Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Sports Analyst Meetup #13 (2022/11/26)
Search
Keisuke Fujii
November 26, 2022
Technology
0
910
Sports Analyst Meetup #13 (2022/11/26)
サッカーの軌道予測を用いたオフボール選手の評価(MLSA’22)
Keisuke Fujii
November 26, 2022
Tweet
Share
More Decks by Keisuke Fujii
See All by Keisuke Fujii
スポーツAIの民主化と発展:アカデミアの立場から
keisuke198619
0
86
2025/6/21 日本学術会議公開シンポジウム発表資料
keisuke198619
2
820
2024/10/30 産総研AIセミナー発表資料
keisuke198619
1
620
MLSA (Machine Learning and Data Mining for Sports Analytics) 2023 参加報告
keisuke198619
1
540
集団スポーツの動きに関するデータ分析の概要と今後の展望
keisuke198619
0
400
最新のスポーツアナリティクス研究論文はどこで読めるか?
keisuke198619
0
370
スポーツ戦術をAIのデータ解析で評価する
keisuke198619
0
1.3k
Sports Analyst Meetup #12 Keisuke Fujii
keisuke198619
0
940
Learning interaction rules from multi-animal trajectories via augmented behavioral models
keisuke198619
0
400
Other Decks in Technology
See All in Technology
Findy Team+のSOC2取得までの道のり
rvirus0817
0
380
PLaMoの事後学習を支える技術 / PFN LLMセミナー
pfn
PRO
9
3.9k
extension 現場で使えるXcodeショートカット一覧
ktombow
0
220
20250929_QaaS_vol20
mura_shin
0
130
From Prompt to Product @ How to Web 2025, Bucharest, Romania
janwerner
0
120
Large Vision Language Modelを用いた 文書画像データ化作業自動化の検証、運用 / shibuya_AI
sansan_randd
0
110
生成AIとM5Stack / M5 Japan Tour 2025 Autumn 東京
you
PRO
0
230
成長自己責任時代のあるきかた/How to navigate the era of personal responsibility for growth
kwappa
3
290
リーダーになったら未来を語れるようになろう/Speak the Future
sanogemaru
0
300
職種別ミートアップで社内から盛り上げる アウトプット文化の醸成と関係強化/ #DevRelKaigi
nishiuma
2
140
研究開発部メンバーの働き⽅ / Sansan R&D Profile
sansan33
PRO
3
20k
Goにおける 生成AIによるコード生成の ベンチマーク評価入門
daisuketakeda
2
110
Featured
See All Featured
Site-Speed That Sticks
csswizardry
11
880
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
9
960
The Illustrated Children's Guide to Kubernetes
chrisshort
48
51k
Art, The Web, and Tiny UX
lynnandtonic
303
21k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
23
1.5k
Optimising Largest Contentful Paint
csswizardry
37
3.4k
Build The Right Thing And Hit Your Dates
maggiecrowley
37
2.9k
Improving Core Web Vitals using Speculation Rules API
sergeychernyshev
19
1.2k
Why Our Code Smells
bkeepers
PRO
339
57k
It's Worth the Effort
3n
187
28k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
35
3.2k
How STYLIGHT went responsive
nonsquared
100
5.8k
Transcript
Sports Analyst Meetup #13 サッカーの軌道予測を用いた オフボール選手の評価(MLSA’22) 藤井 慶輔 (@keisuke_fj) 1
論文(詳細): https://arxiv.org/abs/2206.01899 MLSA’22: https://dtai.cs.kuleuven.be/events/MLSA22/index.php 寺西真聖さん、筒井和詩さん、武田一哉先生(全て名大)との共同研究です 2022/11/26
MLSA (Machine Learning and Data Mining for Sports Analytics)とは 機械学習(ML)とデータマイニング(DM)の主要な国際会議(ECML-PKDD)で
開催される、Sports AnalyticsのML-DM workshop (今回で9回目) 2 https://dtai.cs.kuleuven.be/events/MLSA22/links.php
MLSA’22のスケジュール 3 サッカー サッカー サッカー テニス サイクリング テニス サイクリング バスケ
サッカー サッカー テニス オンラインで25:00
サッカーの攻撃選手の評価 ボール周りの公開データのみ使用した評価(例:[Decroos+19]) 評価できる選手に限界、同時に複数選手の評価ができない 全選手の位置(非公開)を使用した評価 • ボールを受け取る選手の評価(例:[Spearman18]) • 得点に関係なくスペースを作る動きの評価(例:[Fernandez+18])
ボールを受け取らず得点機会を生み出す選手の評価が困難 本研究の概要 オフボール選手が、機械学習を 用いて予測された動きと比べて、 どのように動いたことが得点機会 の創出に寄与するかを評価 4 予測(薄色)より、A1がD1を引き付け A2のスペースを作った!
提案: Creating Off-Ball Scoring Opportunity (C-OBSO) 目的: ボール非保持選手 𝑖が得点機会をどれだけ創ったか(評価値) 𝑽𝒊
の算出 方法: シュート等をした選手 𝑘の評価 𝑽𝒌 を、選手 𝑖を軌道予測した時𝑽𝒌 ′ と比較 実際の選手𝑘の評価 𝑽𝒌 − 選手i の予測に基づく選手𝑘の評価 𝑽𝒌 ′ 𝑉𝑖 = − 選手 𝑖 選手 𝑖 (予測) 選手 𝑘 選手 𝑘 守備は 2人を 予測 5
参考:ボール非保持の評価 𝑽𝒌 (OBSO [Spearman18]) コート上の地点 𝑟に価値(下記3要素)を割り当てる • 占有率(Control):𝐶𝑟 • 遷移率(Transition):𝑇𝑟
• 得点率(Score):𝑆𝑟 ある試合状態𝐷における得点確率を 𝑽𝒌 とし、以下のように表す 𝑽𝒌 = 𝑃 𝐺 𝐷 = Σ𝑟∈ℝ×ℝ 𝑃(𝐶𝑟 ∩ 𝑇𝑟 ∩ 𝑆𝑟 |𝐷) →ボールが来たらどれだけ点を入れられるか(ポジショニング)を評価 占有率 𝐶 遷移率 𝑇 得点率 𝑆 ボール非保持の評価 OBSO 6
C-OBSO の算出例 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) 7 予測(薄色)より、 A1がD1を引き付けた
データセット J1 2019 横浜FM 全対戦試合: 34試合(データスタジアム社(*1)) • イベントデータ(パス・シュート等の行動ラベルとボール座標) • トラッキングデータ(選手全員とボールの座標)
選手軌道予測(グラフ変分RNN[Yeh+19]を利用) と評価 • 2秒の系列を使ってその後の4秒を軌道予測(攻撃1選手、守備2選手) • 予測: 対戦相手の攻撃系列(*2) 94208系列で学習、10477系列で検証 • 評価: 横浜FMのシュート系列(*3) 412系列で推論、C-OBSO算出 *1 情報システム研究機構統計数理研究所 医療健康データ科学研究センター、データスタジアム株式会社 *2 攻撃系列:同一チームの連続した攻撃 *3 シュート系列:シュートに至るまでの同一チームの連続した攻撃(連続していない攻撃は除外) 8
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 9 *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
実験結果:得点上位選手の有識者による採点*とC-OBSO • 採点は上位3選手全員に得点と有意な相関あり(𝑝 < 0.05) • 仲川選手のみC-OBSOと正の相関(𝜌 = 0.75, 𝑝
< 0.05)、他の選手はなし • 仲川選手は味方への貢献も高かったため、平均採点1位&MVPに繋がった と推察される 10 0 0.005 0.01 0.015 0.02 0.025 4 5 6 7 8 C-OBSO rating Nakagawa * サッカーダイジェストweb J1採点・寸評 https://www.soccerdigestweb.com/tag_list/tag_search=1&tag_id=120(参照2022/1/9) 0 0.005 0.01 0.015 0.02 0.025 4 5 6 7 8 C-OBSO rating Marcos
まとめ • 得点機会を創出するオフボールの選手の評価指標C-OBSOを提案 • 正確な選手軌道予測に基づき、実際の評価値との差分で評価 • C-OBSOは、味方の得点機会を創出する指標としての有効性を示唆 今後の展望: • チームの特性に合わせた評価
• シュート以外の場面も含めた評価 • 軌道予測を用いずに、行動価値を直接計算 謝辞 • データ提供:情報・システム研究機構統計数理研究所 医療健康データ 科学研究センター、データスタジアム 株式会社 • 議論:Scott Atom氏、大西 正輝氏 • 科研費:20H04075, 20H04087, JST Presto JPMJPR20CA Full paper: https://arxiv.org/abs/2206.01899 11