QUT-onderzoekers hebben een algoritme ontwikkeld dat kan voorspellen waar een tennisser de volgende bal zal slaan door de Australian Open-gegevens te analyseren van duizenden schoten door de beste mannelijke tennissers.

Dr. Simon Denman, een Senior Research Fellow met de toespraak, Geluid, Laboratorium voor beeld- en videotechnologie, zei het onderzoek naar het matchplay van Novak Djokovic, Rafael Nadal en Roger Federer zouden kunnen leiden tot nieuwe manieren voor professionele tennisspelers om de bewegingen van hun tegenstander te voorspellen of virtual reality-spellen die de kans bieden om het tegen 's werelds beste spelers op te nemen in een nauwkeurige maar kunstmatige grand slam.

Dr. Denman maakt deel uit van een team van QUT-onderzoekers, inclusief Ph.D. student Tharindu Fernando, Professor Sridha Sridharan en Professor Clinton Fookes, allemaal van de Vision and Signal Processing Discipline bij QUT, die het algoritme heeft gemaakt voor het voorspellen van de volgende slag in tennis met behulp van Hawk-Eye-gegevens van de Australian Tennis Open 2012, aangeboden door Tennis Australia.

De onderzoekers vernauwden hun focus om alleen de shotselectie van Djokovic te bestuderen, Nadal en Federer omdat ze de volledige gegevens hadden om in het systeem in te voeren over hoe de selectie van de spelers veranderde naarmate het toernooi vorderde.

De onderzoekers analyseerden ruim 3400 schoten voor Djokovic, bijna 3500 schoten voor Nadal en bijna 1900 schoten door Federer, het toevoegen van context voor elke opname, zoals of het een terugkeer was, een winnaar of een fout.

"Na ongeveer 1000 schoten, het model heeft een vrij goed idee van wat er aan de hand is, ' zei dokter Denman.

"Er zijn ongeveer drie wedstrijden nodig om de stijl van een speler te bepalen. Als het eenmaal die drie wedstrijden heeft, is het behoorlijk solide."

Dr. Denman zei dat het algoritme de hersenen nabootste van de topspelers die al probeerden het volgende schot van hun tegenstander te voorspellen. Hoewel het kunstmatige intelligente systeem succesvol bleek, de grootste uitdaging was de onvoorspelbaarheid van de speler de grootste aller tijden.

"We hebben geanalyseerd hoe nauwkeurig het is voor die drie topspelers - Djokovic, Nadal en Federer, ' zei dokter Denman.

"En het was het minst nauwkeurig voor Federer, wie is misschien wel de meest veelzijdige. Het kostte hem het meeste moeite om hem te voorspellen. Hij kan alles, dus het model had vaker ongelijk over hem.

"Gezien hoe moeilijk het spel van Federer is om te voorspellen, het draagt ​​alleen maar bij aan de eer van iemand als Stefanos Tsitsipas die afgelopen weekend een overwinning behaalde op Federer in de Australian Open."

Het machine learning-systeem, een semi-gesuperviseerde generatieve Adversarial Network-architectuur genoemd, houdt rekening met wanneer in de wedstrijd een punt wordt gespeeld, omdat de selectie van het schot dat een speler in de eerste set van 40 liefdes mag maken, heel anders is dan het schot dat hij zou kunnen raken terwijl hij worstelde om diep in de vijfde set in de wedstrijd te blijven.

Het systeem kan in 30 seconden ongeveer 1000 schoten voorspellen.

"We trainen het model op volgorde, zodat het het schot van de eerste ronde ziet, naar de tweede en derde ronde – dus het bouwt voort op ervaringen zoals een mens doet, ' zei dokter Denman.

"We proberen na te bootsen wat we denken wat het brein van de tennisser zou kunnen doen."

Om het systeem te leren denken als een speler, de onderzoekers creëren twee vormen van geheugen en een manier voor hen om samen te werken bij het nemen van een beslissing. "Er is een episodisch geheugen en er is een semantisch geheugen, ' zei dokter Denman.

"Episodisch geheugen is in feite individuele herinneringen. Het is in staat om terug te gaan en elke individuele beroerte en wat er is gebeurd te herinneren.

"Semantisch geheugen is veel abstracter. Het zijn de algemene lessen die van velen zijn geleerd, veel, veel gevallen van het episodisch geheugen.

"Vervolgens werken die twee herinneringen samen met een input-stimulus. Ze halen elk iets relevants uit hun eigen herinneringen en gebruiken dat om de voorspelling van wat er gaat gebeuren te versterken.

"Het episodisch geheugen kan naar de input kijken en zeggen:'Ik heb zulke shots hier gezien, hier en hier - hier is iets nuttigs'. Het semantische geheugen zegt 'we moeten naar dat deel van de rechtbank gaan, want dat is een goede tactiek'.

"Dat helpt dan om de outputgeneratie te sturen."

Dr. Denman zei dat hij denkt dat topspelers over minder dan tien jaar dit soort technieken kunnen gebruiken om het spel van een opkomende tegenstander te bestuderen.

"Als je het model eenmaal helemaal hebt getraind, je kunt gewoon willekeurige voorbeelden invoeren en je kunt naar verschillende wedstrijdscenario's gaan kijken, " hij zei.

Het systeem, gegeven de gegevens over een bepaalde speler, kon voorspellen hoe die speler de bal op het breekpunt zou raken als een serveerder langs de lijn of wijd zou gaan. Het kan ook de waarschijnlijkheid voorspellen dat een bepaalde speler een tegenstander aan het net zal proberen te verslaan door een lob te raken of een schot door te geven - en hoe die schotselectie in verschillende stadia van een wedstrijd kan veranderen.

De QUT-onderzoekers hebben vergelijkbare trajectstudies gedaan die waarschijnlijke resultaten voorspellen in gebieden die zo divers zijn als hoe piloten hun vliegtuigen vliegen naar de routes die voetgangers waarschijnlijk door hun buurt zouden lopen. Dit onderzoek dat de volgende shotlocatie in tennis voorspelt, wordt momenteel door vakgenoten beoordeeld voor publicatie.

Dr. Denman zei dat tennis bijzonder geschikt is voor dit soort baanonderzoek, gezien de beperkingen van de baangrootte en de spelregels.

"Dit voorbeeld hier is een enkele baan met de bal, maar er is geen reden waarom deze technieken niet zouden kunnen worden toegepast op teamsporten zoals voetbal, waarbij je elke zanger van beide kanten volgt, ' zei dokter Denman.

"Sport is in die zin goed voor elk soort machine learning-probleem, omdat je al deze beperkingen en regels hebt over wat er kan gebeuren, wat sommige problemen kan vereenvoudigen in vergelijking met andere domeinen."