1.1 C
Brüssel
Sonntag Dezember 4, 2022

Neue Algorithmen sagen die Spielzüge von Sportmannschaften mit 80 % Genauigkeit voraus

HAFTUNGSAUSSCHLUSS: Die in den Artikeln wiedergegebenen Informationen und Meinungen sind die derjenigen, die sie angeben, und es liegt in ihrer eigenen Verantwortung. Die Veröffentlichung in der European Times bedeutet nicht automatisch die Billigung der Meinung, sondern das Recht, sie zu äußern.

Mehr vom Autor

Neue Algorithmen können die Aktionen von Volleyballspielern im Spiel mit einer Genauigkeit von über 80 % vorhersagen. Jetzt arbeitet das Cornell Laboratory for Intelligent Systems and Controls, das die Algorithmen entwickelt hat, mit dem Eishockeyteam von Big Red zusammen, um die Anwendungen des Forschungsprojekts zu erweitern.

Das Herren-Eishockeyteam Big Red repräsentiert die Cornell University und ist ein College-Eishockeyprogramm der National Collegiate Athletic Association Division I. Cornell Big Red nimmt an der ECAC Hockey Conference teil und spielt seine Heimspiele auf der Lynah Rink in Ithaca, New York.

Die Algorithmen sind insofern einzigartig, als sie einen ganzheitlichen Ansatz zur Antizipation von Aktionen verfolgen und visuelle Daten – zum Beispiel, wo sich ein Athlet auf dem Platz befindet – mit impliziteren Informationen wie der spezifischen Rolle eines Athleten im Team kombinieren.

„Computer Vision kann visuelle Informationen wie die Trikotfarbe und die Position oder Körperhaltung eines Spielers interpretieren“, sagte Silvia Ferrari, die die Forschung leitete. Sie ist John-Brancaccio-Professorin für Maschinenbau und Luft- und Raumfahrttechnik. „Wir verwenden diese Echtzeitinformationen immer noch, integrieren aber versteckte Variablen wie Teamstrategie und Spielerrollen, Dinge, die wir als Menschen ableiten können, weil wir Experten in diesem bestimmten Kontext sind.“

Ferrari und die Doktoranden Junyi Dong und Qingze Huo trainierten die Algorithmen, um aus dem Anschauen von Spielen auf verborgene Variablen zu schließen – auf die gleiche Weise, wie Menschen ihr Sportwissen erwerben. Die verwendeten Algorithmen Maschinelles Lernen um Daten aus Videos von Volleyballspielen zu extrahieren und diese Daten dann zu verwenden, um Vorhersagen zu treffen, wenn eine neue Reihe von Spielen gezeigt wird.

Im Cornell's Laboratory for Intelligent Systems and Controls entwickelte Algorithmen können die Aktionen von Volleyballspielern im Spiel mit einer Genauigkeit von mehr als 80 % vorhersagen, und jetzt arbeitet das Labor mit dem Eishockeyteam von Big Red zusammen, um die Anwendungen des Forschungsprojekts zu erweitern.

Die Ergebnisse wurden in der Zeitschrift veröffentlicht ACM-Transaktionen zu intelligenten Systemen und Technologien am 22. September und zeigen, dass die Algorithmen mit einer durchschnittlichen Genauigkeit von fast 85 % auf die Rollen der Spieler schließen können – zum Beispiel einen defensiven Passer von einem Blocker unterscheiden – und mehrere Aktionen über eine Sequenz von bis zu 44 Frames mit einem vorhersagen können durchschnittliche Genauigkeit von mehr als 80 %. Die Aktionen umfassten Spiken, Setzen, Blockieren, Laufen, Graben, Hocken, Stehen, Fallen und Springen.

Maschinelles Lernen ist eine Technik, bei der Computer verwendet werden, um Muster in riesigen Datensätzen zu erkennen und dann Vorhersagen auf der Grundlage dessen zu treffen, was der Computer aus diesen Mustern lernt. Dies macht maschinelles Lernen zu einer spezifischen und engen Art der künstlichen Intelligenz.

Ferrari stellt sich Teams vor, die die Algorithmen verwenden, um sich besser auf den Wettbewerb vorzubereiten, indem sie sie mit vorhandenem Spielmaterial eines Gegners trainieren und ihre Vorhersagefähigkeiten nutzen, um bestimmte Spielzüge und Spielszenarien zu üben.

Ferrari hat ein Patent angemeldet und arbeitet derzeit mit dem Eishockeyteam Big Red an der Weiterentwicklung der Software. Unter Verwendung von Spielmaterial, das vom Team bereitgestellt wurde, entwerfen Ferrari und ihre Doktoranden unter der Leitung von Frank Kim Algorithmen, die Spieler, Aktionen und Spielszenarien autonom identifizieren. Ein Ziel des Projekts ist es, beim Annotieren von Spielen zu helfen Film, was eine mühsame Aufgabe ist, wenn sie manuell von Teammitarbeitern durchgeführt wird.

„Unser Programm legt großen Wert auf Videoanalyse und Datentechnologie“, sagte Ben Russell, Leiter der Eishockeyabteilung des Herrenteams von Cornell. „Wir suchen ständig nach Möglichkeiten, uns als Trainerstab weiterzuentwickeln, um unseren Spielern besser dienen zu können. Ich war sehr beeindruckt von der Forschung, die Professor Ferrari und ihre Studenten bisher durchgeführt haben. Ich glaube, dass dieses Projekt das Potenzial hat, die Art und Weise, wie Teams lernen und sich auf den Wettbewerb vorbereiten, dramatisch zu beeinflussen.“

Junyi Dong - Neue Algorithmen sagen die Spielzüge von Sportmannschaften mit 80 % Genauigkeit voraus
Doktorandin Junyi Dong arbeitet mit ihren Kolleginnen und Doktoranden in ihrem Labor in Upson Hall.

Über den Sport hinaus birgt die Fähigkeit, menschliche Handlungen zu antizipieren, laut Ferrari ein großes Potenzial für die Zukunft der Mensch-Maschine-Interaktion. Sie sagte, dass verbesserte Software autonomen Fahrzeugen helfen kann, bessere Entscheidungen zu treffen, Roboter und Menschen in Lagern näher zusammenbringen und sogar Videospiele unterhaltsamer machen kann, indem sie die künstliche Intelligenz des Computers verbessert.

„Menschen sind nicht so unberechenbar, wie die maschinellen Lernalgorithmen sie derzeit darstellen“, sagte Ferrari, der auch stellvertretender Dekan für campusübergreifende technische Forschung ist, „denn wenn man tatsächlich alle Inhalte berücksichtigt, alle der kontextuellen Hinweise, und Sie beobachten eine Gruppe von Menschen, können Sie viel besser vorhersagen, was sie tun werden.“

Referenz: „A Holistic Approach for Role Inference and Action Anticipation in Human Teams“ von Junyi Dong, Qingze Huo und Silvia Ferrari, 22. September 2022, ACM-Transaktionen zu intelligenten Systemen und Technologien.
DOI: 10.1145 / 3531230
Die Forschung wurde vom Office of Naval Research Code 311 und Code 351 unterstützt, und die Kommerzialisierungsbemühungen werden vom Cornell Office of Technology Licensing unterstützt.

- Werbung -
- Werbung -
- Werbung - spot_img

Muss lesen

Neueste Artikel