[論文レビュー] The Advantage of Doubling: A Deep Reinforcement Learning Approach to Studying the Double Team in the NBA

Jiaxuan Wang, Ian Fox+4 more|arXiv (Cornell University)|Mar 8, 2018

Sports Analytics and Performance参考文献 6被引用数 13

ひとこと要約

本論文では、643,000回のNBAのプレー状況を用いて深層強化学習を適用し、シュートをオープンにすることのリスクとボールハンドラーを妨害する報酬のバランスを取った最適なダブルチーム防御戦術をモデル化している。学習された方策は、1ポSESSIONあたりの得点と勝率を予測でき、いつ、どのようにダブルチームを行うべきかについて、データ駆動型の知見を提供している。

ABSTRACT

During the 2017 NBA playoffs, Celtics coach Brad Stevens was faced with a difficult decision when defending against the Cavaliers: "Do you double and risk giving up easy shots, or stay at home and do the best you can?" It's a tough call, but finding a good defensive strategy that effectively incorporates doubling can make all the difference in the NBA. In this paper, we analyze double teaming in the NBA, quantifying the trade-off between risk and reward. Using player trajectory data pertaining to over 643,000 possessions, we identified when the ball handler was double teamed. Given these data and the corresponding outcome (i.e., was the defense successful), we used deep reinforcement learning to estimate the quality of the defensive actions. We present qualitative and quantitative results summarizing our learned defensive strategy for defending. We show that our policy value estimates are predictive of points per possession and win percentage. Overall, the proposed framework represents a step toward a more comprehensive understanding of defensive strategies in the NBA.

研究の動機と目的

• NBAの防御におけるダブルチームのリスク・リターンのトレードオフを定量化すること。
• 選手の軌道データと試合結果を用いて最適な防御戦略をモデル化すること。
• 実戦のシナリオに基づいて防御の成功を予測するデータ駆動型の方策を開発すること。
• 学習された防御方策が、1ポSESSIONあたりの得点や勝率といった測定可能な試合内パフォーマンス指標と相関するかどうかを評価すること。

提案手法

• 著者らは、643,000回を超えるNBAのプレー状況からの選手の軌道データを収集・処理し、ダブルチームの発生を特定した。
• 深層Qネットワーク（DQN）を用いて、防御行動の長期的報酬を推定する価値関数を学習した。
• 状態表現には、選手の空間的位置、ボールの位置、シュートクロックやスコア差などの試合状況が含まれた。
• エージェントは、期待される得点の節約を最大化するように訓練され、結果のフィードバックに基づいて、いつダブルチームを行うべきかを学習した。
• 方策の評価には、1ポSESSIONあたりの得点とチームの勝率における予測精度が用いられた。
• 防御意思決定の質を推定する価値関数を訓練し、戦略間の比較を可能にした。

実験結果

リサーチクエスチョン

• RQ1 NBAの1対1状況において、ダブルチームが最適な防御行動となるのはいつか？
• RQ2 シュートをオープンにすることのリスクと、ボールハンドラーを妨害する利点の比較は？
• RQ3 深層強化学習モデルは、実世界のパフォーマンス指標を予測する防御方策を学習できるか？
• RQ4 ダブルチームの効果に影響を与える主な空間的および状況的要因は何か？

主な発見

• 学習された防御方策は、1ポSESSIONあたりの得点を有意に予測でき、試合内での結果と強い整合性を示している。
• 方策の価値推定値はチームの勝率と相関しており、現実世界での関連性が裏付けられた。
• ダブルチームは、有利な空間的配置と高リーチの状況で最も効果的である。
• モデルは、ダブルチームの成功率を高める特定の選手の位置関係パターンを同定した。
• フレームワークは、攻撃的防御とディフェンスのスパイラルの動的トレードオフをうまく捉えている。
• 本アプローチは、バスケットボールにおける防御戦略の評価と最適化のためのスケーラブルでデータ駆動型の方法を提供する。