Fugu-MT 論文翻訳(概要): Presenting Multiagent Challenges in Team Sports Analytics

論文の概要: Presenting Multiagent Challenges in Team Sports Analytics

arxiv url: http://arxiv.org/abs/2303.13660v1
Date: Thu, 23 Mar 2023 20:29:32 GMT
ステータス: 処理完了
システム内更新日: 2023-03-27 16:42:14.512325
Title: Presenting Multiagent Challenges in Team Sports Analytics
Title（参考訳）: チームスポーツ分析におけるマルチエージェントチャレンジの紹介
Authors: David Radke and Alexi Orchard
Abstract要約: 我々は、MASは侵入ゲームの研究に適しており、MASとスポーツアナリティクスの両方に利益をもたらすと論じている。我々は,MASの実施と,短期的なゲーム内戦略(コーチング)と長期チーム計画(マネジメント)という,2つの軸に沿った開発領域を強調した。
参考スコア（独自算出の注目度）: 1.370633147306388
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: This paper draws correlations between several challenges and opportunities within the area of team sports analytics and key research areas within multiagent systems (MAS). We specifically consider invasion games, defined as sports where players invade the opposing team's territory and can interact anywhere on a playing surface such as ice hockey, soccer, and basketball. We argue that MAS is well-equipped to study invasion games and will benefit both MAS and sports analytics fields. Our discussion highlights areas for MAS implementation and further development along two axes: short-term in-game strategy (coaching) and long-term team planning (management).
Abstract（参考訳）: 本稿では,チームスポーツ分析分野における課題と機会と,マルチエージェントシステム(MAS)における重要な研究領域との相関関係について述べる。特に、プレイヤーが相手チームの領域に侵入し、アイスホッケー、サッカー、バスケットボールなどの競技面上のどこにでも相互作用できるスポーツとして定義される侵略ゲームについて検討する。 masは侵略ゲームの研究に適しており、masとスポーツ分析の両方の分野に利益をもたらすとわれわれは主張している。短期ゲーム戦略(coaching)と長期チーム計画(management)の2つの軸に沿って、mas実装とさらなる開発のための領域について論じた。

関連論文リスト

Deep learning for action spotting in association football videos [64.10841325879996]
SoccerNetイニシアチブは毎年の課題を組織し、世界中の参加者が最先端のパフォーマンスを達成するために競う。本稿では,スポーツにおけるアクションスポッティングの歴史を,2018年の課題の創出から,現在の研究・スポーツ産業における役割まで遡る。
論文参考訳（メタデータ） (2024-10-02T07:56:15Z)
SoccerNet 2024 Challenges Results [152.8534707514927]
SoccerNet 2024の課題は、サッカーネットチームが主催する4年目のビデオ理解の課題を表している。この課題は、サッカーにおける複数のテーマにまたがる研究を進めることを目的としており、放送ビデオ理解、フィールド理解、プレイヤー理解などが含まれる。今年は、4つのビジョンベースのタスクが課題となっている。
論文参考訳（メタデータ） (2024-09-16T14:12:22Z)
ALYMPICS: LLM Agents Meet Game Theory -- Exploring Strategic Decision-Making with AI Agents [77.34720446306419]
Alympicsは、ゲーム理論の研究にLarge Language Model (LLM)エージェントを利用する、体系的なシミュレーションフレームワークである。 Alympicsは、複雑なゲーム理論の問題を研究するための汎用的なプラットフォームを作成する。
論文参考訳（メタデータ） (2023-11-06T16:03:46Z)
MuLMINet: Multi-Layer Multi-Input Transformer Network with Weighted Loss [6.854732863866882]
本稿では,プロのバドミントンプレーヤーのマッチングデータを利用して,将来的なショットタイプやエリア座標を正確に予測するマルチ層マルチ入力トランスフォーマネットワーク(MuLMINet)を提案する。 IJCAI CoachAI Badminton Challenge 2023, Track 2で優勝(2位)を果たした。
論文参考訳（メタデータ） (2023-07-17T06:10:03Z)
Action valuation of on- and off-ball soccer players based on multi-agent deep reinforcement learning [4.477124009148237]
マルチエージェント深部強化学習に基づく1つの総合的な枠組みを用いて,オンタイムおよびオフボール選手のアクションを評価する手法を提案する。本手法では,識別やラベル付けが困難なゲームを通して,複数のプレイヤーが連続的に動き続けるかを評価することができる。
論文参考訳（メタデータ） (2023-05-29T05:14:36Z)
About latent roles in forecasting players in team sports [47.066729480128856]
チームスポーツは、チームメイトと相手とのインタラクションに影響を与える重要な社会的要素を含んでいる。 RolForはロールベースのForecastingのための新しいエンドツーエンドモデルです。
論文参考訳（メタデータ） (2023-04-17T13:33:23Z)
Inferring Player Location in Sports Matches: Multi-Agent Spatial Imputation from Limited Observations [14.837321668198129]
マルチエージェントシステム(MAS)におけるエージェントの動作を理解することは、自律運転、災害対応、スポーツ分析などの領域において重要な問題である。本研究では,一様でない時間経過と限定されたエージェントオブザーバビリティを持つ環境において,エージェント位置計算の問題を分析する。このアプローチでは,時間的およびエージェント間パターンの学習にLong Short-Term MemoryとGraph Neural Networkのコンポーネントを使用し,各時点におけるエージェントの位置を予測する。
論文参考訳（メタデータ） (2023-02-13T18:13:29Z)
A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications [60.3327085463545]
本稿では,スポーツ分析のための映像行動認識に関する調査を行う。サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
論文参考訳（メタデータ） (2022-06-02T13:19:36Z)
A Comprehensive Review of Computer Vision in Sports: Open Issues, Future Trends and Research Directions [3.138976077182707]
本稿では,スポーツ映像解析の高レベル分析への応用について概説する。選手の検出と分類、スポーツにおける選手またはボールの追跡、選手またはボールの軌跡の予測、チームの戦略の認識、スポーツにおける様々なイベントの分類が含まれる。
論文参考訳（メタデータ） (2022-03-03T07:49:21Z)
Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
論文参考訳（メタデータ） (2020-11-18T10:26:02Z)

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。