一种面向帧级多竞争者竞赛的生成式方法

多竞争者竞赛常呈现复杂的赛内策略，在基于竞赛结果层面数据训练时难以刻画。此外，未考虑此类策略效应的模型可能遭受混杂的推断与预测。本工作中我们开发了多竞争者竞赛的通用生成模型，使分析者能显式建模某些策略效应（如变道或尾随）并将这些影响与竞争者能力分离。该生成模型允许从任意真实或构造的起始位置模拟完整竞赛，从而为赛内动作的价值归因与反事实分析开辟新途径。该方法具有充分通用性，可应用于任何基于赛道的多竞争者竞赛，只要同时具备跟踪数据且竞争者运动可由同时的前向与横向运动良好描述。我们将该方法应用于一英里赛马，使用纽约赛马协会（NYRA）与纽约纯种马马主协会（NYTHA）为2022年Kaggle大数据德比竞赛所提供的数据。该数据具有所有马匹在帧级（约4hz频率）的细粒度跟踪数据。我们展示了该模型如何产生新的推断，例如随竞赛阶段变化的马匹特定速度剖面估计，以及用于回答诸如起始车道对竞赛结果影响等关注问题的后验预测反事实模拟示例。