因数分解された注意機構に基づくTransformerモデルを用いたアメリカンフットボールのディフェンス・カバレッジ責任の解読

概要: 全米フットボールリーグ（NFL）におけるディフェンスのカバー（防御）スキームは、攻撃側のパス概念に応じて動的に反応しなければならないディフェンダー間の協調的なアサインメント（配置・担当）を要する、複雑な戦術パターンを表します。本論文では、NFLのマルチエージェント・プレー追跡データに適用した、因数分解された注意（attention）ベースのトランスフォーマーモデルを提示し、個々のカバー担当の割り当て、レシーバーとディフェンダーのマッチアップ、そして各パスプレーにおける標的ディフェンダーを予測します。チーム単位での事後的なカバー分類に焦点を当てた従来手法とは異なり、本モデルはプレー全体を通じて個々の選手の割り当てやマッチアップのダイナミクスを予測的にモデリングできるようにします。因数分解された注意メカニズムは、時間次元とエージェント次元を分離し、選手の移動パターンとプレーヤー間の関係を独立にモデリングすることを可能にします。ランダムに切り詰められた軌跡で学習することで、本モデルは、スナップ前からパス到達までに防御上の責任がどのように変化していくのかを捉える、フレームごとの予測を生成します。提案モデルは、すべてのタスクに対しておよそ89％以上の精度を達成しており、真の精度は、基底（ground truth）ラベルにおけるアノテーションの曖昧さを考慮すればさらに高い可能性があります。さらに、これらの出力は、変装（disguise）率やダブルカバレッジ（double coverage）率を含む新しい派生指標も可能にし、TV放送におけるより魅力的なストーリーテリングを支えるだけでなく、チーム戦略の立案や選手評価に向けた実行可能な洞察も提供します。