Spottern és un prototip lowcost de recollida d'informació que registra dades precises dels jugadors de bàsquet durant els entrenaments i partits.

El rendiment dels equips de bàsquet es pot optimitzar analitzant el comportament dels jugadors sota diverses condicions, recollint estadístiques avançades que serveixen als entrenadors per detectar els punts fluixos de l’equip i preparar les sessions d’entrenament. Ja que els sistemes que utilitza la NBA requereixen d’un elevat pressupost i són, a més, de molt difícil implementació, l’Adrià Arbués i l’Enric Martos van decidir posar-se a treballar en un primer prototip low-cost de recollida d’informació.

Com a graduat i actual estudiant del Grau en Enginyeria en Sistemes Audiovisuals a la UPF, respectivament, han dissenyat un sistema de sensors de posicionament de la mida d’una moneda, que registren dades precises del tracking dels jugadors durant els entrenaments i partits.

Fent servir un model d’intel·ligència artificial que utilitza un total de 51 característiques geomètriques (p.e. la distancia entre parelles de jugadors o la velocitat en els tirs) i l’ús d’un model d’intel·ligència artificial, aconsegueixen detectar amb un 98% de precisió un conjunt de 5 jugades clàssiques del bàsquet (carretó, bloqueig, sortida de pressió, al pal baix i contraatac); d’aquesta manera, estadístiques avançades individualitzades o col·lectives poden ser extretes.