基于马尔可夫过程的网球中意图与执行辨析方法
最优化与控制
2021-10-05 v1 应用统计
摘要
价值函数用于体育应用以确定运动员应采用的最优动作。然而，多数文献隐式假设运动员能以已知且固定的成功概率执行规定动作。这种概率的变化，或等效地，执行动作时的“执行误差”（例如将网球击至场上特定位置）对最优策略设计的影响，受到的关注有限。本文中，我们基于马尔可夫奖励过程与马尔可夫决策过程开发一种新颖建模框架，以研究执行误差如何影响网球运动员的价值函数与策略。我们用数亿次模拟网球击球及 3D 球与 2D 运动员追踪数据驱动模型。我们发现，网球中最优击球选择策略随执行误差增大而变得更保守，且以经验击球选择策略进行完美执行大致等价于以平均执行误差选择一两次最优击球。我们发现反手击球的执行误差比正手击球代价更高，且相较于其他任何击球，在所有执行误差值下接发球的的最优击球选择都更具价值。
引用
@article{arxiv.2110.01527,
title = {A Markov process approach to untangling intention versus execution in tennis},
author = {Timothy C. Y. Chan and Douglas S. Fearing and Craig Fernandes and Stephanie Kovalchik},
journal= {arXiv preprint arXiv:2110.01527},
year = {2021}
}