWS IoT Greengrass を使用しています。Greengrass はボックスから出してすぐに使える機能である Greengrass deployment という機能を使用して、オーバーザエアアップデートをサポートしています。Greengrass deployment により、Catapult はドックまたはレシーバーにデプロイすべきコンポーネントのセットを定義できます。コンポーネントの一部は 2 つの間で共有されていますが、異なることを行うため、それぞれ独自のコンポーネントも持っています。これらのデプロイメントを使用すると、単一のデバイスをターゲットにできますが、デバイスのグループをターゲットにすることもできるため、デプロイメントは大量のデバイスのコレクションにデプロイすることでスケールで動作できます。

これは断続的な接続に対して耐性があります。Greengrass がデプロイメントを受け取ると、それらのコンポーネントアーティファクト、プログラムバイナリ、実行ファイル、およびコンテナイメージをプルダウンする必要があります。接続に何らかの中断がある場合、Greengrass はすべての再試行、一時停止、および再開を処理し、すべてのアーティファクトをデバイスに取得します。これにより、Catapult がボイラープレートコードを自分で構築する必要がなくなります。アップデートは粒度が細かく、つまり Greengrass は現在の状態とデプロイメントが要求する状態の差分を計算し、デプロイメントで指定されている状態に一致させるために必要なものだけをダウンロードします。

Greengrass にはロールアウトとロールバック設定があります。Catapult が起動に失敗して破損状態に陥る不具合のあるコンポーネントを含むデプロイメントを行った場合、Greengrass は自動的に前のデプロイメント状態に戻り、ドックまたはレシーバーを良好な動作状態のままにします。これもまた、Catapult がこの機能を自分で構築する必要がなくなります。最後に、オペレーティングシステムのアップデートと統合されています。Catapult は Greengrass デプロイメントを使用して、組み込み Linux オペレーティングシステムをパッチ、更新、および管理できます。

オーバーザエア更新と設定管理による運用効率化

ドックとレシーバーについては、Greengrass が提供するものを使用してボックスから出してすぐに使えるため、簡単です。タグについては、少し複雑です。タグは FreeRTOS を実行しており、マイクロコントローラーベースのデバイスですが、それらが持つ UWB インターフェースはカスタムプロトコルであり、デバイスがドックに行く際の WiFi プロトコルも同様です。その結果、タグの更新のために少しカスタマイズされたものが必要になります。

Catapult は、タグファームウェアバイナリをクラウドからドックに転送する Greengrass デプロイメントを作成することから始めます。その後、AWS IoT の jobs という機能を使用してアップデートプロセスをトリガーします。デバイスマネージャーカスタムコンポーネントは、ジョブが来たときに通知を受けるために必要な MQTT トピックをサブスクライブし、Greengrass が提供する IPC 機能を介してそのサブスクリプションを行います。その後、タグがドックに戻されると、デバイスマネージャーカスタムコンポーネントはそのタグファームウェアバイナリを各タグに配布します。

これは Catapult にとって非常に強力です。なぜなら、クラウドにデプロイメントを作成した後、次にタグがドックに戻されるときに、それらが更新されるからです。Catapult が AWS IoT とオーバーザエア更新から得ている本当に大きなメリットは、彼らの Vector 7 製品世代と比較して、彼ら自身のデータに基づくと 32 倍高速化されているということです。高速化されている大きな理由は、以前の Vector 7 では、顧客がループに含まれていたということです。タグを更新するためにラップトップとデスクトップアプリケーションを使用する必要がありました。今は自動化されたプロセスです。タグがドックに戻るとすぐに、更新されます。

同じ理由から生じるもう一つのメリットは、本質的にはフリート内のほぼすべてのタグが常に最新のファームウェアを実行しているということです。更新が公開された後にタグがドックに戻ると、最新のファームウェアが取得されます。

最新のファームウェアを実行していないタグは、何らかの理由でドックに戻されていない小さな割合のみです。紛失したり、失われたりしているなど。この側面は本当に強力です。なぜなら、彼らの前の製品世代では、Catapult 自身の過去のデータによると、 50% 以上のカスタマーサポート問題は、単にデバイスを最新のファームウェアに更新することで解決されていたからです。今は Vector 8 では、これが自動的に起こり、カスタマーサポートケースの数が大幅に減少しています。これは明らかに Catapult にとっても、彼らの顧客にとっても良いことです。

オーバーザエア更新はイノベーションもサポートしています。イノベーションしたいのであれば、アイデア出し、実行、デリバリーを迅速に反復でき、効率的な開発プロセスを持つことができるのは役に立ちます。通常、アイデア出しと計画を行い、新しい価値を構築し、新しいインクリメントをデプロイします。IoT の観点では、それは物理デバイスに乗せることを意味します。テストして、測定して、学習して、顧客フィードバックを集めて、そしてサイクルを新たに始めます。このフライホイールを回転させるのが速いほど、イノベーションが可能になります。

ご覧の通り、Catapult は現在 Vector 8 でデプロイメント部分がはるかに高速化されています。 97% の浸透率で、デプロイメントを行うと、それはより多くの顧客の手にはるかに迅速に届きます。より多くのフィードバック、より多くの学習、より多くのテストが起こっています。このフライホイールの半分は Vector 8 のオーバーザエア更新のおかげで、はるかにパフォーマンスが向上しており、これは他の 2 つの部分をより高速化するプレッシャーをかけています。特に、Catapult のファームウェアチームにプレッシャーをかけており、彼らがどのように働くかを変えるほどです。彼らは kanban プロセスからスプリントに切り替え、リリースケイデンスは月単位から週単位に移行し、場合によっては日単位にもなっています。特に新機能を開発し、ベータテストを行う場合です。

ベータ顧客と一緒に仕事をするとき、彼らは非常に高速で反復処理を行うことができ、顧客が実際に望む機能の開発を支援できます。これは Catapult にとっても顧客にとっても良いことです。すべてのウェアラブルデバイスには、かなり大量の設定パラメータがあり、今では Catapult で利用可能なクラウド接続により、タグもクラウドから設定できるようにしたいと考えており、エッジでアプリケーションを必要としません。設定には、個々のアスリート設定、スポーツ固有の動きに関連するメトリック設定、および異なるチーム、異なるコーチ、異なるスポーツ科学者の特定の要件が含まれます。また、異なる環境でタグとレシーバー間のワイヤレス通信を調整するのに役立つ無線周波数設定も含まれます。

Catapult は設定を支援するために AWS IoT の Shadows という機能を使用しています。Shadows は JSON ドキュメントで、AWS IoT がクラウドとデバイス間の同期を支援します。Greengrass では、Shadow Manager という AWS 提供のコンポーネントがあり、この機能のデバイス側の部分を実装しています。すぐに使用できるようにデバイスに shadow 機能を取得でき、それが Catapult がドックで行ったことです。

Vector Web ユーザーが設定を変更すると、Shadow Manager はクラウド内の shadow ドキュメントが変更されたことを認識します。それは自動的にローカルの shadow データベースに同期されます。デバイスマネージャーのカスタムコンポーネントはプロセス間通信機能を使用して shadow ドキュメントを取得でき、次回タグがドックに戻ってくるときに、自動的に最新の設定を受け取ります。無線更新と同様に、クラウドで変更を加えると、次回タグがドックに戻ってくるときに、その変更を受け取ります。

Catapult にとっての価値は、これが非常に疎結合になったということです。ドックがオフラインの場合でも、タグが使用中の場合でも、設定変更をクラウドで安心して行うことができ、次回タグがドックに戻ってくるときに、最新の設定を取得します。もはや顧客がループに入ることはありません。以前は、設定更新のために、顧客はラップトップとデスクトップアプリケーションを使用して関与していました。今は彼らはループから外れており、負担が少なくなっています。また、クラウドで設定パラメータの一部に対して設定変更を行うこともできます。これは Catapult にとっても顧客にとっても良いことです。

リモート診断機能と今後の展望：エッジMLとAI分析

デバイス診断。再び Vector 7 製品世代に戻ると、Catapult は診断目的でデバイスに到達するために TeamViewer に大きく依存していました。彼らは顧客にラップトップで TeamViewer を実行するよう依頼し、カスタマーサポート担当者がリモートセッションを持つことができるようにしていました。今では AWS IoT により、デバイスにより直接アクセスする能力があります。

Secure tunneling は AWS IoT の機能で、Catapult がドックとレシーバーへのリモート SSH セッションに使用しています。AWS が提供するコンポーネント、つまり secure tunneling コンポーネントがあり、これによってデバイス上での実装が簡単になります。Catapult はこれをドックとレシーバーで使用しており、Greengrass のデプロイメントに含まれています。カスタマーサポートエンジニアがドックまたはレシーバーとのリモートセッションが必要な場合、AWS コンソールに行ってトンネルを作成します。

セキュアアクセストークンを含む通知が送信され、secure tunneling コンポーネントがクラウドとドックまたはレシーバーで実行されている SSH デーモンの間にトンネルを作成します。その後、カスタマーサポートエンジニアは SSH セッションを確立できます。以前は、顧客を巻き込む必要があり、TeamViewer も関わっていました。もう顧客とのアポイントメントは必要ありませんし、顧客に負担をかけることもありません。彼らは Catapult がデバイスにアクセスすることに同意するだけで済みます。

Catapult は簡単にアクセスできますが、secure tunneling はインバウンドのオープンポートを必要としません。ポート 443 のアウトバウンドと一時的なインバウンドポートを使用して接続を作成し、これはファイアウォールの背後でも機能します。これらすべてが組み合わさることで、Catapult にとっても顧客にとっても良いことになります。最後に Log Manager についてです。Log Manager も AWS が提供するコンポーネントです。以前、Catapult が Vector 7 でデバイスログにアクセスする必要がある場合、やはり TeamViewer と顧客の関与に頼っていました。

今は Log Manager を使用することで、カスタムコンポーネントからのログファイルと Greengrass からのログファイルを取得して、Amazon CloudWatch に公開することができます。カスタマーサポートは CloudWatch でいつでもこれらのデバイスログにアクセスできます。つまり、クラウド内でほぼリアルタイムのログが常に利用可能で、Catapult がいつでもアクセスできます。やはり顧客とのアポイントメントは必要ありませんし、Catapult がデバイスログを必要とする場合に顧客に負担をかけることもありません。これは Catapult にとっても顧客にとっても良いことです。

最後のスライドは今後の見通しについてです。デバイスがクラウドに接続され、IoT デバイスになることで、Catapult が得られるメリットと機能について多くのことをカバーしてきましたが、他にもできることがあるかもしれません。先ほど見たように、10 hertz のライブデータストリームはデバイスからサイドラインの iOS アプリにのみ送信されていますが、Catapult が興味を持っているのはそのデータをライブでクラウドにストリーミングすることです。これはマッチ中やプラクティスセッション中にクラウドでゲーム内分析に使用できますが、サイドラインにいないコーチやスポーツサイエンティストのためのリモートアクセスも可能にします。

Mike が先ほどお見せしたように、ML 推論はゲーム後やプラクティスセッション後の後処理で行われており、クラウドで実行されていました。 Catapult はデバイス上で少量の ML 推論を行っていますが、それほど多くはなく、レシーバーやタグのいずれかのエッジにもっと多くの機械学習推論をシフトさせることに関心を持っています。そうすることで、これらのインサイトをゲーム中やプラクティスセッション中に実行できるようになります。彼らが今この方向に関心を持っている理由の一部は、OTA アップデートメカニズムがこれをはるかに実現可能にしているからです。以前の Vector 7 では、推論モデルがデバイス上のエッジにあった場合、Catapult はそれらを更新したり、反復したり、強化したり、時間をかけてイノベーションを起こしたりする良い方法を本当に持っていませんでした。

今は OTA アップデートを持っているので、彼らはより多くのモデルをエッジにデプロイすることを検討できるようになりました。なぜなら、それらを管理し、反復し、強化することができるようになるからです。つまり、デバイスまでデプロイする真の ML Ops パイプラインを持つことができるのです。彼らはまた、チーム全体のタグデータの AI 分析も検討しており、チームの動き、プレイヤーがグループとして動く様子、そしてチームの戦術に関するものです。そして、ビデオの自然言語検索用の AI も検討しており、例えば、マルチモーダル埋め込みモデルのようなモデルで、これはそのユースケースに非常に強力です。

以上です。私たちは終わりに到達しました。Mike と私は、ご参加とご注目をいただき、本当にありがとうございます。アプリでフィードバックをいただけるようお願いしたいのですが、時間を取っていただけると本当に幸いです。また、LinkedIn で私たちとつながりたいということであれば、喜んでそうさせていただきます。

※ こちらの記事は Amazon Bedrock を利用し、元動画の情報をできる限り維持しつつ自動で作成しています。