アーチェリーのような精密スポーツでは、選手のパフォーマンスは生体力学的安定性と心理的レジリエンスの両方に依存します。従来の動作解析システムは高価で侵襲的なため、自然なトレーニング環境での利用が制限されていました。本研究では、ウェアラブルセンサーのデータを統合した機械学習に基づくマルチモーダルフレームワークを提案します。このフレームワークは、心拍変動（HRV）を用いてストレスレベルを推定し、LSTMモデルを使用して動作段階を識別します。実際のアーチェリーセッション中に同調した動作および生理データを収集し、動作認識で96.8%の精度、ストレス推定では80%の正確さを達成しました。このアプローチは、アーチェリーや他の精密スポーツにおけるトレーニングの最適化に向けたインテリジェントなリアルタイムフィードバックシステムの開発基盤を提供します。