通过体验背景和布朗运动进行羽毛球选手的离线仿真行为
原文中文，约500字，阅读约需2分钟。发表于：。提出了一种新的用于模拟羽毛球运动员行为的层次化离线模仿学习模型 RallyNet，它能够捕捉决策依赖关系，并通过引入几何布朗运动（GBM）来模拟球员之间的交互，提供了对体育分析的交互模型的理解，验证结果表明 RallyNet 在模仿球员行为方面优于离线模仿学习方法和现有的逐回合方法，规则化代理得分至少比它们高出 16% 以上，并且讨论了 RallyNet 的各种实际应用案例。
本研究提出了一种基于Shapley值变体的羽毛球回合制特征归因方法，用于分析羽毛球中的预测模型。该方法能够量化时间和球员方面的贡献，并揭示了过去击球推理的无关性和球员风格对未来模拟比赛的影响。同时，还进行了因果分析和实用性展示。
