匹配点人工智能:评估数据驱动网球策略的新型人工智能框架
原文中文,约300字,阅读约需1分钟。发表于: 。本研究针对现有体育游戏框架的不足,提出了网球比赛模拟环境“匹配点人工智能”。该框架通过演示如何在其中使用蒙特卡洛树搜索(MCTS)来优化网球击球方向选择问题,展示了其能力。初步实验表明,模拟的比赛数据与真实数据具有现实特征,并提出了合理的击球策略,类似于真实网球比赛中的策略。
我们提出了一种基于Transformer解码器的模型SportsNGEN,通过训练运动员和球的追踪序列,能够生成逼真且持续的游戏场景。该系统能够模拟整个网球比赛,并可定制为特定选手。此外,还可以为教练和广播人员提供见解。类似的方法也适用于足球。