論文の概要: A Reinforcement Learning Badminton Environment for Simulating Player Tactics (Student Abstract)

• arxiv url: http://arxiv.org/abs/2211.12234v1
• Date: Tue, 22 Nov 2022 12:38:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 18:56:42.761193
• Title: A Reinforcement Learning Badminton Environment for Simulating Player Tactics (Student Abstract)
• Title（参考訳）: プレイヤー戦術シミュレーションのための強化学習バドミントン環境(学生要約)
• Authors: Li-Chun Huang, Nai-Zen Hseuh, Yen-Che Chien, Wei-Yao Wang, Kuang-Da Wang, Wen-Chih Peng
• Abstract要約: 我々はターン型スポーツに焦点をあて、異なる視点でアライリーをシミュレートすることでバドミントン環境を導入する。 このことは、過去の試合を戦術的な調査のためにシミュレートすることでコーチやプレイヤーに恩恵を与えるだけでなく、研究者が彼らの新しいアルゴリズムを迅速に評価することからも恩恵を受ける。
• 参考スコア（独自算出の注目度）: 4.7376902105662255
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent techniques for analyzing sports precisely has stimulated various approaches to improve player performance and fan engagement. However, existing approaches are only able to evaluate offline performance since testing in real-time matches requires exhaustive costs and cannot be replicated. To test in a safe and reproducible simulator, we focus on turn-based sports and introduce a badminton environment by simulating rallies with different angles of view and designing the states, actions, and training procedures. This benefits not only coaches and players by simulating past matches for tactic investigation, but also researchers from rapidly evaluating their novel algorithms.
• Abstract（参考訳）: 近年のスポーツ分析技術は,選手のパフォーマンス向上とファンエンゲージメント向上に様々なアプローチを刺激している。 しかし、既存のアプローチでは、リアルタイムマッチングのテストでは徹底的なコストが必要で、複製できないため、オフラインパフォーマンスの評価しかできない。 安全かつ再現可能なシミュレータでテストするために,我々はターンベーススポーツに焦点を合わせ,異なる視点でアライリーをシミュレートし,状態,行動,訓練手順を設計し,バドミントン環境を導入する。 これは、戦術調査のために過去のマッチをシミュレートすることでコーチやプレイヤーに利益をもたらすだけでなく、新しいアルゴリズムを迅速に評価することで研究者に利益をもたらす。

関連論文リスト

• AI coach for badminton [0.0]
  本研究では,バドミントンマッチの映像を識別し,プレイヤーの運動学と生体力学の知見を抽出する。 この研究は、姿勢、技術、筋肉の向きの改善を示唆する予測モデルを導出することを目的としている。 これらの勧告は、誤ったテクニックを緩和し、関節疲労のリスクを低減し、全体的なパフォーマンスを向上させるように設計されている。
  論文  参考訳（メタデータ） (2024-03-13T20:51:21Z)
• SportsNGEN: Sustained Generation of Realistic Multi-player Sports Gameplay [19.80390059667457]
  本稿では,トランスフォーマーデコーダを用いたスポーツシミュレーションエンジンであるSportsNGENについて述べる。 プロテニス追跡データの大規模なデータベースをトレーニングすることにより,SportsNGENが生成したシミュレーションがラリーの結果を予測することができることを示す。 モデル出力サンプリングパラメータはシミュレーションリアリズムに不可欠であり,SportsNGENは確率論的に実データに適合していることを示す。
  論文  参考訳（メタデータ） (2024-02-10T01:16:21Z)
• ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing Forecasting Models in Badminton [52.21869064818728]
  バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。 本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
  論文  参考訳（メタデータ） (2023-12-18T05:37:51Z)
• TacticAI: an AI assistant for football tactics [41.74699109772055]
  TacticAIは、リバプールFCのドメインエキスパートと緊密に協力して開発されたAIフットボール戦術アシスタントである。 介入や改善の最も直接的な機会をコーチに提供するため、コーナーキックの分析に重点を置いています。 我々は、戦術のモデル提案が実際の戦術と区別できないだけでなく、当時の既存の戦術よりも有利であることを示す。
  論文  参考訳（メタデータ） (2023-10-16T16:25:15Z)
• Automated Hit-frame Detection for Badminton Match Analysis [1.3300217947936062]
  本研究では,最新の深層学習技術を用いて,マッチビデオからヒットフレームを自動的に検出し,バドミントンにおけるスポーツ分析の進歩を目指す。 ヒットフレームに含まれるデータは、その後プレイヤーのストロークやコート上での動きを合成したり、トレーニングタスクの分析や競争戦略などの下流のアプリケーションに利用することができる。 本研究では,映像トリミングにおけるショットアングル認識の精度99%,シャトルコック飛行方向予測におけるキーポイントシーケンスの適用精度92%以上を達成し,ラリーワイドビデオトリミングとヒットフレーム検出の評価結果を報告した。
  論文  参考訳（メタデータ） (2023-07-29T15:01:27Z)
• Towards Active Learning for Action Spotting in Association Football Videos [59.84375958757395]
  フットボールビデオの分析は困難であり、微妙で多様な時間的パターンを特定する必要がある。 現在のアルゴリズムは、限られた注釈付きデータから学ぶ際に大きな課題に直面している。 次にアノテートすべき最も情報に富んだビデオサンプルを選択する能動的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-09T11:50:41Z)
• Finding mixed-strategy equilibria of continuous-action games without gradients using randomized policy networks [83.28949556413717]
  グラデーションへのアクセスを伴わない連続アクションゲームのナッシュ平衡を近似的に計算する問題について検討する。 ニューラルネットワークを用いてプレイヤーの戦略をモデル化する。 本論文は、制約のない混合戦略と勾配情報のない一般的な連続アクションゲームを解決する最初の方法である。
  論文  参考訳（メタデータ） (2022-11-29T05:16:41Z)
• Nash Equilibria and Pitfalls of Adversarial Training in Adversarial Robustness Games [51.90475640044073]
  本研究では,2プレイヤゼロサムゲームにおける最適応答戦略の交互化として,対戦訓練について検討する。 一方、ゲームのユニークな純粋なナッシュ均衡が存在し、確実に堅牢である。
  論文  参考訳（メタデータ） (2022-10-23T03:21:01Z)
• DIAMBRA Arena: a New Reinforcement Learning Platform for Research and Experimentation [91.3755431537592]
  本研究は、強化学習研究と実験のための新しいプラットフォームであるDIAMBRA Arenaを提示する。 高品質な環境のコレクションが,OpenAI Gym標準に完全に準拠したPython APIを公開している。 これらは、離散的なアクションと観測を生のピクセルと追加の数値で構成したエピソディックなタスクである。
  論文  参考訳（メタデータ） (2022-10-19T14:39:10Z)
• Exploring the Long Short-Term Dependencies to Infer Shot Influence in Badminton Matches [9.553207911311926]
  ショットのプロセスを完全に記述するためのバドミントン言語を導入します。 本稿では,新しい短期抽出器と長期符号化器からなるディープラーニングモデルを提案する。 本モデルでは,収集結果に対するアクションシーケンスの透明性を実現するためのアテンション機構を組み込んだ。
  論文  参考訳（メタデータ） (2021-09-14T04:44:40Z)
• Facial Feedback for Reinforcement Learning: A Case Study and Offline Analysis Using the TAMER Framework [51.237191651923666]
  訓練者の表情からエージェント学習の可能性について,評価フィードバックとして解釈することで検討した。 設計したCNN-RNNモデルを用いて,学習者に対して表情とコンペティションの使用を指示することで,肯定的および否定的なフィードバックを推定する精度を向上させることができることを示す。 シミュレーション実験の結果,表情に基づく予測フィードバックのみから学習できることが示唆された。
  論文  参考訳（メタデータ） (2020-01-23T17:50:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。