Page Title. Maximum length 60-70 characters

Data-Driven Ghosting using Deep Imitation Learning

作成者 : Atom Scott


論文情報


目次

要旨 Abstract

論文のアブストラクトを日本語で軽く

ゴール期待値などといった現在のSoTAである測定値は、パフォーマンス分析において頻繁に使われるようになった。しかし、シュートという離散的なイベントに紐付けられているため、本質的な制約がある。

選手・ボールのトラッキングデータを用いることで、細かな行動パターンを定量的に分析することができるのではないか。

本研究では、ゴースティングと深層模倣学習を用いてサッカーの1シーズン分のトラッキングデータに適応した、自動データ駆動ゴースティングという手法を提案する。

このゴースティング手法を活用することで、「ある選手・チームはある試合状況において、どのように動くべきなのか」という問いに答えることができる。さらに異なるチームがある状況に対してどうアプローチしたかも予想することができる。

リサーチ課題

きめ細かく守備をスケーラブルに定量化し,分析するにはどうすればよいか?

ある選手・チームはある試合状況において、どのように動くべきなのか?

リサーチ課題に対する結論

データ駆動ゴーストを使用して,選手が取った守備と理想的な守備との差を求める。

手法

まずは一言で

深層模倣学習とゴースティング

手法の具体的な説明

  • 深層模倣学習

役割別で単一選手のモデルを学習してから、全役割で複数選手のモデルを学習する。 モデルはLSTMを使う。

結果

ゴーストの動きがゴール確率を低下させる特定の状況を示すことができた。 また、リーグ全体のデータを学習したゴーストと、特定のチームのデータのみで学習したゴーストを比較することで異なる動きをするゴーストができるので比較が可能になった。

コメント

問題点や議論できることがあれば

その他

リサーチクエスチョンに関する論文

手法に関する論文


『スポーツ解析の最先を作る』 21歳/筑波大学蹴球部(3年)から世界一のSports Data Analystを目指してます。情報科学類(COINS)。産総研&CVlabでスポーツにおける人間追跡•姿勢推定技術とそこから得られるデータとその分析の研究をしてます。