2025/6/21 日本学術会議公開シンポジウム発表資料

AIを用いた集団スポーツのデータ解析
2025/6/21 日本学術会議公開シンポジウム
「スポーツとは何か　～スポーツを取り巻く情報とテクノロジー～」

Transcript

1. AIを用いた集団スポーツのデータ解析 2025/6/21 日本学術会議公開シンポジウム 「スポーツとは何か ～スポーツを取り巻く情報とテクノロジー～」 1 https://sites.google.com/view/keisuke198619jp/ 藤井 慶輔 名古屋大学 大学院情報学研究科 知能システム学専攻 准教授 本日の資料等 はこちらから
2. 自己紹介： 藤井 慶輔（ふじい けいすけ） 2 対人動作分析(2012) 立命館大学にて計測 半面での5対5 (2015) 東海大学にて計測 年 所属 対象 2008-14 京大人環 個人・対人運動 （１対１）を計測・分析 NBAのゲームデータ (SportVU) 2014-17 名大保体 センター （学振PD） 集団運動（1対1 ～多対多） を計測・分析 2017-19 理研AIP （研究員） 集団運動 （提供されたデータを利用） 画像処理でデータ取得も 2019- 名大情報 （助教） 2021- 同上 准教授 研究室では様々な 競技を研究：サッカー、 バスケ、野球、バレー、 ハンド、陸上、 フィギュアスケートなど
3. AIのスポーツ応用の例 本日の話 • 最先端の研究では何ができるか？ • そのメリットとデメリットは？ • どのようにしたら実現できるか？ サッカーのオフサイド判定 野球のロボット審判 最近のテレビ出演： • Tokyo MX 堀潤モーニングFLAG出演 AI活用のメリット・デメリット（2024/8/21） • ABEMA Prime、取材映像出演 AI審判への期待（2024/8/29） （※以降のイラストはいらすとやから） 3
4. スポーツAIの最新研究 1. スポーツへのAIの活用（審判を例に） 2. 集団スポーツのデータ解析の背景 3. 機械学習を用いた選手の動きの評価 課題①画像処理によるデータ自動収集 課題②機械学習を用いた予測による評価 課題③強化学習による全選手/局面の評価・提案 4. 今後の展望と課題 • どのようにしたら実現できるか？ 4 ３月頃発刊？ 単著が4月に発刊 （オープンアクセス） https://link.springer.com/ book/9789819614448 4
5. スポーツ審判AIを4つに分類 5 認識系の例： テニス・バレー・卓球など 評価系の例： 体操の採点 空間系の例： 野球のロボット審判など 対人（接触）反則系は難しく、 議論になりやすい… AIが競技のルールに 合わせられる AIの答えと人間の感覚 が一致しない場合がある （AI側が大きく改善するか ルールを変える必要がある）
6. AI活用のメリット・デメリット（審判） メリット • 正確性・公平性・一貫性の観点からプラスになることが期待 • 人や場所の制限を受けない、判断の根拠も説明できる • ライン判定など、基準が明確なケースではAIを優先するとメリット大 • 低コストで利用できれば、競技の普及が進む？ デメリット • 判定の早さはAI/人間だけなら問題ないが、両者の合議判定は遅い • 人間の感覚と異なる判定になることも（野球など） • スポーツそのものが変わってしまうことも • 人間がプレーするので、人間が楽しめるような制度設計が大事 • 人間も評価が難しい動きなど、どちらの判定を優先するか？ 審判に限らず、選手強化への活用も期待（次の話） 6
7. 本日の話 1. スポーツへのAIの活用（審判を例に） 2. 集団スポーツのデータ解析の背景 3. 機械学習を用いた選手の動きの評価 課題①画像処理によるデータ自動収集 課題②機械学習を用いた予測による評価 課題③強化学習による全選手・全局面の評価・提案 4. 今後の展望と課題 • どのようにしたら実現できるか？ 7
8. 将来的に目指したいAIスポーツ解析の世界 （従来： ボール周りのみの分析） （従来：経験に 基づく予測） （従来：主観に 基づく意見） 課題②機械学習を用いた予測による評価 課題③強化学習による全 選手・全局面の評価・提案 課題①画像処理によるデータ自動収集 8 将棋 x AI が理想
9. スポーツのデータ解析の前提 • スポーツ動作は感覚で行わ れる。試行錯誤して上手く なっていくが、その過程はわ かっていないことの方が多い 9 赤がNeymar選手（NHKの撮影協力） • 身体内部の感覚なので、一般的に言語化するのが難しい • 同じ説明を聞いてすぐにできる人もいれば、そうでない人もいる。 • 技術的な問題、体力的な問題、メンタル的な問題など様々 • そのあたりを総合的に深く理解した指導者・コーチに出会える と運動がうまくなることが多い • そういう人がどこにでもいるわけではないので、それも課題 • 今は映像にアクセスしやすくなったが、今後は定量化・可視化したい
10. スポーツ戦術の評価とそれにまつわる問題 10 勝敗や得点などの結果はすぐに手に入り、理解できる 例えば、以下について知ることが難しい（が知りたい）： • その結果はどのように定量的に説明・評価できるか？ • 次のゲームではどのようにプレーしたら良いか？ 問題： 基本的に正解（最善）がない • 正解のプレーをされても、その裏をかけば優位になる • 経験豊富なコーチ/選手なら良さそうな戦術を選択できる？ • なんとなくそんな気もするが、主観や結果論かもしれない • 共通理解できる基準（数値）で評価できないか？ • まずはデータの収集が必要（できれば自動で）
11. 本日の話 1. スポーツへのAIの活用（審判を例に） 2. 集団スポーツのデータ解析の背景 3. 機械学習を用いた選手の動きの評価 課題①画像処理によるデータ自動収集 課題②機械学習を用いた予測による評価 課題③強化学習による全選手・全局面の評価・提案 4. 今後の展望と課題 • どのような未来を実現したいか？ 11
12. 課題①画像処理によるデータ自動収集 多くの場合… • 人手でデータを収集…人手が足りない • 高価な機器を使って作業時間を短縮…資金が足りない → 画像処理でデータを自動収集したい！ 欲しいデータ 1. 選手やボールの位置データ 2. 選手の姿勢データ 3. パスやシュートなどのイベント（行動）データ 12
13. 13 1. 選手とボールの位置の推定 フィールド検出→選手・ボール位置推定→人物同定のコンペでの例 （集団スポーツではこれが理想） SoccerNet Challenge 2024 Game State Reconstruction [Somers+24, CVSports] （学生グループが参加： 2024は5位、2024は4位）
14. 2. 姿勢推定 14 フィギュアスケート3D姿勢を初公開 [Tanaka+24, MMSports] サッカーのシュート時の 単眼3D姿勢推定と分析 データセットも初公開 [Yeung+24, CVSports] 動的かつ複雑な動作、データセットの少なさが課題 集団スポーツには遮蔽の問題もある SoccerNet datasetでの姿勢推定
15. 3. アクション（行動）認識と検出 動画像からどんな行動が（認識）いつ起こったか（検出）を推定 • スポーツイベントの分析、選手行動理解、ビデオ解析自動化に不可欠 フィギュアスケートジャンプの例 [Tanaka+24, MMSports] (映像は[Hong+21, ICCV]から) 15 SkatingVerse
16. データを収集した後、どう使うか？ 現場の戦術的な分析は、まだ多くがビデオの目視（しか信用されない） ビデオ編集ソフトウェア（学生Huさん作成） 選手・ボール位置推定(SportVU) 導入 自動化 • 選手は、どのように動けば良いかわかるので、上手になる • コーチは選手に伝えられる、選手を公平に評価できる • ファンは難しい戦術も理解でき楽しめる、 などが期待 データを自動取得して定量的に評価する技術が開発されたら： 16
17. 本日の話 1. スポーツへのAIの活用（審判を例に） 2. 集団スポーツのデータ解析の背景 3. 機械学習を用いた選手の動きの評価 課題①画像処理によるデータ自動収集 課題②機械学習を用いた予測による評価 課題③強化学習による全選手・全局面の評価・提案 4. 今後の展望と課題 • どのようにしたら実現できるか？ 17
18. 課題②機械学習を用いた予測による評価 多くの場合… シュートやアシストなどの結果を収集して分析する 1. 結果論になりがち、その過程がわからない • 過程の動きは多様すぎて、可視化しても理解しにくい （例： ヒートマップ） 2. 別のプレーを選択した時の結果がわからない • １つの結果を予測するだけなく、複数のシナリオを 予測する必要がある 必要なこと 1. 行動ごとに、将来の結果予測に基づいて評価する 2. 選手の動き自体を予測して、複数のシナリオを作る 18
19. AIによる選手軌道の予測に基づいてオフボール選手を評価 A1（評価対象）が予測よりD1選手を引き付けてA2に貢献 A2のスペースをA1が作った！ 𝟎. 𝟎𝟎𝟕𝟗 C−OBSO： 𝑉A1 = 𝑉A2 − 𝑉A2 ′ 0.0409 0.0330 （実際） （予測） 19 予測（薄色）より、 A1がD1を引き付けた [Teranishi+22, MLSA] 19
20. 結果例： J1 2019 横浜FMのC-OBSOと年俸*との関係 • C-OBSOと年俸は正の相関（𝜌 = 0.45, 𝑝 < 0.05）だがOBSOは相関なし • C-OBSO-年俸の外れ値は、（最）優秀選手賞を受賞 C-OBSOは選手の総合評価（年俸，個人賞）を説明できる可能性あり 20 *1 Soccer-Money.net https://soccer-money.net (アクセス日2021/1/9) 優秀選手賞 最優秀選手賞 [Teranishi+22, MLSA]
21. どこにポジショニングすればよいか一目でわかる（コーチングに活用） 従来）（主観で）ここにパスを出せば良かったのに…（どこに出したらどれくらい良かった？） 提案）このパスよりも、ここに出した方が得点チャンスが ** %増加する！ ※筑波大学蹴球部と共同研究 数理モデル：空間の価値を計算し、選択肢と評価値を提示 21 [Teranishi+22, MLSA]の一部を活用
22. 本日の話 1. スポーツへのAIの活用（審判を例に） 2. 集団スポーツのデータ解析の背景 3. 機械学習を用いた選手の動きの評価 課題①画像処理によるデータ自動収集 課題②機械学習を用いた予測による評価 課題③強化学習による全選手・全局面の評価・提案 4. 今後の展望と課題 • どのようにしたら実現できるか？ 22
23. より戦術的なモデル化：強化学習 23 Google Research Football (2019) 強化学習： 現在の状態から、報酬に基づき取るべき行動を決定 エージェント （方策 𝜋） 状態 𝑠 行動 𝑎 報酬 𝑅 環境・他者 • 最近研究が増えているが、アルゴリズムの 改善がメインで、実データとの関連が議論 されていない • シミュレータの仕組みを上手く使って、実際 のサッカー選手の選手評価に利用したい （次の[Nakahara+23, IEEE Access]）
24. 強化学習による全選手・全行動の価値を推定・評価 [Nakahara+23, IEEE Access] 従来） 解説者：（主観、結果論で）この選手がこう動いたから、良いプレーですね。 提案） この瞬間のパスの判断は**の価値があったから良いプレーでしたね。 全選手の全行動の 価値を推定・評価 (SoccerNet GSRの 映像から） ゲームの行動の 選択肢を模倣 24
25. 本日の話 1. スポーツへのAIの活用（審判を例に） 2. 集団スポーツのデータ解析の背景 3. 機械学習を用いた選手の動きの評価 課題①画像処理によるデータ自動収集 課題②機械学習を用いた予測による評価 課題③強化学習による全選手・全局面の評価・提案 4. 今後の展望と課題 • どのようにしたら実現できるか？ 25
26. どうしたらAIの恩恵を受けられる未来を実現できるか？ 今後の課題 • 今は資金のある大会やリーグのみデータや技術が利用できるので、 多くの人が利用できるようにすることが必要 • 多くの人にとっては、映像はあるがデータやその先の分析ができない • トップ層も、情報が秘匿されすぎて技術交流が少なく発展しない • 科学・技術の民主化と発展のためには、秘匿すべき情報は守りつつ、 オープンサイエンスを実現することが必要 26 • 将来的には将棋のように 人間より強く、良い戦術を 提案したり、正確に評価が できるようになりそう • ただし現状は実現が難しい 構造になっている （※図はいらすとや）
27. オープンサイエンスとは？ • 科学研究プロセスや成果を広く公開・共有する取り組み • データやコード、方法論の共有 • 成果物（論文、報告書など）への自由なアクセス • 主な目的 • 透明性と再現性の向上、知識の迅速な拡散・共有 • コミュニティ内での相互検証や協力促進 • 期待される成果 • 科学的発見の効率的な促進、研究資源の効果的な活用 • 新たな研究テーマや共同研究の創出 • スポーツの課題に向けた私たちの取り組み 必ずしもデータを公開する必要はない！ ① 解析プログラムをオープンにしたプラットフォームを発表 ② コンペティションやイベントの開催など技術交流を増やす取り組み 27
28. OpenSTARLab：時空間エージェントデータの解析プラットフォーム データの多様化、解析の高度化により高まる参入障壁を下げる（商用可： Apache 2.0 License） 企業分析データはアルゴリズム非公開の場合があり、その場合は検証ができない データの扱いが部門ごとに分かれ、統合してチーム固有の課題の分析が難しい場合も 28 様々な会社のデータの異なるフォーマットを簡単に統一できる！ チーム、リーグ、企業、大学など包括的な連携を実現するためのプラットフォーム [Yeung+25, C&IS]
29. コンペやイベントの開催など技術交流を増やす取り組み 29 サッカーのトラッキングの正確さを競う 画像が小さく、同じチームで服が似ている • 他分野からの参加促進と交流の活性化 • 優れた手法の迅速な共有・普及 7/24-25に名大で国際WS（参加登録は7/1まで） 1位は賞金15万円+ダブリン旅費！ 80名以上参加中 （登録は7/5まで） 国際会議の論文 の輪読会を開催 （延べ5回目） 第6回以降も行い ます！ （SNSで発信）
30. その他の懸念点とその対処 • データの扱い： 取り扱い規則に従う、データは出さない • 選手個人情報： FIFA指針や英サッカー協会GDPRなど • リソース不足： チーム・リーグ・教育機関等で人材循環を まとめ • 今できなくても、AIで可能になることは数多くある • 様々な立場が絡む構造的課題も、解決する必要がある • AIの恩恵を誰もが受けられる未来を、一緒に創りましょう！ 最後に https://link.springer.com/book/ 10.1007/978-981-96-1445-5 お気軽にご連絡ください mail: fujii@i.nagoya-u.ac.jp X(twitter): @keisuke_fj スポーツAIの未来を 書いた書籍（無料） もご覧ください！ 本日の資料も こちらから 30