Google Cloud と米国代表チームによる分析の裏側: 米国冬季オリンピック選手のための AI インフラストラクチャの設計

※この投稿は米国時間 2026 年 4 月 11 日に、Google Cloud blog に投稿されたものの抄訳です。

従来の動画再生では、フリースタイル スキーやスノーボードにおける複雑な空中技の様子はわかりますが、その技がどのようにして実現されたかという物理的な説明はできません。スポーツのスピードでは、高速の動作を実用的なデータ（関節の角度、回転速度、体の縮め具合）に変換することは非常に困難です。これには、アスリートの完全な 3 次元モデルをフレームごとにリアルタイムで追跡および分析する必要があります。

Google DeepMind とのコラボレーションにより、私たちは冬季オリンピックに先立ってこうした分析を米国オリンピック選手に提供するシステムを構築しました。Google AI の姿勢推定モデルは、単一の 2D 動画を完全な 3D 生体力学分析に変換し、ローカル座標系に 63 個の関節をプロットします。これにより、アスリートとコーチには革新的な競争上の優位性がもたらされます。より広範なユースケースにおいては、人間の動きを客観的なデータに変換できます。

課題: 過酷な状況では標準的なビジョンが機能しない

2D 動画から 63 個の関節を持つ 3D 骨格を生成するには、膨大なコンピューティング ワークロードが必要です。研究室レベルのセンサーを使用せず、予測不能な屋外環境で生成するには、コンピュータ ビジョンの限界に挑戦する必要があります。スノーボーダーやスキーヤーは、ものすごいスピードで移動します。分厚い装備も身につけています。グラブやスピンのために体を抱え込むと、手足が視界から外れます。標準的な姿勢推定モデルでは、このようなオクルージョンが発生した瞬間に追跡が失われます。

Google のソリューションは、人間の動きを反映する独自のモデルを利用します。各フレームを個別に処理するのではなく、学習済みの事前分布を使用して、身体の全体的な軌跡に基づいて見えない部分の関節の位置を推測します。この時間的推論により、高速の逆回転でも安定したデジタル骨格を維持できます。

インフラストラクチャ: TPU と Vertex AI

オクルージョンの解決だけでは、完全とは言えません。オリンピック選手が着地した数秒後にこうした分析情報を迅速に提供するには、高負荷に対応できるインフラストラクチャが必要です。私たちは Google Cloud 上に高性能な推論エンジンを構築し、オリンピックで求められる厳しい MLOps の需要に対応しました。

ハードウェア基盤: TPU

パイプラインの中核をなすのは、最も負荷の高い行列演算を担う Google の Tensor Processing Unit（TPU）です。エンコーダがまず動画を潜在表現に圧縮し、動画トランスフォーマー モデルが 3D での関節の位置を予測します。

標準的なクラウドの「コールド スタート」による遅延をなくすため、米国チームが冬季オリンピックに出場する期間中、専用の TPU スライスを静的にプロビジョニングしました。これにより、モデルは高帯域幅メモリ（HBM）に常に読み込まれた状態になります。動画が到着すると「ウォーム」状態の TPU に到達し、マルチテナント環境でのリソース競合なしに、ほぼ瞬時の予測可能な推論が保証されます。

大規模なオーケストレーション: Vertex AI 

単一のラボサーバーへのデプロイは簡単ですが、オリンピック競技大会での生のアクションのオーケストレーションは簡単ではありません。Vertex AI は、ボリューム、複雑性、レイテンシを管理するための統合コントロール プレーンを提供しました。

• バッチ予測による水平スケーリング: Vertex AI バッチ予測 API を使用すると、受信した動画はワーカーの分散ネットワークに即座に転送されます。これにより、モデルの読み込みと推論が切り離され、システムが水平方向にスケールされ、複数のアスリートを同時に処理できるようになります。

• ボリュームと弾力性: 米国オリンピック選手の動画分析は、「バースト的」です。すなわち、選手の走行時間という短い期間に計算ニーズが急増します。Vertex AI は、リソースを常にオンにしておくのではなく、こうしたデータ急増を吸収するためにリソースを動的にプロビジョニングします。

• セキュリティと排他性: チーム USA の専有データを保護するために、Virtual Private Cloud（VPC）内にプライベート エンドポイントを確立しました。承認されたトラフィックは専用のネットワーク経路を介して移動し、エンジンを公共のインターネットから分離することで、攻撃対象領域を減らし、レイテンシを最小限に抑えます。

その他の応用法

極寒の冬の気象条件下で信頼性の高い姿勢推定が可能なシステム（高速、繰り返されるオクルージョン、速度要件）は、一般化されたシステムです。基盤となる AI アーキテクチャに加え、構造化データフィードや汎用的なインテリジェンスを提供する機能により、冬季競技以外のさまざまなユースケースが可能になると考えられます。

会話型 AI の理学療法コーチが、動作のフォームを分析してサポートしてくれることを想像してみてください。あるいは、工場作業員の姿勢から検出された合図によってトリガーされるロボット アシスタントなどです。これらはすべて、専用のセンサー AI を強力な推論モデルと組み合わせることで、役立つ分析情報やアクションを提供できる潜在的なユースケースです。

- Google Cloud プロジェクト チーム