2017年世大運由台北主辦，在台灣吹起了一陣運動旋風，世大運的比賽項目中，標槍的鄭兆村打破亞洲紀錄，舉重的郭婞淳、滑輪溜冰的陳映竹更是打破了世界紀錄。中華隊在羽球的項目中，得牌表現也是非常優越的；其中，羽球好手戴資穎為了將獎牌留在台灣，放棄佔有積分的世錦賽而留在臺灣打世大運，更是感動了不少台灣人，讓台灣掀起一陣羽球旋風。

乘著這波羽球運動的潮流，我們希望能藉由選手的經驗，結合影像科學、深度學習、數據科學的技術，進一步分析羽球的技巧、要點，期望藉由這些技術能找出選手訓練時的盲點，也能藉由分析成果培訓更多國家級的優秀選手。

過去我們的成果多著重在分析前的準備階段，為此開發出兩套模型分別用於羽球軌跡分段以及球種之辨識，並對這些資訊作出一些簡單的統計。

在這次計畫中，我們將更進一步的分析這些資料，開發出算法用以計算球員擊球習慣、強項與弱項，以及得失分球路等，並以互動式的方式呈現。此外，除了與資料庫方面進行更深入的整合外，也開發出回合的預測模型，用以預測及提取出重要的球路。

在今年更接續我們所開發的羽球回合的預測模型，進一步開發一套全新的深度學習模型，用以預測選手在球場上的移動與所打的球種。基於過去在回合預測模型的成功，以及賽事資料的不斷增加，目前我們正在開發深度模仿學習模型去建立每位選手的虛擬球員，用以模擬不同球員之賽事，將賽事分析的範圍由單一回合擴展至整場比賽。