Fugu-MT 論文翻訳(概要): TacEleven: generative tactic discovery for football open play

論文の概要: TacEleven: generative tactic discovery for football open play

arxiv url: http://arxiv.org/abs/2511.13326v2
Date: Tue, 18 Nov 2025 07:00:40 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-20 15:51:28.425664
Title: TacEleven: generative tactic discovery for football open play
Title（参考訳）: TacEleven: サッカーのオープンプレーのための生成的戦術発見
Authors: Siyao Zhao, Hao Ma, Zhiqiang Pu, Jingjing Huang, Yi Pan, Shijie Wang, Zhi Ming,
Abstract要約: 本稿では,サッカーのオープンプレイ・戦術発見のための生成フレームワークであるTacElevenを提案する。 TacElevenは、多種多様な戦術的提案を生成する言語制御の戦術的ジェネレータと、多言語モデルに基づく戦術的批判の2つのコアコンポーネントで構成されている。進行的戦術的複雑性を伴う3つのタスクにおけるTacElevenの評価を行った。
参考スコア（独自算出の注目度）: 22.44470234670096
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Creating offensive advantages during open play is fundamental to football success. However, due to the highly dynamic and long-sequence nature of open play, the potential tactic space grows exponentially as the sequence progresses, making automated tactic discovery extremely challenging. To address this, we propose TacEleven, a generative framework for football open-play tactic discovery developed in close collaboration with domain experts from AJ Auxerre, designed to assist coaches and analysts in tactical decision-making. TacEleven consists of two core components: a language-controlled tactical generator that produces diverse tactical proposals, and a multimodal large language model-based tactical critic that selects the optimal proposal aligned with a high-level stylistic tactical instruction. The two components enables rapid exploration of tactical proposals and discovery of alternative open-play offensive tactics. We evaluate TacEleven across three tasks with progressive tactical complexity: counterfactual exploration, single-step discovery, and multi-step discovery, through both quantitative metrics and a questionnaire-based qualitative assessment. The results show that the TacEleven-discovered tactics exhibit strong realism and tactical creativity, with 52.50% of the multi-step tactical alternatives rated adoptable in real-world elite football scenarios, highlighting the framework's ability to rapidly generate numerous high-quality tactics for complex long-sequence open-play situations. TacEleven demonstrates the potential of creatively leveraging domain data and generative models to advance tactical analysis in sports.
Abstract（参考訳）: オープンプレイ中に攻撃的なアドバンテージを生み出すことは、サッカーの成功に不可欠である。しかしながら、オープンプレイの非常にダイナミックで長いシーケンスの性質のため、潜在的戦術空間は、シーケンスが進行するにつれて指数関数的に成長し、自動戦術発見は極めて困難である。そこで本研究では,AJ Auxerreのドメインエキスパートとの緊密なコラボレーションによって開発された,サッカーのオープンプレイ型戦術発見のための生成フレームワークであるTacElevenを提案する。 TacElevenは、多種多様な戦術的提案を生成する言語制御の戦術的生成器と、高レベルな戦術的命令に整合した最適な提案を選択するマルチモーダルな大規模言語モデルに基づく戦術的批判である。この2つのコンポーネントは戦術的提案の迅速な探索と、代替のオープンプレイ攻撃戦術の発見を可能にする。そこで我々は,TacElevenを,定量的指標と質問紙による質的評価の両面から,非現実的探索,単一段階発見,多段階発見という,段階的戦術的複雑性を伴う3つのタスクで評価した。その結果,TacEleven が発見した戦術は,実世界のエリートフットボールのシナリオにおいて,52.50%の多段階の戦術的選択肢が採用可能であるという強い現実主義と戦術的創造性を示し,複雑な長期的オープンプレイの状況において,多数の高品質な戦術を迅速に生成するフレームワークの能力を強調した。 TacEleven氏は、ドメインデータと生成モデルを創造的に活用して、スポーツにおける戦術分析を前進させる可能性を実証している。

関連論文リスト

Tree-based Dialogue Reinforced Policy Optimization for Red-Teaming Attacks [63.803415430308114]
現在の大規模言語モデルは、マルチターンインタラクション設定における敵攻撃に対して脆弱である。本研究では,木探索と統合したオンライン強化学習フレームワークであるDialTree-RPOを提案する。提案手法は,従来の最先端手法と比較して,10のターゲットモデルに対して25.9%以上のASRを実現している。
論文参考訳（メタデータ） (2025-10-02T17:57:05Z)
Society of Mind Meets Real-Time Strategy: A Hierarchical Multi-Agent Framework for Strategic Reasoning [16.35236123729838]
我々は,Strategic Planner (SP) と呼ばれるメタコントローラの下で,特殊模倣学習エージェントを利用する階層型マルチエージェントフレームワークを提案する。専門家によるデモンストレーションによって、各特殊エージェントは、航空支援や防御演習のような独特の戦略を学び、一貫性のある、構造化された多段階のアクションシーケンスを生成する。 SPはこれらの提案を1つの環境適応プランに編成し、局所的な決定が長期的な戦略と整合することを保証する。
論文参考訳（メタデータ） (2025-08-08T05:57:12Z)
AVA: Attentive VLM Agent for Mastering StarCraft II [56.07921367623274]
Intentive VLM Agent (AVA) は、人工エージェントの認識と人間のゲームプレイ体験を一致させるマルチモーダルのStarCraft IIエージェントである。我々のエージェントは、ゲームプレイ中に人間の認知過程をより密にシミュレートするRGB視覚入力と自然言語観察を組み込むことにより、この制限に対処する。
論文参考訳（メタデータ） (2025-03-07T12:54:25Z)
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)
Strategic Reasoning with Language Models [35.63300060111918]
戦略的推論は、エージェントが様々な状況において他のエージェントと協力し、コミュニケーションし、競合することを可能にする。既存の戦略ゲームに対するアプローチは、広範なトレーニングに依存しており、再訓練なしに新しいシナリオやゲームに一般化しない戦略を生み出している。本稿では,AIエージェントの戦略的推論を可能にするために,事前訓練された大規模言語モデルと数発の連鎖例を用いたアプローチを提案する。
論文参考訳（メタデータ） (2023-05-30T16:09:19Z)
TiZero: Mastering Multi-Agent Football with Curriculum Learning and Self-Play [19.98100026335148]
TiZeroは、スクラッチから学習する自己進化型マルチエージェントシステムである。これは、Google Research Footballの環境において、これまでのシステムよりはるかに優れている。
論文参考訳（メタデータ） (2023-02-15T08:19:18Z)
Generating Diverse and Competitive Play-Styles for Strategy Games [58.896302717975445]
ターン型戦略ゲーム(Tribes)のためのプログレッシブアンプランによるPortfolio Monte Carlo Tree Searchを提案する。品質分散アルゴリズム(MAP-Elites)を使用して異なるプレイスタイルを実現し、競争レベルを維持しながらパラメータ化する方法を示します。その結果,このアルゴリズムは,トレーニングに用いるレベルを超えて,幅広いゲームレベルにおいても,これらの目標を達成できることが示された。
論文参考訳（メタデータ） (2021-04-17T20:33:24Z)
Efficient exploration of zero-sum stochastic games [83.28949556413717]
ゲームプレイを通じて,ゲームの記述を明示せず,託宣のみにアクセス可能な,重要で一般的なゲーム解決環境について検討する。限られたデュレーション学習フェーズにおいて、アルゴリズムは両方のプレイヤーのアクションを制御し、ゲームを学習し、それをうまくプレイする方法を学習する。私たちのモチベーションは、クエリされた戦略プロファイルの支払いを評価するのにコストがかかる状況において、利用可能性の低い戦略を迅速に学習することにあります。
論文参考訳（メタデータ） (2020-02-24T20:30:38Z)

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。