論文の概要: LATTE-MV: Learning to Anticipate Table Tennis Hits from Monocular Videos

• arxiv url: http://arxiv.org/abs/2503.20936v1
• Date: Wed, 26 Mar 2025 19:11:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-28 12:54:24.349624
• Title: LATTE-MV: Learning to Anticipate Table Tennis Hits from Monocular Videos
• Title（参考訳）: LATTE-MV:単眼ビデオからテーブルテニスのヒットを予想する学習
• Authors: Daniel Etaat, Dvij Kalaria, Nima Rahmanian, Shankar Sastry,
• Abstract要約: 本稿では,テーブルテニスの試合映像を3Dで再現するスケーラブルなシステムと,対戦行動を予測する不確実性認識コントローラを提案する。 本研究では,高速ヒットに対するボールリターン率を,ベースラインの非予測ポリシと比較して49.9%から59.0%に向上することを示す。
• 参考スコア（独自算出の注目度）: 1.8499314936771563
• License:
• Abstract: Physical agility is a necessary skill in competitive table tennis, but by no means sufficient. Champions excel in this fast-paced and highly dynamic environment by anticipating their opponent's intent - buying themselves the necessary time to react. In this work, we take one step towards designing such an anticipatory agent. Previous works have developed systems capable of real-time table tennis gameplay, though they often do not leverage anticipation. Among the works that forecast opponent actions, their approaches are limited by dataset size and variety. Our paper contributes (1) a scalable system for reconstructing monocular video of table tennis matches in 3D and (2) an uncertainty-aware controller that anticipates opponent actions. We demonstrate in simulation that our policy improves the ball return rate against high-speed hits from 49.9% to 59.0% as compared to a baseline non-anticipatory policy.
• Abstract（参考訳）: 体力は卓球の競争において必須のスキルであるが、必ずしも十分ではない。 チャンピオンは、相手の意図 - 反応するために必要な時間を買う - を期待することで、この早いペースで非常にダイナミックな環境に長けています。 本研究では,このような予測エージェントを設計するための一歩を踏み出す。 従来の研究は、リアルタイムの卓球ゲームプレイが可能なシステムを開発してきたが、予測を利用できないことが多い。 反対行動を予測する作品の中で、それらのアプローチはデータセットのサイズと多様性によって制限されている。 本稿は,(1)テーブルテニスの試合を3Dで再現するスケーラブルなシステム,(2)相手の行動を予測する不確実性認識コントローラを提案する。 本研究では,高速ヒットに対するボールリターン率を,ベースラインの非予測ポリシと比較して49.9%から59.0%に向上することを示す。

関連論文リスト

• An Event-Based Perception Pipeline for a Table Tennis Robot [12.101426862186072]
  本稿では,イベントベースカメラのみを用いた卓球ロボットのための,初めてのリアルタイム認識パイプラインを提案する。 フレームベースのパイプラインと比較して、イベントベースの知覚パイプラインは更新率が高く、桁違いに高いことを示す。
  論文  参考訳（メタデータ） (2025-02-02T10:56:37Z)
• Match Point AI: A Novel AI Framework for Evaluating Data-Driven Tennis Strategies [46.1232919707345]
  テニスマッチシミュレーション環境のtextitMatch Point AI について述べる。 最初の実験では、シミュレートされたテニスの試合で生成されたショット・バイ・ショットのデータは、実世界のデータと比較して現実的な特徴を示している。 同時に、現実のテニスの試合で見られるものと類似した、合理的なショット配置戦略が出現する。
  論文  参考訳（メタデータ） (2024-08-12T07:22:46Z)
• Expected Possession Value of Control and Duel Actions for Soccer Player's Skills Estimation [0.0]
  本稿では、広く使われているモデル、期待所有値(EPV)に複数の拡張を導入する。 撮影直前に発生する事象に、先行する出来事よりも重みを割り当てる(デカイ効果)。 本モデルでは, 減衰効果と有効演奏時間を考慮することにより, 保持リスクをより正確に評価する。
  論文  参考訳（メタデータ） (2024-06-02T17:29:42Z)
• Predicting Outcomes in Video Games with Long Short Term Memory Networks [0.39723189359605243]
  本研究は,ゲームトーナメントにおける観客エンゲージメントを高めるために,リアルタイムな勝利予測手法を導入することを目的とする。 概念実証として,従来の2人プレイのアーケードゲームSuper Street Fighter II Turboにおけるモデルの性能を評価する。
  論文  参考訳（メタデータ） (2024-02-24T22:36:23Z)
• Engineering Features to Improve Pass Prediction in Soccer Simulation 2D Games [0.0]
  サッカーシミュレーション2D(英: Soccer Simulation 2D)は、2次元の実際のサッカーゲームのシミュレーションである。 我々は,Deep Neural Networks (DNN) とRandom Forest (RF) を用いたサッカー2Dプレーヤーのパス動作のモデル化を試みた。 RoboCup 2019の6つのトップチームに対して、トレーニングされたモデルのパフォーマンスを評価する。
  論文  参考訳（メタデータ） (2024-01-07T08:01:25Z)
• All by Myself: Learning Individualized Competitive Behaviour with a Contrastive Reinforcement Learning optimization [57.615269148301515]
  競争ゲームのシナリオでは、エージェントのセットは、彼らの目標を最大化し、敵の目標を同時に最小化する決定を学習する必要があります。 本稿では,競争ゲームの表現を学習し,特定の相手の戦略をどうマップするか,それらを破壊するかを学習する3つのニューラルネットワーク層からなる新しいモデルを提案する。 我々の実験は、オフライン、オンライン、競争特化モデル、特に同じ対戦相手と複数回対戦した場合に、我々のモデルがより良いパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2023-10-02T08:11:07Z)
• 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)
• L2E: Learning to Exploit Your Opponent [66.66334543946672]
  本稿では,暗黙的対向モデリングのための新しい学習フレームワークを提案する。 L2Eは、トレーニング中に異なる相手との対話によって、相手を悪用する能力を取得する。 本稿では, 対戦相手を自動的に生成する新しい対戦相手戦略生成アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-18T14:27:59Z)
• Interpretable Real-Time Win Prediction for Honor of Kings, a Popular Mobile MOBA Esport [51.20042288437171]
  本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。 実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
  論文  参考訳（メタデータ） (2020-08-14T12:00:58Z)
• Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
  学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。 対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。 我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
  論文  参考訳（メタデータ） (2020-07-10T09:33:05Z)

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。