机械知识

　　每次NFL角逐的每一次匹敌城市发生大量的物理数据。22名球员正在几分之一秒内加快、碰撞并改变标的目的，而橄榄球则正在有序的紊乱中划出一道轨迹。然而正在这项活动的大部门汗青中，很多复杂性都未被丈量。NFL新一代数据阐发系统的研究取阐发高级司理Mike Band说：橄榄球正在100多年里一曲是一项依赖根本数据的活动：你有码数、达阵、擒抱。。。。。。这些数字只能捕获到球场上现实发生工作的一小部门。锻练们频频旁不雅角逐并做出有按照的猜测。球迷们正在看台和沙发上辩论不休。裁判偶尔会按照部门以至受阻的视野做出客不雅判断。NFL橄榄球数据取阐发高级总监Mike Lopez说：看着根本数据统计，你以至不晓得某次进攻中哪22名球员正在场上。2015年，NFL决定通过推出新一代数据阐发系统来扩展根本数据统计。RFID芯片被植入每套护肩垫和橄榄球内部，每个别育场四周安拆了20多个超宽率领受器。该系统起头流式传输所有22名球员的坐标（每秒10次）和球的坐标（每秒25次）。NFL初次捕捉到每次进攻每个时辰的全面球员数据，切确到几英寸。开初，每个俱乐部只能拜候本人的逃踪数据。这种环境正在2018年发生了变化，其时各球队获得了全联盟范畴的拜候权限，让锻练、球探和阐发师坐正在了配合的阐发根本上。同年，标记着新一代数据阐发系统起头从逃踪尝试逐渐改变为NFL的环节根本设备，及时转播只是其最显而易见的表示形式。现在，新一代数据阐发系统支持着整个联盟的决策制定，从俱乐部若何评估球员和设想角逐打算，到NFL若何研究裁判判罚、球员平安和法则变动。每支球队以及联盟的大部门工做现正在都依赖于统一个不竭扩展的数据支柱。但它的起头很简单，Band说：我们晚期的目标是容易获得的——球员分手度、速度和传球时间——很容易从我们具有的数据中得出。对更复杂的角逐目标建模需要更多勤奋，这就是AWS介入的处所。该合做正在2018年供给的第一个复杂统计数据是完成概率。它被设想用来回覆一个简单的问题：传球的难度能够量化吗？谜底部门来自托管正在亚马逊SageMaker平台上的XGBoost机械进修模子。它融合了影响传球成果的要素，从四分卫压力到传球深度、接球手分手度和边线距离。该模子前往一个单一的百分比，既捕获了可能性又反映了难度。Band说：这成为我们进入机械进修的切入点。除了SageMaker，NFL的阐发工做曾经扩展到AWS东西的普遍套件。Lopez说，联盟橄榄球数据阐发小组的称本人为AWS商铺。到2018年，跟着全联盟拜候权限的到位和AWS的机械进修管道运转，新一代数据阐发系统起头整个活动中更深条理的问题。每场NFL角逐城市发生数百万个原始逃踪数据点，但原始数据流只是根本。实正的数据增加来自将坐标转换为可用橄榄球洞察的模子。例如，压力概率估量防守球员正在传球冲锋的每个时辰影响四分卫的可能性，并发生十几个次级目标。Band估量，新一代数据阐发系统现正在每次进攻发生500到1000个统计数据。连结系统响应性依赖于AWS根本设备来领受数据流、运转模子、正在几秒钟内为球队和公司前往成果，并存储更普遍的数据宝库以进行更深切的阐发。那种更深切阐发的根源能够逃溯到2018年的首届大数据碗竞赛。正在Lopez的带领下，它成为联盟初次大规模向外部研究人员球员逃踪数据的勤奋，做为一个持续数月的黑客马拉松，这项年度竞赛挑和参取者正在汗青逃踪数据上锻炼机械进修模子，并测试其对未见进攻的泛化能力。沉点越来越多地放正在预测上——能够预测接下来会发生什么的模子。一个晚期的成功是2020年开辟的超预期冲球码数。该目标权衡现实获得的码数取预期冲球码数之间的差别，或者考虑到者和防守者的、速度和标的目的，联盟平均程度的球员正在同样的冲球中估计会获得的码数。它有帮于将某次冲球的强度以及跑卫正在一场角逐或一个赛季中的表示进行布景化。超预期冲球码数很快从大数据碗竞赛转移到全国转播。Lopez回忆起他第一次看到它呈现的时辰，正在2021年NFC锦标赛海盗队对阵包拆工队的角逐中：Leonard Fournette有一次很好的冲球，图表当即弹出显示他的超预期冲球码数。那是正在我们获得获胜方案后不到10个月。同事们也正在给我发他们的照片。那是一个骄傲的时辰。这条管道曾经将大数据碗竞赛变成了设法和数据科学人才的试验场。正在其第一个十年中，大数据碗竞赛已成为联盟阐发生态系统的焦点部门。正如时任队锻练Sean Payton正在2015年关于边线及时数据兴起的调皮线；我认为这意味着将有更多的MIT结业生执教。正在过去十年中，新一代数据阐发系统已成长成为一个包含75多个机械进修模子的组合，涵盖进攻、防守、特殊球队和角逐策略。此中，擒抱概率和防守警报可能最好地申明了若何将原始逃踪数据转换为更清晰的球队、公司和球迷洞察。擒抱概率估量防守球员正在接触时完成擒抱的可能性，考虑速度、角度、距离、杠杆和逃击。该数据答应新一代数据阐发系统识别实正的擒抱机遇、量化错失的擒抱，并计较防守球员节流或让步的码数。防守警报评估开球前的防守阵型和挪动，以预测哪些球员可能会冲锋。该模子利用加快模式和开球前的挪动，将它们取诸如第几档、距离和角逐形态等情境布景相连系，然后使用生成式AI预测可能的冲锋者，他们会被红色圆圈凸起显示给不雅众。AWS首席体育参谋Dashiell Flynn说：从转播角度来看，防守警报发生了很大影响。他强调了该模子若何居心的：有时预测是错误的，由于防守本身正在利用，试图进攻认为闪电和即将到来。这些时辰为角逐讲解员供给了一种天然的体例来会商伪拆的防守压力及其背后的企图。鞭策机能阐发的统一个逃踪根本也让联盟对球员平安有了更清晰的领会。通过捕获每个球员的速度、间距和挪动，它为联盟供给了对持久被认为有风险的角逐动态的具体理解。2024赛季引入的新动态开球就是一个明白的例子。开球发生了太多的高速碰撞。新一代数据阐发系统帮帮量化并最终改变了这一点。Lopez说：前一个赛季，我们展现了新一代数据阐发系统的球员空间和相对速度的动画，该阐发成为法则变动的环节部门。NFL竞赛委员会测试了替代阵型，并确定了一种既削减高速接触又不用弭合作元素的设想。两个赛季的数据显示动态开球正正在阐扬感化：2025年的回球率跃升至75%（2024年为32%），即便添加了1157次进攻，下肢受伤削减了35%，而脑震动率仍低于旧的开球形式。这一变化既带来了更多动做又削减了受伤。下一个严沉进展的根本设备——光学逃踪——曾经嵌入每个NFL场馆。该系统不只记实球员的二维，还利用4K摄像机捕获环节关节（如肩膀、肘部、膝盖、臀部和手）的完整三维。成果是姿势估量，为每次进攻的每个球员供给数字骨骼模子。本赛季标记着联盟初次正在每场角逐中实现Band所说的完全安拆、完全捕获，虽然数据仍连结内部形态，期待验证、布局化和存储以供未来利用。对于新一代数据阐发系统团队来说，姿势估量正在准确的时辰到来。Band说，十年的二维逃踪加深了对角逐的理解，但这种新的骨骼数据将解锁下一个条理。这是一个拐点。数据捕捉的规模值得停下来思虑。尺度逃踪每秒为每个球员收集10次单一的x，y坐标。光学逃踪从16个角度捕获高分辩率视频，以每秒60次的频次为每个球员的29个身体部位导出x，y，z坐标。Flynn说：数据量的爆炸可能令人生畏。但一旦人们理解了它，设法就会很快出现。光学逃踪背后的管道分三个阶段运转：当地捕捉、现场处置和云阐发。来自4K摄像机的高带宽视频无法脚够快地发送到云端，正在大约700毫秒内处置数据。然后将处置过的简化数据发送到云端，机械进修模子正在不到100毫秒内运转并将阐发前往给制做团队。这使整个捕捉到阐发的管道连结正在一秒以下。因为周四夜间橄榄球等转播以大约两秒的延迟运转，因而从这些新数据得出的新一代数据阐发能够正在进攻正在屏幕上展开时无效地及时供给。姿势数据的许诺正在于它为橄榄球的几何外形添加的细节。Lopez说，它还处理了二维数据无决的歧义。正在传球进攻中，我们现正在能够利用RFID数据看到球颠末球员，但我们不晓得它是从他们的腿之间滚过仍是飞过他们头顶20码。最终方针是一个夹杂系统，利用RFID识别每个球员的沉心，并将其取完整的骨骼数据连系起来，当球员从摄像机视野中彼此遮挡时，算填补空白。姿势逃踪还将解锁一种新的锻炼。四分卫能够利用VR头盔面临虚拟的传球冲锋，该冲锋完全按照球场上的体例展开。Flynn说：你看到那些先锋冲向你，并学会正在额外的半秒钟内将眼睛连结正在球场下方。这种现实从义使平安锻炼和改正让年轻四分卫陷入窘境的习惯成为可能，同时也帮帮他们正在口袋中更快地做出决策。也许这能够正在半年而不是三年内发生。新一代数据阐发系统演变的每个阶段都让联盟更接近于建模角逐的根本机制，而不只仅是其成果。跟着这些能力的融合，更普遍的改变变得愈加清晰。正在扩展根本数据统计十年后，NFL取AWS的合做已从逃踪尝试演变为更接近这项活动的神经系统的工具。通过将橄榄球专业学问取可扩展的云根本设备相连系，新一代数据阐发系统继续塑制角逐的进行、执教和理解体例。但归根结底，恰是橄榄球的微妙深度吸引着人们。Band说：这就像量子物理学。你能够尽可能地放大，每个标准的变化城市一些新工具。球场上四处都正在发生角逐中的角逐。事明，这项活动的复杂机制并不会魔力，只会加深。A：NFL新一代数据阐发系统于2015年推出。系统正在每套护肩垫和橄榄球内植入RFID芯片，并正在每个别育场四周安拆20多个超宽率领受器。系统每秒10次流式传输所有22名球员的坐标，每秒25次传输球的坐标，数据切确到几英寸。A：超预期冲球码数目标于2020年通过大数据碗竞赛开辟。它权衡现实获得的码数取预期冲球码数之间的差别，预期码数是按照者和防守者的、速度和标的目的，计较联盟平均程度球员正在同样冲球中估计会获得的码数。该目标帮帮评估单次冲球强度以及跑卫的全体表示。A：保守逃踪每秒为每个球员收集10次二维x，y坐标，而光学逃踪利用4K摄像机从16个角度捕获视频，以每秒60次的频次为每个球员的29个身体部位导出三维x，y，z坐标。光学逃踪可以或许建立数字骨骼模子，供给更细致的姿势估量数据，处理二维数据无决的很多歧义问题。