Spottern es un prototipo lowcost de recogida de información que registra datos precisos de los jugadores de baloncesto durante los entrenamientos y partidos.

El rendimiento de los equipos de baloncesto puede optimizarse analizando el comportamiento de los jugadores bajo diversas condiciones, recogiendo estadísticas avanzadas que sirven a los entrenadores para detectar los puntos flojos del equipo y preparar las sesiones de entrenamiento. Ya que los sistemas que utiliza la NBA requieren de un elevado presupuesto y son, además, de muy difícil implementación, Adrià Arbués y Enric Martos decidieron ponerse a trabajar en un primer prototipo low-cost de recogida de información.

Como graduado y actual estudiante del Grado en Ingeniería en Sistemas Audiovisuales en la UPF, respectivamente, han diseñado un sistema de sensores de posicionamiento del tamaño de una moneda, que registran datos precisos del tracking de los jugadores durante los entrenamientos y partidos.

Utilizando un modelo de inteligencia artificial que utiliza un total de 51 características geométricas (p.e. la distancia entre parejas de jugadores o la velocidad en los tiros) y el uso de un modelo de inteligencia artificial, logran detectar con un 98% de precisión un conjunto de 5 jugadas clásicas del baloncesto (carretilla, bloqueo, salida de presión, al palo bajo y contraataque); de esta forma, estadísticas avanzadas individualizadas o colectivas pueden ser extraídas.