English(EN) Learning Human Sports Motion Feasibility via Quantile Regression on Tracking Data

AI利用分位数回归预测运动动作可行性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-28 04:00

研究人员开发了一种新颖的方法来预测人类运动动作的可行性，特别关注球员到达场上某个位置所需的时间。该方法将问题构建为条件分位数回归任务，估计运动时间的下分位数以学习球员的最小到达时间。该模型在2022年FIFA世界杯的跟踪数据上进行了训练，并证明其性能优于现有的基于物理的模型，进一步的评估表明其在篮球和美式足球等不同运动中具有可迁移性。 AI

影响这项研究可以通过准确预测球员运动的可行性，从而带来更复杂的体育分析和训练工具。

排序理由学术论文发布在arXiv上，详细介绍了一种新的用于运动动作分析的AI方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文发布在arXiv上，详细介绍了一种新的用于运动动作分析的AI方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Marc Guti\'errez-P\'erez, Antonio Agudo · 2026-10-28 04:00

基于追踪数据的分位数回归学习人类运动可行性

arXiv:2610.36183v1 Announce Type: new Abstract: We study time-to-arrival (TTA) in sports: the shortest plausible time a player needs to reach an arbitrary location on the pitch given their current kinematic state, estimated as the lower envelope of observed locomotion times. Rath…

本文如何被排名

报道来源 [1]

基于追踪数据的分位数回归学习人类运动可行性

相关实体

相关话题