Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

kobayashi b

477 views

Published on

  • Be the first to comment

  • Be the first to like this

kobayashi b

  1. 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. 2. 研究背景 ロロボボカカッッププととはは 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 ロロボボカカッッププササッッカカーー 突出した能力の エージェントがいない どのような協調行動かが重要 協調行動の分析手法が 確立されていない 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 支支配配タタイイププ [[AA.T.Teennaaggaa e ett a al l2 2000099]] 実サッカーを対象とした、 相反する攻撃の表現方法 カウンターアタック(速攻) ポゼッションサッカー(遅攻) セットプレー その他(時間稼ぎなど) ログファイルからの自動検出
  3. 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 [[AA.T.Teennggaa e ett a al l2 2000099]]がが考考ええるるカカウウンンタターーアアタタッックク 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 [[アアンンチチェェロロッッテティィのの戦戦術術ノノーートト 22001100]]にによよるるとと 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 そそのの他他のの様様々々なな文文献献かからら 敵陣へのボール運び
  4. 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 支支配配タタイイププのの分分類類 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. 5. 目的 チームとしての行動検出器 ---- ------ ------ ------ ---- ------ ------ ------ ---- ------ ------ ------ 模倣 プレイヤー エージェント の設計 (コーディング) トレーナ エージェントを 使用 個別の シチュエーション ログファイル 結果・経過 の確認 手間 従来手法 効率的に 目視
  6. 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 ・・・・・・ ボールを奪取 ポゼッションサッカー ポゼッションサッカー カウンターアタック カウンターアタック セットプレー ポゼッションサッカー ボールを奪取 ボールを奪取 ボールを奪取 ボールを奪取 ボールを奪取 チーム ポゼッション ・・・ 支配タイプ ・・・ ・・・ 特徴量 特徴量 特徴量 特徴量 特徴量 特徴量 SVM カウンター アタック その他の 支配タイプ 分析
  7. 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 少ない人数での攻撃 ---- ------ ------ ---------- ---- ------ ------ ------ ---- ------ ------ ------ ---- ------ ------ ------ ---- ------ ------ ------ ------ ------ ------ 抽出 ログデータ 抽出 カウンターアタック(正例) ⇒ 15個 その他の支配タイプ(負例) ⇒ 15個 観測者の 目視 ------ -----カ-ウンター ------ ------ ------ ------------ ------ ------ ------ その他の 支配タイプ ------ ------ ------ ------ ------ ------ ------ ------ ------ ------ アタック ------ ------ 相手の守備の崩れを利用すること 敵陣へのボール運び 全72試合のログファイル 51個のログデータ 抽出 125個のログデータ 学習データ:計30個
  8. 8. ロボカップサッカーのログファイル .rcl .rcg クライアントからサーバへ送られたコマンド ボールの情報 エージェント の情報 位置(絶対座標) 速度 所属チーム・背番号 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) 本研究で使用
  9. 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 (1) ボールの移動距離 (2) 単位時間当たりのボールの移動距離 (3) [Huberto 2008]のフォーメーション判別手法 (4) 異方性評価指標を用いたフォーメーション分析 カウンターアタックの 性質を考え、(2)を選ぶ (4)の方がよく 特徴が現れる ボー ルの移 動 攻 守 の崩れ 手法(2) + 手法(4)
  10. 10. ボールに関する特徴量 ボー ルの移 動 距 離 ボボーールルのの移移動動距距離離 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 単単位位時時間間当当たたりりののボボーールルのの移移動動距距離離 X1 − X2 単 位 時 間 あ たりの ボー ルの移 動 距 離 20 ~30 0.3 0.25 0.2 0.15 0.1 0.05 0 ~10 60 ~70 40 ~50 100 ~110 80 ~90 140~150 120 ~130 160 ~170 0 確 率 分 布 チームポゼッション中のボールの移動距離 0.2 ~0.3 0.25 0.2 0.15 0.1 0.05 0 ~0.1 0.6 ~0.7 0.4 ~0.5 1 ~1.1 0.8 ~0.9 1.4 ~1.5 1.2 ~1.3 1.6 ~1.7 0 確 率 分 布 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 t カウンター アタック その他の 支配タイプ その他の 支配タイプ カウンター アタック
  11. 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 方向に着目した エージェント同士の関係 観測された フォーメーション オリジナルからの拡張部分 テンプレートを使用せず 全エージェントの関係を記述 類似度S 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 Σ p1=1 11 Σ p2=p11 F r p1p2 T , r p1p2 O 基本 フォーメーション 4235611770 4235611701 比較 差分の累積 = 類似度
  12. 12. 異方性評価指標( )を用いる 適適用用手手法法 各エージェントの位置座標から異方性評価指標(γ  n 値)を計算 注目個体iからn番目の近傍エージェント へ向かう単位ベクトルuを計算 n =uix ui n n uiy uを射影した2×2行列Mの成分を計算 Mn αβ = 1N N ui Σi =1 nα ui 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n・V 2 nβ α , β = x , y  n番目(n=1~10)の近傍エージェント について γ n  値を計算し、差異を見る γ [Ballerini et al 2008] , [巻口ら 2010]
  13. 13. フォーメーション検出手法の結果の比較 Hubertoの フォーメーション判別手法 異方性評価指標 による分析 25~30 20~25 35~40 30~35 類似度 基本 5 ~10 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 0 ~5 15~20 10~15 50~55 45~50 60~65 55~60 65 ~70 確 率 分 布 似フォーメーションと異 1 2 3 4 5 6 7 8 9 10 0.3 0.25 0.2 0.15 0.1 0.05 0 n番目の近傍 異 方 性 指 標 の 平 均 値 その他の 支配タイプ カウンター アタック カウンター アタック (攻撃側) カウンター アタック (守備側) γ その他の 支配タイプ (攻撃側) その他の 支配タイプ (守備側)
  14. 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 守 備 側 γ 1番目の近傍の  値 2番目の近傍の  値 γ γ ・・・ ・・・ 10番目の近傍の  値 攻 撃 側 γ 1番目の近傍の  値 2番目の近傍の  値 γ γ 10番目の近傍の  値 平均値 平均値  γ 値の微小変動の影響が大きい
  15. 15. 正例負例識別率合計識別率 検出結果 試 行1 counter 18 2 0.90 0.88 other 3 17 0.85 試 行2 counter 18 2 0.90 0.83 other 5 15 0.75 試 行3 counter 16 4 0.80 0.68 other 9 11 0.55 試 行4 counter 11 9 0.55 0.68 other 4 16 0.80 試 行5 counter 18 2 0.90 0.78 other 7 13 0.65 average 0.77 counter 0.81 other 0.72 実実験験条条件件 正例:カウンターアタック 負例:その他の支配タイプ カウンターアタックのログデータ : 51個 15個抽出 20個抽出 学習用 評価用 その他の支配タイプのログデータ : 125個 15個抽出 20個抽出 学習用 評価用 5試行 ランダム ランダム
  16. 16. ある試合における詳細分析 1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970 1.200000 1.000000 0.800000 0.600000 0.400000 0.200000 0.000000 時間経過(チームポゼッション) 異 方 性 評 価 指 標 の 平 均 値 チーム:DAInamiteのγ  n 値の平均値 チーム:NemesisRC09の γ n 値の平均値 カウンターアタック:NemesisRC09 ゴール:DAInamite カウンターアタック:DAInamite ゴール:NemesisRC09 γ
  17. 17. 試合の分析 検検出出結結果果 team score counter other HelliBASH 3 [2] 13 19 Fifty-Storms09 0 [0] 12 19 team score counter other OxBlue09 3 [2] 6 36 KickOffTUG 0 [0] 5 21 team score counter other DAInamite 1 [0] 14 17 NemesisRC09 4 [2] 14 25 team score counter other WrightEagle 5 [2] 7 17 FCPortugal 0 [0] 7 28 RoboCup2009 PreSemiQuaterFinal [ ]内はカウンターアタック によるゴール数
  18. 18. ● 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 – 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 まとめ 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 展望・課題 異方性評価指標 γ  n  の平均値
  19. 19. 以下、おまけ資料
  20. 20. 1 2 3 4 5 6 7 8 9 10111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970 3.000000 2.500000 2.000000 1.500000 1.000000 0.500000 0.000000 -0.500000 DAInamite の異方性指標 NemesisRC09 の異方性指標 ゴール( DAInamite ) counter(DAInamite) counter(NemesisRC09) ゴール( NemesisRC09 ) 単位時間当たりのボールの移動距離 チームポゼッション (試合の進行 ⇒ ) 異 方 性 指 標 の 平 均 値 or ボ ー ル の 移 動 距 離
  21. 21. 誤分類されたものの特徴 カカウウンンタターーアアタタッッククだだとと誤誤分分類類 味方へのパスをはじかれ、敵陣の深 い位置までボールが転がっていく ボールのスピードが早いうえ、結果 的にゴールに近づく 他他のの支支配配タタイイププだだとと誤誤分分類類 キックオフ直後にボールを奪取し、 そのままゴールへ ドリブルを多用しすぎて、ボールの 単位時間当たりの移動距離が短い
  22. 22. アプローチ チチーームムポポゼゼッッシショョンン 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 AチームBチーム ボールを奪取 ポゼッションサッカー ポゼッションサッカー カウンターアタック 試合 時間 カウンターアタック セットプレー ポゼッションサッカー ボールを奪取 ボールを奪取 ボールを奪取 ボールを奪取 ボールを奪取 チーム ポゼッション 支配タイプ ・・・・・・ ・・・
  23. 23. ボールの移動距離① ボボーールルのの移移動動距距離離 α β 敵陣ゴールの中心との距離 (α ー β ) ショートカウンター ロングカウンター の影響は? チチーームムポポゼゼッッシショョンン中中のの移移動動距距離離 root A = root A' チチーームムポポゼゼッッシショョンンのの時時間間 root A < root A' と 単位時間の移動距離に注目
  24. 24. フォーメーション判別1-① 使使用用すするる手手法法 [Huberto 2009]のフォーメーション判別手法を使用 テンプレート ・・・・・ ・・・・・類似度=? 選手同士の関係 フォーメーションの 崩れ具合は? 現在の フォーメーション 1675775071007010710710 ・・・・比較・・・・ 6666666071717100710710
  25. 25. Hubertoのフォーメーション判別 定定義義 r p1 p2 = 0,1,... , 7 ,  p1≠ p2: player1とplayer2の関係 r :最初に記憶しておいた関係 p1 p2 Tr :逐次観測された関係 p1 p2 O10 S T , O= Σ p1=1 11 Σ p2= p11 F  rp1p2 T , r p1p2 O 0 ≤ F ≤4 Hubertoの手法を 若干変更 実実験験 全選手の関係について 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 結結果果 差別化できるほどの差異がない 一致するとき、 類似度は0 平均値counter : 30.20 , other : 30.16
  26. 26. カウンターアタックの定義 定定義義 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 ・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 ・5人以下を指す場合が多い ・前への意識的なボール運び ・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 プレーに携わる人数が5人以下 前へのボール運び 相手の守備が整っていない
  27. 27. フォーメーション判別1-③ 原原因因 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
  28. 28. フォーメーション判別2-④ 支支配配タタイイププにによよるるフフォォーーメメーーシショョンンのの広広ががりり 試 合 開 始 時 カウンター アタック ポゼッションサッカー
  29. 29. フォーメーション判別2-② 異異方方性性指指標標 γγ値値のの計計算算 選手同士の関係 C A uA ≠ B c uA b uA c番目の 近傍個体 へのベクトル b番目の 近傍個体 へのベクトル c uA 個体同士の関係は 単位ベクトルで表現 b サッカーなので、 二次元で使用 注目個体iからn番目の近傍 個体へ向かう単位ベクトル n =uix ui n n uiy uを射影した 2×2行列Mの成分Mn αβ = 1N N ui Σi =1 nα ui nβ ,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 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
  30. 30. Hubertoのフォーメーション判別 Hubertoの手法を 若干変更 実実験験 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 結結果果 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
  31. 31. フォーメーション判別2-① 使使用用すするる手手法法 異方性の創発空間対称性 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 近傍個体の密度 異方性指標(γ値)を利用 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
  32. 32. フォーメーション判別2-④ カウンター アタック(守備 カウンターアタック(攻 撃 側 ) 側) カウンター アタック以外 (守 備側 ) カウンターアタック以 外(攻撃側) 確率分布図 0.0 0.0 0.9 0.9 0.0 0.0 0.45 0.4
  33. 33. フォーメーション判別2-⑤ 確率分布図 区区分分をを詳詳細細にに、、かかつつ、、一一つつのの近近傍傍にに注注目目 0.05毎0.01毎 0.1 ~0.15 0.800 0.700 0.600 0.500 0.400 0.300 0.200 0.100 0 ~0.05 0.3 ~0.35 0.2 ~0.25 0.5 ~0.55 0.4 ~0.45 0.7 ~0.75 0.6 ~0.65 0.9 ~0.95 0.8 ~0.85 0.000 anisotropy tactor γ probability distribution 0.04 ~0.05 0.450 0.400 0.350 0.300 0.250 0.200 0.150 0.100 0.050 0.00 ~0.01 0.12 ~0.13 0.08 ~0.09 0.20 ~0.21 0.16 ~0.17 0.28 ~0.29 0.24 ~0.25 0.000 anisotropy tactor γ probability distribution カウンターアタック(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(攻撃側) カウンターアタック以外(守備側)
  34. 34. カウンターアタックの検出① SSVVMMでで使使用用すするる44次次元元デデーータタ 22次元データ 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) 3) 守備側の1番目近傍のγ値 ・・・ ・・・ 12) 守備側の10番目近傍のγ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 4次元データ 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) 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    γ値の平均値 ? 各チームポゼッション中の・・・・・・ 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?
  35. 35. カウンターアタックの検出② 正例負例正答率合計正答率 1 counter 18 2 0.90 0.60 other 14 6 0.30 2 counter 15 5 0.75 0.68 other 8 12 0.60 3 counter 8 12 0.40 0.53 other 7 13 0.65 4 counter 15 5 0.75 0.50 other 15 5 0.25 5 counter 18 2 0.90 0.65 other 12 8 0.40 average 0.59 正例負例正答率合計正答率 1 counter 18 2 0.90 0.88 other 3 17 0.85 2 counter 18 2 0.90 0.83 other 5 15 0.75 3 counter 16 4 0.80 0.68 other 9 11 0.55 4 counter 11 9 0.55 0.68 other 4 16 0.80 5 counter 18 2 0.90 0.78 other 7 13 0.65 average 0.77 22次元データ4次元データ counter 0.74 0.81 other 0.44 0.72 4次元データ
  36. 36. 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
  37. 37. 特徴量 Direction of play Direction of play
  38. 38. 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
  39. 39. 資料 ロロボボカカッッププのの目目標標 ● 「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 ロロボボカカッッププシシミミュュレレーーシショョンンのの22DDリリーーググ ● 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
  40. 40. 資料 エエーージジェェンントトのの協協調調行行動動のの強強化化 ● 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
  41. 41. Developing a New Method for Team Match Perfoermance Analysis in Professional Soccer and Testing its Reliability ● 支配タイプ ● 遅攻のはじめ方 ● セットプレーの始め方 ● 攻撃のスタート地点(縦) ● 攻撃のスタート地点(サイド) ● 攻撃の直前の敵の支配レベル (チャンスだったかなど) ● 自チームのボール支配時のパス回数 ● ボールタッチの回数 ● パスの長さ ● 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 ● スキル(ドリブル成功、壁パス、など) ● スペースの利用 ● ボール支配率 ● センタリングパス(性質) ● キーパーに関して ● 奪われてもすぐに奪い返す ● プレッシャー ● バックアップ ● カバー ● ボール支配の結果
  42. 42. SoccerScope2 ● ゴール回数 ● シュート本数 ● ドリブル回数 ● ゴールキーパーキャッチ回数 ● ゴールキック回数 ● オフサイド回数 ● バックパス回数 ● コーナーキック回数 ● フリーキック回数 ● フリーキックミス回数 ● キックイン回数 ● ボール支配率 ● パス成功回数 ● パスミス回数 ● ボールロスト回数 ● 平均パス受け位置 ● 前線3人の平均パス受け位置 ● 平均パス長 ● 平均パス速度 ● 最大パス連鎖回数 ● 平均ボール位置
  43. 43. Direction of play

×