Los investigadores de QUT han desarrollado un algoritmo que puede predecir dónde golpeará un jugador de tenis la próxima pelota analizando los datos del Abierto de Australia de miles de tiros de los mejores tenistas masculinos.

Dr. Simon Denman, un investigador senior con el discurso, Audio, Laboratorio de Tecnología de Imagen y Video, dijo la investigación sobre el match play de Novak Djokovic, Rafael Nadal y Roger Federer podrían conducir a nuevas formas para que los tenistas profesionales predigan los movimientos de sus oponentes o los juegos de realidad virtual, ofreciendo la oportunidad de enfrentarse cara a cara con los mejores jugadores del mundo en un grand slam preciso pero artificial.

El Dr. Denman es parte de un equipo de investigadores de QUT, incluyendo Ph.D. estudiante Tharindu Fernando, Profesora Sridha Sridharan y Profesora Clinton Fookes, todo de la disciplina de procesamiento de señales y visión en QUT, quien creó el algoritmo para predecir el próximo golpe en el tenis utilizando datos de Hawk-Eye del Abierto de Tenis de Australia de 2012, proporcionado por Tennis Australia.

Los investigadores limitaron su enfoque para estudiar solo la selección de tomas de Djokovic, Nadal y Federer porque tenían los datos completos para ingresar al sistema sobre cómo cambiaba la selección de tiros de los jugadores a medida que avanzaba el torneo.

Los investigadores analizaron más de 3400 disparos de Djokovic, casi 3500 tiros de Nadal y casi 1900 tiros de Federer, agregar contexto para cada toma, como si se trataba de una devolución, un ganador o un error.

"Después de aproximadamente 1000 disparos, el modelo tiene una idea bastante clara de lo que está sucediendo, "Dijo el Dr. Denman.

"Se necesitan alrededor de tres partidos para descubrir el estilo de un jugador. Una vez que tiene esos tres partidos, es bastante sólido".

El Dr. Denman dijo que el algoritmo imitaba los cerebros de los mejores jugadores que ya estaban tratando de predecir el próximo tiro de su oponente. Si bien el sistema de inteligencia artificial resultó exitoso, su mayor desafío fue la imprevisibilidad del jugador, el más grande de todos los tiempos.

"Tuvimos un análisis de cuán preciso es para esos tres mejores jugadores:Djokovic, Nadal y Federer, "Dijo el Dr. Denman.

"Y fue menos preciso para Federer, quien es quizás el más versátil. Luchó más para predecirlo. El puede hacer cualquier cosa por lo que el modelo se equivocaba más a menudo con él.

"Dado lo difícil que es predecir el juego de Federer, simplemente se suma al crédito de alguien como Stefanos Tsitsipas, que logró una victoria contra Federer en el Abierto de Australia el fin de semana ".

El sistema de aprendizaje automático denominada arquitectura de Red Adversarial Generativa Semi Supervisada, tiene en cuenta cuando en el partido se juega un punto, debido a que la selección de tiros que un jugador podría hacer con un servicio de 40 amor en el primer set es muy diferente al tiro que podría hacer luchando por permanecer en el partido hasta bien entrado el quinto set.

El sistema puede predecir alrededor de 1000 disparos en 30 segundos.

"Entrenamos al modelo en orden para que vea el disparo de la primera ronda, a la segunda y tercera ronda, por lo que se basa en experiencias como lo hace un humano, "Dijo el Dr. Denman.

"Estamos tratando de imitar lo que pensamos que podría estar haciendo el cerebro del jugador de tenis".

Enseñar al sistema a pensar como un jugador, los investigadores crean dos formas de memoria y una forma de interactuar al tomar una decisión. "Hay memoria episódica y hay memoria semántica, "Dijo el Dr. Denman.

"La memoria episódica es efectivamente recuerdos individuales. Es poder retroceder y recordar cada accidente cerebrovascular individual y lo que sucedió.

"La memoria semántica es mucho más abstracta. Son los aprendizajes generales que provienen de muchos, muchos, muchos casos de la memoria episódica.

"Luego, esos dos recuerdos funcionan juntos con un estímulo de entrada. Cada uno extrae algo relevante de sus propios recuerdos y lo usa para ayudar a reforzar la predicción de lo que va a suceder.

"La memoria episódica puede mirar la entrada y decir 'He visto tomas como esa aquí, aquí y aquí, aquí hay algo útil '. La memoria semántica dice 'deberíamos pasar a esa parte de la cancha porque es una buena táctica'.

"Eso ayuda a orientar la generación de salida".

El Dr. Denman dijo que cree que en menos de diez años los jugadores de alto nivel podrán utilizar este tipo de técnica para estudiar el juego de un próximo oponente.

"Una vez que hayas entrenado todo el modelo, puede simplemente alimentar muestras arbitrarias y puede comenzar a ver diferentes escenarios de coincidencia, " él dijo.

El sistema, dados los datos de un jugador en particular, podría predecir cómo ese jugador golpearía la pelota en el punto de quiebre si un servidor pasara por la línea o fuera de banda. También podría predecir la probabilidad de que un jugador en particular intente vencer a un oponente en la red lanzando un globo o un tiro de pase, y cómo esa selección de tiro podría cambiar en diferentes etapas de un partido.

Los investigadores de QUT han realizado estudios de trayectoria similares que predicen resultados probables en áreas tan diversas como la forma en que los pilotos vuelan sus aviones a las rutas que los peatones probablemente caminarían por su vecindario. Esta investigación que pronostica la ubicación del próximo tiro en el tenis se encuentra actualmente en revisión por pares para su publicación.

El Dr. Denman dijo que el tenis era particularmente adecuado para este tipo de investigación de trayectorias, dadas las limitaciones del tamaño de la cancha y las reglas del juego.

"Este ejemplo es una trayectoria única con la pelota, pero no hay ninguna razón por la que estas técnicas no se puedan aplicar a deportes de equipo como el fútbol, ​​donde se está rastreando a cada jugador cantante desde ambos lados, "Dijo el Dr. Denman.

"El deporte es bueno en ese sentido para cualquier tipo de problema de aprendizaje automático porque tienes todas estas restricciones y reglas sobre lo que puede suceder, lo que puede simplificar algunos problemas en comparación con otros dominios ".