論文の概要: SportD: Can VLMs Physically Strategize?

• arxiv url: http://arxiv.org/abs/2607.14616v2
• Date: Sat, 18 Jul 2026 02:57:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 14:24:57.603776
• Title: SportD: Can VLMs Physically Strategize?
• Title（参考訳）: スポーツD:VLMは物理的に戦略化できるのか?
• Authors: Jasin Cekinmez, Addison J. Wu, Haotian Xia, Akshaya Bharadhwaj, Anay Putty, Anirudh Ravishankar, Jaewoong Lee, Jinglin Xiao, Kyumin Andrew Shim, Mishika Ahuja, Nisarga Patil, Leo Liu, Zhuohan Liu, Weining Shen,
• Abstract要約: SportDは、2022年のFIFAワールドカップにおける478の判定結果からなるベンチマークである。 それぞれのモデル選択は、攻撃チームの得点率を最も高めるアクションを推定する所有価値モデルに対して評価される。 3つのフロンティアVLMで、最多は31.4%のイベントで、プロの選手は38.9%だった。
• 参考スコア（独自算出の注目度）: 3.6356011518439684
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Vision--language models have become increasingly capable of interpreting visual scenes, but it remains unclear whether they can use information to make strategically effective decisions. We investigate this question in soccer, where models observe the seconds preceding an on-ball decision and must choose whether to shoot or pass to a specific teammate. Unlike conventional visual-understanding tasks, soccer enables decisions to be evaluated quantitatively by estimating the value of every available action. We introduce SportD, a benchmark comprising 478 on-ball decisions from the 2022 FIFA World Cup. Each model choice is evaluated against a possession-value model that estimates the action that most increases the attacking team's probability of scoring, allowing us to measure both optimal-action accuracy and the value forfeited by suboptimal decisions. Across three frontier VLMs, the best selects the highest-valued action on 31.4% of events, compared with 38.9% for the professional players, and all models incur significantly greater regret. Further analysis reveals a systematic preference for lower-variance and lower-reward actions: VLMs shoot less often and select substantially less progressive passes than either the optimal policy or the real players. The models also reproduce the player's specific action above chance even when that action is suboptimal, suggesting partial imitation of familiar play patterns rather than consistent evaluation of counterfactual alternatives. SportD provides a value-grounded testbed for measuring physical strategic reasoning in VLMs.
• Abstract（参考訳）: 視覚言語モデルは視覚シーンを解釈する能力がますます高まっているが、戦略的に効果的な意思決定に情報を利用することができるかどうかは不明だ。 サッカーでは、モデルはボール上の決定に先立って秒間観察し、特定のチームメイトにシュートするかパスするかを選択する必要がある。 従来の視覚的なタスクとは異なり、サッカーは、利用可能なすべてのアクションの価値を見積もることで、決定を定量的に評価することができる。 我々は2022年のFIFAワールドカップの478の判定結果からなるベンチマークであるSportDを紹介する。 各モデル選択は、攻撃チームの得点率を最も高めるアクションを推定する所有値モデルに対して評価され、最適なアクションの精度と、最適以下の決定によって達成される値の両方を測定することができる。 3つのフロンティアVLMの中で、最多は31.4%のイベントにおいて、プロ選手の38.9%に対して、最も高い評価のアクションを選択する。 VLMの撮影頻度は低く、最適なポリシーや実際のプレイヤーよりもかなり少ないプログレッシブパスを選択する。 モデルはまた、そのアクションが最適ではない場合でも、プレイヤーの特定のアクションを偶然に再現し、カウンターファクトの代替品の一貫性のある評価よりも、親しみやすいプレイパターンの部分的な模倣を示唆する。 SportDは、VLMの物理的戦略的推論を測定するための、価値接地テストベッドを提供する。

関連論文リスト

• LM Fight Arena: Benchmarking Large Multimodal Models via Game Competition [104.81487689011341]
  本稿では,Mortal Kombat IIにおける大規模マルチモーダルモデルを評価する新しいフレームワークであるLM Fight Arenaを紹介する。 静的評価とは異なり、LM Fight Arenaは完全に自動化され、再現可能で、LMMの戦略的推論能力の客観的評価を提供する。
  論文  参考訳（メタデータ） (2025-10-10T02:19:21Z)
• What-If Analysis of Large Language Models: Explore the Game World Using Proactive Thinking [50.72154186522052]
  大規模言語モデル(LLM)は情報処理をリアクティブに行う能力に優れるが、仮説的未来を体系的に探索する能力に欠ける。 提案するWiA-LLMは,LLMにプロアクティブな思考能力を持たせる新しいパラダイムである。 複雑なマルチプレイヤーゲーム環境であるHonor of KingsにおけるWiA-LLMを検証する。
  論文  参考訳（メタデータ） (2025-09-05T04:05:27Z)
• Revisiting LLM Value Probing Strategies: Are They Robust and Expressive? [81.49470136653665]
  広範に利用されている3つの探索戦略における値表現の頑健さと表現性を評価する。 人口統計学的文脈は自由テキスト生成にはほとんど影響を与えず、モデルの値は値に基づく行動の好みと弱い相関しか示さない。
  論文  参考訳（メタデータ） (2025-07-17T18:56:41Z)
• Interpretable Low-Dimensional Modeling of Spatiotemporal Agent States for Decision Making in Football Tactics [0.9207076627649226]
  ルールベースのモデルは専門家の知識と一致するが、すべての選手の状態を十分に考慮していない。 提案手法は,ボールホルダ電位受信機の両方に対する解釈可能な状態変数を定義する。 解析の結果,選手とボールの間の距離と選手の空間スコアが,パスを成功させる上で重要な要因であることが判明した。
  論文  参考訳（メタデータ） (2025-06-20T02:37:52Z)
• Are Large Language Models Strategic Decision Makers? A Study of Performance and Bias in Two-Player Non-Zero-Sum Games [56.70628673595041]
  大規模言語モデル (LLM) は現実世界での利用が増えているが、その戦略的意思決定能力はほとんど探索されていない。 本研究は,Stag Hunt と Prisoner Dilemma のカノニカルゲーム理論2人プレイヤ非ゼロサムゲームにおける LLM の性能とメリットについて検討する。 GPT-3.5, GPT-4-Turbo, GPT-4o, Llama-3-8Bの構造化評価は, これらのゲームにおいて決定を行う場合, 以下の系統的バイアスの少なくとも1つの影響を受けていることを示す。
  論文  参考訳（メタデータ） (2024-07-05T12:30:02Z)
• 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)
• A Strategic Framework for Optimal Decisions in Football 1-vs-1 Shot-Taking Situations: An Integrated Approach of Machine Learning, Theory-Based Modeling, and Game Theory [0.8206877486958002]
  関連する戦略を定量的に分析することで、意思決定の客観的基盤を提供することができる。 このような重要なシナリオの1つは、フットボールにおけるショットテイクであり、アタッカーがボールを撃つかパスするかといった決定が、ゲームの結果において重要な役割を果たす。 本稿では,ゲーム理論に基づくシナリオ分析のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-27T09:42:25Z)
• Explainable expected goal models for performance analysis in football analytics [5.802346990263708]
  本報告では,2014-15年と2020-21年の7シーズンから315,430発のショットをトレーニングした,欧州サッカーリーグのトップ5のゴールモデルを提案する。 我々の知る限りでは、この論文は、プロファイルを集約した説明可能な人工知能ツールの実用的な応用を実証した最初の論文である。
  論文  参考訳（メタデータ） (2022-06-14T23:56:03Z)
• Leaving Goals on the Pitch: Evaluating Decision Making in Soccer [21.85419069962932]
  機械学習と人工知能(AI)の技術を組み合わせてサッカーにおける意思決定を推論する汎用フレームワークを提案する。 私たちの重要な結論は、チームが少数のチーム固有の場所でペナルティボックスの外からより頻繁にショットした場合、より多くの目標を達成できるということです。
  論文  参考訳（メタデータ） (2021-04-07T16:56:31Z)
• Using Player's Body-Orientation to Model Pass Feasibility in Soccer [7.205450793637325]
  本稿では,サッカーの試合のモノラルな映像から,任意の時間に最も実現可能なパスを推定する計算モデルを提案する。 この方法は、攻撃的な選手の方向(および位置)と相手の空間構成を利用して、同じチームの選手内でのパスイベントの実現可能性を計算する。 その結果、配向を実現可能性尺度として含めることで、ロバストな計算モデルを構築することができ、0.7 Top-3の精度に達することが示されている。
  論文  参考訳（メタデータ） (2020-04-15T17:09:51Z)

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。