PlayBest：基于扩散规划的专业篮球运动员行为合成

在复杂系统中动态规划已被探索以改进各领域的决策。职业篮球是动态时空博弈的一个引人注目的例子，包含依赖于上下文的决策。然而，处理多样的场上信号并在庞大潜在动作与结果空间中导航，使得现有方法难以随情况演变迅速识别最优策略。在本研究中，我们将序贯决策过程表述为条件轨迹生成过程。基于该表述，我们提出 PlayBest（PLAYer BEhavior SynThesis），一种改进球员决策的方法。我们扩展扩散概率模型以从美国国家篮球协会（NBA）历史球员运动追踪数据学习具挑战性的环境动态。为纳入数据驱动策略，我们借助相应奖励训练了一个辅助值函数。为实现奖励引导的轨迹生成，我们通过分类器引导采样将扩散模型条件化于该值函数。我们通过仿真研究验证 PlayBest 的有效性，将生成的轨迹与职业篮球队所采用的轨迹对比。结果显示该模型擅长生成产生高效进攻的合理篮球轨迹。此外，合成进攻策略与职业战术一致，凸显了模型捕捉篮球比赛复杂动态的能力。