![研究背景
ロボカップとは
ロボカップとは
ロボット工学と人工知能の融合・発展を目的
エージェントの協調行動の強化のためのテストベット
ロボカップサッカー
ロボカップサッカー 支配タイプ [A.Tenaga et al 2009]
支配タイプ [A.Tenaga et al 2009]
突出した能力の 実サッカーを対象とした、
エージェントがいない 相反する攻撃の表現方法
カウンターアタック（速攻）
どのような協調行動かが重要 ポゼッションサッカー（遅攻）
セットプレー
協調行動の分析手法が その他（時間稼ぎなど）
確立されていない
ログファイルからの自動検出
実サッカーにおける支配タイプに
基づく分析手法の構築](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recomendados
Mais conteúdo relacionado
Mais procurados
Mais procurados (20)
Destaque
Mais de harmonylab
Mais de harmonylab (20)
Kobayashi b
- 1. 卒業論文発表 ロボカップシミュレーション における支配タイプの検出 Detection of Possession Type in RoboCup Soccer Simulation 北海道大学 工学部 情報エレクトロニクス学科 複雑系工学講座 調和系工学研究室 Ｂ４ 小林佑輔
- 2. 研究背景 ロボカップとは ロボカップとは ロボット工学と人工知能の融合・発展を目的 エージェントの協調行動の強化のためのテストベット ロボカップサッカー ロボカップサッカー 支配タイプ [A.Tenaga et al 2009] 支配タイプ [A.Tenaga et al 2009] 突出した能力の 実サッカーを対象とした、 エージェントがいない 相反する攻撃の表現方法 カウンターアタック（速攻） どのような協調行動かが重要 ポゼッションサッカー（遅攻） セットプレー 協調行動の分析手法が その他（時間稼ぎなど） 確立されていない ログファイルからの自動検出 実サッカーにおける支配タイプに 基づく分析手法の構築
- 3. カウンターアタック カウンターアタックの状況というものが一般的に曖昧 [A.Tenga et al 2009]が考えるカウンターアタック [A.Tenga et al 2009]が考えるカウンターアタック Counter attack (“direct play”): starts by winning the ball in play and progresses by either a) utilizing or attempting to utilize a degree of imbalance from start to the end, or b) creating or attempting to create a degree of imbalance from start to the end by using early (i.e. 1st or 2nd, evaluated qualitatively) penetrative pass or dribble. Utilizing degree of imbalance means seeking penetration in such a way that a defending team fails to regain high degree of balance from start to the end of team possession. Counter attacks progress relatively fast. 相手の守備の崩れを利用すること [アンチェロッティの戦術ノート 2010]によると [アンチェロッティの戦術ノート 2010]によると 少ない人数での攻撃 過半数での攻撃は少人数とは言えないと考え、今回は５人以下とする その他の様々な文献から その他の様々な文献から 敵陣へのボール運び
- 4. 実サッカーにおける支配タイプの分類 Developing a New Method for Team Match Performance Analysis in Professional Soccer and Testing its Reliability [A.Tenga et al 2009] 実サッカーにおける、新たな分析手法の提案 支配タイプの分類 支配タイプの分類 2人の観測者が200個のサンプルを分類 両者の間で分類結果に差 観測者が目視で分類
- 5. 目的 従来手法 結果・経過 の確認 効率的に 目視 手間 チームとしての行動 検出器 プレイヤー エージェント の設計 （コーディング） 模倣 トレーナ エージェントを 使用 ---- ---- ログファイル ---- 個別の ------ ------ ------ シチュエーション ------ ------ ------ ------ ------ ------
- 6. アプローチ 学習データの作成 特徴量の検討 検出器の構築 Aチーム Bチーム ・ ・ ・ ・ ・ ・ ・ カウンター ・ ・ 特徴量 ・ ボールを奪取 アタック ・ ・ カウンターアタック ボールを奪取 特徴量 ポゼッションサッカー ボールを奪取 セットプレー 特徴量 ボールを奪取 ポゼッションサッカー ボールを奪取 特徴量 ポゼッションサッカー ボールを奪取 カウンターアタック 特徴量 その他の 支配タイプ 支配タイプ 特徴量 チーム ・ ポゼッション ・ ・ SVM 分析
- 7. 学習データの作成 実サッカー上の文献や書籍の記述をもとに決定 相手の守備の崩れを利用すること 少ない人数での攻撃 敵陣へのボール運び 51個のログデータ ------ ------ ------ 観測者の 抽出 目視 ------ ------ カウンター ------ ------ ------ ------ ---- アタック ------ ------ ------ 学習データ：計30個 ------ ---- ---- ------ ------ カウンターアタック（正例） ⇒ 15個 ------ ---- ---- 抽出 ------ ------ ------ ------ その他の支配タイプ（負例） ⇒ 15個 ------ ------ ---- ------ ログデータ ------ ------------ ------ ------ ------ ------------ その他の ------ ------ ------ 支配タイプ ------ ------------ 抽出 ------ ------ ------ 全72試合のログファイル 125個のログデータ
- 8. ロボカップサッカーのログファイル .rcl クライアントからサーバへ送られたコマンド .rcg ボールの情報 位置（絶対座標） 速度 本研究で使用 エージェント 所属チーム・背番号 の情報 位置（絶対座標） 速度 視野角 スタミナに関するパラメータ 向いている方向 送ったコマンド（回数）
- 9. 特徴量の分析手法 RoboCup 2009 Simulation 2D First Round & Second Round カウンターアタックのログデータ ： 51個 他の支配タイプのログデータ ： 125個 ボ ー (１) ボールの移動距離 カウンターアタックの ル 性質を考え、(2)を選ぶ の 移 動 (２) 単位時間当たりのボールの移動距離 攻 守 (３) [Huberto 2008]のフォーメーション判別手法 (４)の方がよく の 特徴が現れる 崩 (４) 異方性評価指標を用いたフォーメーション分析 れ 手法(２) + 手法(４)
- 10. ボールに関する特徴量 ボールの移動距離 ボールの移動距離 X1 − X2 X1：チームポゼッション開始時のゴールとの距離 X2：チームポゼッション終了時のゴールとの距離 単位時間当たりのボールの移動距離 単位時間当たりのボールの移動距離 X1 − X2 その他の カウンター t 支配タイプ アタック その他の 0.25 支配タイプ 0.3 カウンター 0.25 アタック 0.2 ボ 確 0.2 ボ単 確 ー 率 ー位 率 0.15 ル 分 0.15 ル時 分 の 布 0.1 の間 布 0.1 移 移あ 動 0.05 動た 0.05 距 0 距り 離 20 ～ 30 0 ～ 10 60 ～ 70 40 ～ 50 100 ～ 110 140 ～ 150 80 ～ 90 120 ～ 130 160 ～ 170 離の 0 0.2 ～ 0.3 0.6 ～ 0.7 1 ～ 1.1 1.4 ～ 1.5 0 ～ 0.1 0.4 ～ 0.5 0.8 ～ 0.9 1.2 ～ 1.3 1.6 ～ 1.7 チームポゼッション中のボールの移動距離 チームポゼッション中の単位時間当たりのボールの移動距離 ボールの速度
- 11. Hubertoのフォーメーション判別手法 基本フォーメーションとチームポゼッション終了時 のフォーメーションの方向に基づく類似度 オリジナルからの拡張部分 テンプレートを使用せず 方向に着目した エージェント同士の関係 全エージェントの関係を記述 基本 観測された 類似度S フォーメーション フォーメーション r p1 p2 = 0,1,... , 7 , p1 ≠ p2 ⇒player1とplayer2の関係 r p1 p2 T ： 基本の関係 r p1 p2 O ： 観測された関係 S T , O = 10 11 ∑ ∑ F r p1p2 T , r p1p2 O p1=1 p2= p11 差分の累積 4235611701 ＝ 類似度 4235611770 比較
- 12. 異方性評価指標（ γ ）を用いる [Ballerini et al 2008] , [巻口ら 2010] γ n 各エージェントの位置座標から異方性評価指標（ 値）を計算 適用手法 適用手法 n番目（n=1~10）の近傍エージェント 注目個体iからn番目の近傍エージェント γ n について 値を計算し、差異を見る へ向かう単位ベクトルuを計算 u n i = uixn uiyn uを射影した2×2行列Mの成分を計算 N 1 M αβ = ∑ ui n α ui n β n N i=1 α , β = x , y Mの最小固有値に対応する固有ベクトルW 群れ全体の進行方向を示す単位ベクトルV γ n = W ・V n 2
- 13. フォーメーション検出手法の結果の比較 Hubertoの 異方性評価指標 フォーメーション判別手法 による分析 その他の カウンター その他の その他の 支配タイプ アタック 支配タイプ 支配タイプ 0.35 （攻撃側） （守備側） 0.3 0.3 0.25 異 0.25 方 確 0.2 性 率 0.15 指 0.2 分 標 布 0.1 γ の 0.15 平 0.05 均 0.1 0 値 5 ～１０ １５～２０ ２５～３０ ３５～４０ ５０～５５ ６０～６５ 0.05 0～5 １０～１５ ２０～２５ ３０～３５ ４５～５０ ５５～６０ 65 ～ 70 類似度 0 1 2 3 4 5 6 7 8 9 10 基本 n 番目の近傍 似 フォーメーションと 異 カウンター カウンター アタック アタック （攻撃側） （守備側）
- 14. SVMで使用するデータ 22次元データ 4次元データ プレーに関わったエージェント数 プレーに関わったエージェント数 ボールの速度 ボールの速度 γ １番目の近傍の 値 守 γ ２番目の近傍の 値 備 平均値 側 ・ ・ ・ γ １０番目の近傍の 値 γ １番目の近傍の 値 γ ２番目の近傍の 値 攻 撃 平均値 側 ・ ・ ・ γ １０番目の近傍の 値 γ 値の微小変動の影響が大きい
- 15. 検出結果 実験条件 実験条件 正例 負例 識別率 合計識別率 正例：カウンターアタック 試 counter 18 2 0.90 負例：その他の支配タイプ 行 0.88 1 other 3 17 0.85 カウンターアタックのログデータ ： 51個 試 counter 18 2 0.90 15個抽出 学習用 行 0.83 ランダム 2 other 5 15 0.75 20個抽出 評価用 試 counter 16 4 0.80 行 0.68 その他の支配タイプのログデータ ： 125個 3 other 9 11 0.55 15個抽出 学習用 試 counter 11 9 0.55 ランダム 行 0.68 20個抽出 評価用 4 other 4 16 0.80 試 counter 18 2 0.90 行 0.78 5 other 7 13 0.65 average 0.77 ５試行 counter 0.81 other 0.72
- 16. ある試合における詳細分析 1.200000 1.000000 異 方 性 0.800000 評 価 指 0.600000 標 γ の 0.400000 平 均 値 0.200000 0.000000 1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970 時間経過（チームポゼッション） γ n チーム：DAInamiteの 値の平均値 γ n チーム：NemesisRC09の 値の平均値 ゴール：DAInamite カウンターアタック：DAInamite ゴール：NemesisRC09 カウンターアタック：NemesisRC09
- 17. 試合の分析 検出結果 検出結果 RoboCup2009 [ ]内はカウンターアタック PreSemiQuaterFinal によるゴール数 team score counter other team score counter other 3 1 HelliBASH 13 19 DAInamite 14 17 [2] [0] 0 4 Fifty-Storms09 12 19 NemesisRC09 14 25 [0] [2] team score counter other team score counter other 3 5 OxBlue09 6 36 WrightEagle 7 17 [2] [2] 0 0 KickOffTUG 5 21 FCPortugal 7 28 [0] [0]
- 18. まとめ ● 学習データの作成手法を示した ● どのような特徴量をとるか検討した ● ログデータからカウンターアタックに分類されるものを抽出し、 検討した特徴量 – プレーに関わったエージェント数 – 単位時間当たりのボールの移動距離（ボールの速度） – 攻撃側チームの γ n 異方性評価指標 の平均値 – 守備側チームの を基にSVMを用いた検出器を構築した ● 77％の検出率となった 展望・課題 カウンターアタック以外の支配タイプについても検出方法を検討し、 試合結果への影響を考える
- 20. 以下、おまけ資料
- 21. 3.000000 DAInamite の異方性指標 NemesisRC09 の異方性指標 ゴール（ DAInamite ） 2.500000 counter(DAInamite) counter(NemesisRC09) 異 ゴール（ NemesisRC09 ） 方 単位時間当たりのボールの移動距離 性 指 2.000000 標 の 平 均 値 1.500000 o r 1.000000 ボ ー ル の 移 0.500000 動 距 離 0.000000 1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970 -0.500000 チームポゼッション （試合の進行 ⇒ ）
- 23. アプローチ チームポゼッション チームポゼッション サッカーの試合を分析する上での基本構成 チームがボールを得た（奪った）ときから、 １）ボールがフィールド外に出るまで ２）敵プレイヤーにボールを奪われるまで ３）ルール違反をするまで 試合 Aチーム Bチーム 時間 ・ ・ ・ ・ ・ ・ チーム ・ ・ ボールを奪取 ・ カウンターアタック ポゼッション ボールを奪取 ポゼッションサッカー ボールを奪取 セットプレー ボールを奪取 ポゼッションサッカー 支配タイプ ボールを奪取 ポゼッションサッカー ボールを奪取 カウンターアタック
- 24. ボールの移動距離① ボールの移動距離 ボールの移動距離 α 敵陣ゴールの中心との距離 β （α ー β ） ショートカウンター と ロングカウンター の影響は？ チームポゼッション中の移動距離 チームポゼッション中の移動距離 root A ＝ root A' チームポゼッションの時間 チームポゼッションの時間 root A ＜ root A' 単位時間の移動距離に注目
- 25. フォーメーション判別１－① 使用する手法 フォーメーションの 使用する手法 崩れ具合は？ [Huberto 2009]のフォーメーション判別手法を使用 選手同士の関係 テンプレート 現在の フォーメーション ・ ・ ・ ・ ・ 類似度＝？ ・ ・ ・ 1675775071007010710710 ・ ・ ・・・・ 比較 ・・・・ 6666666071717100710710
- 26. Hubertoのフォーメーション判別 定義 定義 Hubertoの手法を 若干変更 r p1 p2 = 0,1,... , 7 , p1 ≠ p2: player１とplayer２の関係 r p1 p2 T ： 最初に記憶しておいた関係 r p1 p2 O ： 逐次観測された関係 一致するとき、 10 11 類似度は0 S T , O = ∑ ∑ F r p1p2 T , r p1p2 O p1=1 p2= p11 0 ≤ F ≤4 全選手の関係について 実験 実験 試合開始時に記録 基本フォーメーションと チームポゼッション終了時の フォーメーションの類似度 結果 結果 差別化できるほどの差異がない 平均値 counter : 30.20 , other : 30.16
- 27. カウンターアタックの定義 定義 定義 カウンターアタックに明確な定義が存在しない 複数の文献や書籍の記述をもとに、定義する ・少ない人数による攻撃 プレーに携わる人数が５人以下 ・フィールドのどこからでも、 ボールを奪って素早く攻める ・できるだけ少ないタッチ数 前へのボール運び ・５人以下を指す場合が多い ・前への意識的なボール運び 相手の守備が整っていない ・ボールを奪った後、敵が守備 の準備を整える前に攻める （敵のアンバランスさ） ・素早いドリブルやパスを使用する
- 28. フォーメーション判別１－③ 原因 原因 １）選手同士の関係を８方向でしか表現していない ２）試合中のフォーメーション変更に対応しにくい ３）ある類似度から一意にフォーメーションが決まるわけではない 選手同士の位置関係を より詳細に数値化しなければならない
- 29. フォーメーション判別２－④ 支配タイプによるフォーメーションの広がり 支配タイプによるフォーメーションの広がり 試 合 開 始 時 カ ポ ウ ゼ ン ッ タ シ ョ ー ン ア サ タ ッ ッ カ ク ー
- 30. フォーメーション判別２－② 異方性指標 γ値の計算 異方性指標 γ値の計算 サッカーなので、 個体同士の関係は 二次元で使用 単位ベクトルで表現 選手同士の関係 ｃ番目の 近傍個体 c 注目個体iからn番目の近傍 へのベクトル u A C 個体へ向かう単位ベクトル c b uA ≠ uA A u b uixn A B uin = ｂ番目の 近傍個体 uiyn へのベクトル N uを射影した 1 2×2行列Mの成分 M n αβ = N ∑ ui n α ui n β , α , β = x , y i=1 Mの最小固有値に対応する固有ベクトルW 群れ全体の進行方向を示す単位ベクトルV 0 γ n 1 n番目近傍個体に関するγ値 γ n = W n ・V 2 弱 異方性 強
- 31. Hubertoのフォーメーション判別 実験 実験 試合開始時に記録 Hubertoの手法を 基本フォーメーションとチームポゼッション終了時 若干変更 のフォーメーションの類似度 結果 結果 差別化できるほどの差異がない 平均値 counter : 30.20 , other : 30.16 基本 似 フォーメーションと 異
- 32. フォーメーション判別２－① 空間対称性 使用する手法 使用する手法 異方性の創発 の破れ [Balleriniら 2008]がムクドリの実測データから、群れの進行方向の 前後で近傍個体の密度が極端に低くなることを明らかに 異方性指標（γ値）を利用 近傍個体の密度 群れの進行方向と 近傍個体の成す角を 緯度と経度で計測 角度分布図
- 33. 確率分布図 フォーメーション判別２－④ カ 0.9 0.9 カ ウ ウ ン ン タ タ ー ー ア ア タ タ ッ ッ ク ク （ 攻 （ 守 撃 備 側 0.0 0.0 側 ） ） カ カ ウ 0.45 0.4 ウ ン ン タ タ ー ー ア ア タ タ ッ ッ ク ク 以 以 外 外 （ （ 攻 守 撃 備 側 0.0 0.0 側 ） ）
- 34. フォーメーション判別２－⑤ 確率分布図 区分を詳細に、かつ、一つの近傍に注目 区分を詳細に、かつ、一つの近傍に注目 0.05毎 0.01毎 0.800 0.450 0.400 0.700 0.350 0.600 0.300 probability distribution probability distribution 0.500 0.250 0.400 0.200 0.300 0.150 0.200 0.100 0.100 0.050 0.000 0.000 0.04 ～ 0.05 0.12 ～ 0.13 0.20 ～ 0.21 0.28 ～ 0.29 0.1 ～ 0.15 0.3 ～ 0.35 0.5 ～ 0.55 0.7 ～ 0.75 0.9 ～ 0.95 0.00 ～ 0.01 0.08 ～ 0.09 0.16 ～ 0.17 0.24 ～ 0.25 0 ～ 0.05 0.2 ～ 0.25 0.4 ～ 0.45 0.6 ～ 0.65 0.8 ～ 0.85 anisotropy tactor γ anisotropy tactor γ カウンターアタック（攻撃側） カウンターアタック以外（攻撃側） カウンターアタック（守備側） カウンターアタック以外（守備側）
- 35. カウンターアタックの検出① SVMで使用する4次元データ SVMで使用する4次元データ 各チームポゼッション中の・・・・・・ 22次元データ 4次元データ １） プレーに関わった選手数 １） プレーに関わった選手数 ２） ボールの移動距離（単位時間） ２） ボールの移動距離（単位時間） ３） 守備側の1番目近傍のγ値 ３） 守備側の1番目~10番目近傍の ・ ? γ値の平均値 ・ ４） 攻撃側の1番目~10番目近傍の ・ 12） 守備側の10番目近傍のγ値 γ値の平均値 13） 攻撃側の1番目近傍のγ値 ・ ・ ・ 22） 攻撃側の10番目近傍のγ値 フォーメーションに影響を受ける特徴量が20個 選手数やボールよりもフォーメーションの方が結果に大きく影響？
- 36. カウンターアタックの検出② 22次元データ 4次元データ 正例 負例 正答率 合計正答率 正例 負例 正答率 合計正答率 1 counter 18 2 0.90 0.60 1 counter 18 2 0.90 0.88 other 14 6 0.30 other 3 17 0.85 2 counter 15 5 0.75 0.68 2 counter 18 2 0.90 0.83 other 8 12 0.60 other 5 15 0.75 3 counter 8 12 0.40 0.53 3 counter 16 4 0.80 0.68 other 7 13 0.65 other 9 11 0.55 4 counter 15 5 0.75 0.50 4 counter 11 9 0.55 0.68 other 15 5 0.25 other 4 16 0.80 5 counter 18 2 0.90 0.65 5 counter 18 2 0.90 0.78 other 12 8 0.40 other 7 13 0.65 a 0.59 a 0.77 v v e e r counter 0.74 r 0.81 4次元データ a other 0.44 a 0.72 g g e e
- 37. SVMの使用理由 他のパターン認識手法との違い マージン最大化 統計的に学習データを考える 学習データは全て正しく認識 標本サイズが小さい ・求められた統計量の分布型は不正確なことが多い ・パラメトリックな手法を適用することは不適切になりやすい ⇒ ノンパラメトリックな手法を
- 38. 特徴量 Direction of play Direction of play
- 39. ゴールデータ ● RoboCup2009世界大会 ● First・SecondRoundの全72試合 ● 総ゴール数：436 ● カウンターアタックによるゴール数：53 ⇒ 全ゴールの約12％に該当 Group ゴール数 Group ゴール数 A 26 E 26 B 84 F 122 C 67 G 63 D 26 H 22
- 40. 資料 ロボカップの目標 ロボカップの目標 ● 「西暦2050年のサッカーW杯で優勝した人間のチームに勝て る、自律型ロボットのチームを作る」 ことを目標に掲げたランドマーク・プロジェクト ● 目標達成の過程で生じる研究課題や成果によって、関連技術 を促進させる ロボカップシミュレーションの2Dリーグ ロボカップシミュレーションの2Dリーグ ● １チーム１１選手と１コーチ ● 勝利を目指すためには状況に応じた戦術や、試合結果の細か な分析が必要だと考えられる
- 41. 資料 エージェントの協調行動の強化 エージェントの協調行動の強化 ● 単一のエージェントでは困難な問題を、 複数のエージェントが協調して行動する ことで解決を図る ● より多くの問題を解決できるシステムが 出来上がる可能性がある
- 42. Developing a New Method for Team Match Perfoermance Analysis in Professional Soccer and Testing its Reliability ● 支配タイプ ● スキル（ドリブル成功、壁パス、など） ● 遅攻のはじめ方 ● スペースの利用 ● セットプレーの始め方 ● ボール支配率 ● 攻撃のスタート地点（縦） ● センタリングパス（性質） ● 攻撃のスタート地点（サイド） ● キーパーに関して ● 攻撃の直前の敵の支配レベル ● 奪われてもすぐに奪い返す （チャンスだったかなど） ● プレッシャー ● 自チームのボール支配時のパス回数 ● バックアップ ● ボールタッチの回数 ● カバー ● パスの長さ ● ボール支配の結果 ● 敵ゴールに向かったり敵を追い越す パスの回数 ● 敵ゴールに向かったり敵を追い越す ドリブルの回数
- 43. SoccerScope2 ● ゴール回数 ● ボール支配率 ● シュート本数 ● パス成功回数 ● ドリブル回数 ● パスミス回数 ● ゴールキーパーキャッチ回数 ● ボールロスト回数 ● ゴールキック回数 ● 平均パス受け位置 ● オフサイド回数 ● 前線３人の平均パス受け位置 ● バックパス回数 ● 平均パス長 ● コーナーキック回数 ● 平均パス速度 ● フリーキック回数 ● 最大パス連鎖回数 ● フリーキックミス回数 ● 平均ボール位置 ● キックイン回数