論文の概要: Predicting Tennis Serve directions with Machine Learning

• arxiv url: http://arxiv.org/abs/2602.22527v1
• Date: Thu, 26 Feb 2026 01:56:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.474299
• Title: Predicting Tennis Serve directions with Machine Learning
• Title（参考訳）: 機械学習によるテニスサーブの方向予測
• Authors: Ying Zhu, Ruthuparna Naikar,
• Abstract要約: 本研究では,プロテニス選手のファーストサーブ方向を予測する機械学習手法を開発した。 本手法は,男性選手の約49%,女性選手の約44%の予測精度を実現する。 我々の分析は、トップのプロ選手が意思決定に混合戦略モデルを使用していることを示す。
• 参考スコア（独自算出の注目度）: 2.243206998586006
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Serves, especially first serves, are very important in professional tennis. Servers choose their serve directions strategically to maximize their winning chances while trying to be unpredictable. On the other hand, returners try to predict serve directions to make good returns. The mind game between servers and returners is an important part of decision-making in professional tennis matches. To help understand the players' serve decisions, we have developed a machine learning method for predicting professional tennis players' first serve directions. Through feature engineering, our method achieves an average prediction accuracy of around 49\% for male players and 44\% for female players. Our analysis provides some evidence that top professional players use a mixed-strategy model in serving decisions and that fatigue might be a factor in choosing serve directions. Our analysis also suggests that contextual information is perhaps more important for returners' anticipatory reactions than previously thought.
• Abstract（参考訳）: セルビア人、特にファーストサーブはプロテニスにおいて非常に重要である。 サーバは、予測不能な状態での勝利率を最大化するために、戦略的にサービス方向を選択する。 一方、リターン者は良いリターンをするためにサーブ方向を予測しようとします。 サーバとリターン者のマインドゲームは、プロテニスの試合における意思決定の重要な部分である。 選手のサーブ決定を理解するために,プロテニス選手のファーストサーブ方向を予測する機械学習手法を開発した。 特徴工学により,男性選手の平均予測精度は49 %,女性選手は44 %である。 我々の分析は、トップのプロ選手が意思決定に混合戦略モデルを用いており、疲労がサービス方向を選択する要因である可能性を示唆している。 我々の分析は、以前考えられていたよりも、リターン者の予測反応にとって、文脈情報はおそらくより重要であることを示唆している。

関連論文リスト

• Left-handed representation in top 100 male professional tennis players: Multi-disciplinary perspectives [0.0]
  一般的には、左利きのテニス選手は、一般市民の左利きの比率に比べて過剰に代表されるという意見がある。 この研究は、データ分析によって支持されるドメインの洞察を提供し、親とコーチの意思決定を知らせる助けとなる。 洞察とデータ分析は、ハンドネスの決定、先進的なコーチングと戦略ゲームの概念、メディアカバレッジ/分析の強化、左利きの事実と統計、テニス用品の製造を通知することができる。
  論文  参考訳（メタデータ） (2024-12-29T05:43:40Z)
• Pose2Trajectory: Using Transformers on Body Pose to Predict Tennis Player's Trajectory [6.349503549199403]
  テニス選手の身体関節データとボール位置から導かれるシーケンスとして,選手の将来の軌跡を予測するPose2Trajectoryを提案する。 我々は,ボール位置を持つ選手の関節および軌道情報に基づいて訓練されたエンコーダ・デコーダ変換器アーキテクチャを用いる。 複数のビデオから高品質なデータセットを生成し、物体検出と人間のポーズ推定手法を用いてテニス選手の動き予測を支援する。
  論文  参考訳（メタデータ） (2024-11-07T07:50:58Z)
• AI for Equitable Tennis Training: Leveraging AI for Equitable and Accurate Classification of Tennis Skill Levels and Training Phases [0.0]
  本研究の目的は、テニス選手のスキルレベルを分類し、テニスストロークをモーション特性を特徴とするフェーズに分類することである。 若手テニス選手が着用する慣性測定ユニット(IMU)からMotion Yaw, Roll, Pitchなどの動作データを収集した。 SVMモデルは、初心者または中間者としてプレイヤーを分類する際の全体的な精度が77%であった。
  論文  参考訳（メタデータ） (2024-06-24T03:40:41Z)
• 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)
• 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)
• Understanding why shooters shoot -- An AI-powered engine for basketball performance profiling [70.54015529131325]
  バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。 パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。 プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
  論文  参考訳（メタデータ） (2023-03-17T01:13:18Z)
• Who Leads and Who Follows in Strategic Classification? [82.44386576129295]
  戦略分類における役割の順序は、決定者とエージェントが互いの行動に適応する相対周波数によって決定される。 更新頻度を自由に選択できる意思決定者は,いずれの順番でスタックルバーグ均衡に収束する学習力学を誘導できることを示す。
  論文  参考訳（メタデータ） (2021-06-23T16:48:46Z)
• AI-enabled Prediction of eSports Player Performance Using the Data from Heterogeneous Sensors [12.071865017583502]
  我々は,センサのデータのみを用いて,eSportsプレーヤーのゲーム内パフォーマンスを予測する人工知能(AI)対応ソリューションについて報告する。 リカレントニューラルネットワークを用いて、マルチプレイヤーゲームにおけるゲームログから、各モーメント毎のプレイヤー性能を評価する。 提案するソリューションはプロのeスポーツチームやアマチュア選手のための学習ツールに多くの有望な応用がある。
  論文  参考訳（メタデータ） (2020-12-07T07:31:53Z)
• 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)
• Competitive Balance in Team Sports Games [8.321949054700086]
  最終的なスコア差を用いることで,競争バランスの予測基準がさらに向上することを示す。 また、慎重に選択されたチームと個々の特徴に基づいて訓練された線形モデルが、より強力なニューラルネットワークモデルの性能をほぼ達成できることも示している。
  論文  参考訳（メタデータ） (2020-06-24T14:19:07Z)
• Learning from Learners: Adapting Reinforcement Learning Agents to be Competitive in a Card Game [71.24825724518847]
  本稿では,競争力のあるマルチプレイヤーカードゲームの現実的な実装を学習・プレイするために,一般的な強化学習アルゴリズムをどのように適用できるかについて検討する。 本研究は,学習エージェントに対して,エージェントが競争力を持つことの学習方法を評価するための特定のトレーニングと検証ルーチンを提案し,それらが相互の演奏スタイルにどのように適応するかを説明する。
  論文  参考訳（メタデータ） (2020-04-08T14:11:05Z)

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。