Zespó? badaczy z Uniwersytetu Stanforda wypracowa? nowatorski model wirtualizacji rozgrywek sportowych przy wykorzystaniu technologii uczenia maszynowego. Naukowcy wyszkolili algorytmy do rozpoznawania indywidualnego stylu gry zawodników i skorelowali pozyskane dane z systemem graficznej reprezentacji ruchu. Dzi?ki temu stworzyli oprogramowanie zdolne automatycznie generowa? przebieg meczów z udzia?em dowolnych zawodników.
– Przedstawiamy system konwertuj?cy nagrania z meczów tenisowych na interaktywne sprite’y , które zachowuj? si? i wygl?daj? jak zawodowi gracze w tenisa. Nasze podej?cie opiera si? na teksturach wideo i wykorzystuje wiedz? na temat cyklicznej struktury wymian tenisowych do generowania przej?? pomi?dzy klipami oraz akceptowania sygna?ów wej?cia na potrzeby sterowania kluczowymi parametrami rozgrywki – t?umaczy Haotian Zhang z Uniwersytetu Stanforda.
Nadrz?dnym celem zespo?u z Uniwersytetu Stanforda by?o dog??bne zbadanie charakterystyki gry poszczególnych zawodników i nauczenie sztucznej inteligencji, jak reaguj? na zagro?enie p?yn?ce ze strony konkretnych przeciwników. W tym celu wykorzystano technologi? uczenia maszynowego do przeanalizowania tysi?cy zagra? ka?dego ze sportowców i znalezienia ich modelowych zachowa? podczas rozgrywki.
W trakcie szkolenia algorytmu pod uwag? wzi?to trzy kluczowe parametry – przygotowanie si? zawodnika do odbioru pi?ki, sposób uderzenia oraz zaj?cie pozycji po rozegraniu. Zebrane dane poddano nast?pnie analizie przy wykorzystaniu systemu sztucznej inteligencji Vid2Player. Jego zadaniem by?o odnalezienie wzorców zachowa?, które w pó?niejszej fazie bada? pos?u?y?y do wirtualizacji zachowania graczy.
– Wykorzystali?my dane z archiwum wideo do modelowania pozycji zawodnika na korcie i decyzji dotycz?cych wyboru zagra? podczas zdobywania punktów. U?ywamy tych modeli behawioralnych do wybierania klipów wideo, które odzwierciedlaj? dzia?ania, jakie prawdziwy gracz móg?by podj?? w danej sytuacji meczowej, oddaj?c w ten sposób realizm wymian na poziomie makro, a nie tylko indywidualnych ruchów – podkre?la Haotian Zhang.
Zastosowanie sztucznej inteligencji w procesie szkoleniowym pozwoli?o wypracowa? w pe?ni zindywidualizowane modele zachowa? graczy. System nauczy? si?, ?e Novak Djokovic zazwyczaj podaje na s?absz? stron? przeciwnika, a Roger Federer podczas oczekiwania na pi?k? trzyma si? bli?ej linii ko?cowej ni? Rafael Nadal.
Pozyskanie tak szczegó?owych danych pozwoli?o pój?? o krok dalej i przeprowadzi? symulowan? rozgrywk? pomi?dzy dowolnymi zawodnikami, nawet tymi, którzy nigdy nie spotkali si? na korcie. Naukowcy w trakcie testów przeprowadzili pokazowy mecz dwóch Rogerów Federerów i symulowali starcie Szwajcara z Seren? Williams. Wirtualne awatary graczy odpowiada?y na swoje zagrania na podstawie modelu predykcyjnego wypracowanego w procesie uczenia maszynowego.
– Zdaniem do?wiadczonych tenisistów wymiany generowane przy u?yciu naszego systemu s? znacznie bardziej realistyczne pod wzgl?dem zachowania gracza ni? metody sprite’ów wideo, które uwzgl?dniaj? tylko jako?? przej?? podczas syntezy wideo – przekonuje badacz.
Proces analizy i przetwarzania danych wypracowany przez zespó? z Uniwersytetu Stanforda pozwoli? tak?e wprowadzi? interaktywne elementy do transmisji i wybiera? punkty zagrania oraz cofni?cia si? po odebraniu pi?ki. Tym samym stworzono podwaliny systemu, który mo?e zosta? wykorzystany przez twórców gier komputerowych na potrzeby stworzenia realistycznego symulatora tenisa, modeluj?cego zachowanie wirtualnych awatarów zawodowych sportowców zgodnie z historycznymi danymi wizualnymi.
