LLLMWIKI
ArticleResearch mapReading portalMetadata

Source note · Updated 2026-07-12

TacticAIAn AI Assistant for Football Tactics

A graph-based system for receiver and shot prediction, corner retrieval, and expert-rated tactical refinements from professional tracking data.

#near-cvpr-2025#video-understanding#reasoning#primary-source

一句话结论

TacticAI 在高质量足球 tracking/event 数据之上，用带 $D_2$ 球场反射对称性的 GATv2 预测角球接球者和射门、检索相似战术并生成位置/速度微调；它证明了结构化比赛状态进入专家决策支持的可能性，但不是视频感知系统，也不能外推为羽毛球有效性。

问题定义

输入开角球瞬间 22 名球员的二维位置、速度、身高、体重与队伍关系，回答：谁最先接球、是否形成威胁射门、如何调整一方球员使目标结果概率变化。球飞行、垂直运动与完整时间序列不进入模型。

数据与协议

  • 原始 9,693 次 Premier League 角球；对齐失败剔除 2,517 次，最终 7,176 次。
  • 25 FPS tracking 只取开球时单帧；shot 标签为 1,736 positive / 5,440 negative。
  • 主实验随机 80/20 corner split，同场/同队相似战术可跨集合；补充 temporal 80/20 split 部分缓解该问题，但没有 leave-team/match/league-out。
  • 数据与实现因许可/商业限制不公开，只开放人评和统计分析材料。

方法概述

  • 22-node fully connected graph；GATv2 建模 player-player interactions。
  • 对 identity、水平、垂直和双反射四个视图做 $D_2$ group convolution。
  • Receiver 做 node classification；shot 通过 receiver-conditioned factorization 计算。
  • Conditional VAE 按 shot outcome 生成单方球员位置/速度；另一方固定，预测模型只做事后评分。

关键结果与消融

  • Receiver top-3：最佳 0.782±0.039；temporal split 0.753±0.050。
  • Shot F1：unconditional 0.521±0.027 → receiver-conditioned 0.677±0.036 → 再加 $D_2$ 0.712±0.011。
  • Receiver 消融：CNN 0.364、Deep Sets 0.713、GATv2 0.748、frame averaging 0.780、group convolution 0.782。主要收益来自 set/graph 表示；group convolution 相对 frame averaging 增益很小。
  • 5 名 Liverpool FC 专家对 50 个 refinements 评估，45/50（90%） 经多数票认为更有利；这是专家偏好，不是实战胜率或因果效果。
  • TacticAI retrieval useful-similarity recall 0.59±0.09，raw-feature baseline 0.36±0.10。

成本与可复现性

模型分别在 NVIDIA Tesla P100 上训练；ablation 统一 50,000 steps。论文未报告卡数、wall-clock、能耗或推理延迟。真正门槛是上游专业 tracking/event 数据。代码和输入数据不公开，独立复现受限。

局限或疑问

  • 随机 corner split 可能受同场/同队近重复影响；时间 split 仍不等于跨球队/跨联赛。
  • 单帧 2D 状态不含球轨迹、跳跃、疲劳、朝向或双方动态响应。
  • 生成只调整一方；由同研究 predictor 评估概率变化，不能当作真实反事实。
  • 专家研究仅 5 人、单俱乐部、50 个场景。

对羽毛球四层 pipeline 的价值

对 shuttle tracking → court/3D reconstruction → hit/phase alignment → action quality assessment 四层没有直接感知证据。可借鉴的是结构化图、对称性、temporal split、候选建议的人类盲评；羽毛球必须重新定义 shuttle/contact/stroke state，并先验证前三层。足球角球数字不得外推羽毛球。

深分析与原始材料

  • raw/ingest/2026-04-25-tacticai/analysis.md
  • raw/ingest/2026-04-25-tacticai/paper.pdf
  • raw/ingest/2026-04-25-tacticai/paper-text.md
  • raw/ingest/2026-04-25-tacticai/links.yaml

相关页面

Metadata
{
  "id": "2026-04-25-tacticai",
  "type": "source",
  "title": "TacticAI：足球角球战术预测、检索与条件生成",
  "title_en": "TacticAI: An AI Assistant for Football Tactics",
  "summary_en": "A graph-based system for receiver and shot prediction, corner retrieval, and expert-rated tactical refinements from professional tracking data.",
  "status": "reviewed",
  "created": "2026-04-25",
  "updated": "2026-07-12",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "reasoning",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "venue": "Nature Communications 2024",
  "authors": [
    "Zhe Wang",
    "Petar Veličković",
    "Daniel Hennes",
    "Nenad Tomašev",
    "Laurel Prince",
    "Michael Kaisers",
    "Yoram Bachrach",
    "Romuald Elie",
    "Li Kevin Wenliang",
    "Federico Piccinini",
    "William Spearman",
    "Ian Graham",
    "Jerome Connor",
    "Yi Yang",
    "Adrià Recasens",
    "Mina Khan",
    "Nathalie Beauguerlange",
    "Pablo Sprechmann",
    "Pol Moreno",
    "Nicolas Heess",
    "Michael Bowling",
    "Demis Hassabis",
    "Karl Tuyls"
  ],
  "published_at": "2024-03-19",
  "ingested_at": "2026-04-25",
  "canonical_links": [
    "https://www.nature.com/articles/s41467-024-45965-x",
    "https://www.nature.com/articles/s41467-024-45965-x.pdf",
    "https://doi.org/10.1038/s41467-024-45965-x"
  ],
  "raw_entry": "raw/ingest/2026-04-25-tacticai/",
  "topics": [
    "topics/sports-ai-video-understanding",
    "topics/sports-ai-roadmap",
    "topics/video-understanding"
  ],
  "entities": [
    "entities/sportsmot"
  ],
  "claims": [],
  "questions": []
}