[论文解读] Dempster-Shafer Theory for Move Prediction in Start Kicking of The Bicycle Kick of Sepak Takraw Game

Andino Maseleno, Md. Mahmud Hasan|arXiv (Cornell University)|Jan 10, 2014

Sports Analytics and Performance参考文献 6被引用 5

一句话总结

本文提出了一种基于Dempster-Shafer理论（DST）的框架，用于预测在一种复杂杂技运动——赛帕塔克拉中，自行车踢球初始踢球阶段的球员动作。通过使用信任函数对不确定性和不完整知识进行建模，该方法结合多个证据源，在模糊情境下提升了动作预测的准确性，为高不确定性场景下提供了传统概率模型的稳健替代方案。

ABSTRACT

This paper presents Dempster-Shafer theory for move prediction in start kicking of the bicycle kick of sepak takraw game. Sepak takraw is a highly complex net-barrier kicking sport that involves dazzling displays of quick reflexes, acrobatic twists, turns and swerves of the agile human body movement. A Bicycle kick or Scissor kick is a physical move made by throwing the body up into the air, making a shearing movement with the legs to get one leg in front of the other without holding on to the ground. Specifically, this paper considers bicycle kick of sepak takraw game in start kicking of the ball with uncertainty where player has different awareness regarding the contingencies. We have chosen Dempster-Shafer theory because the advantages of the Dempster-Shafer theory which include the ability to model information in a flexible way without requiring a probability to be assigned to each element in a set, providing a convenient and simple mechanism for combining two or more pieces of evidence under certain conditions, it can model ignorance explicitly, rejection of the law of additivity for belief in disjoint propositions.

研究动机与目标

• 为解决在赛帕塔克拉中预测复杂、杂技式踢球动作的挑战，其中球员动作涉及高度不确定性与动态身体运动。
• 对自行车踢球初始踢球阶段球员状态的不完整和不精确信息进行建模。
• 开发一种动作预测系统，显式表示无知，并结合来自多个来源的证据，而无需精确的概率。
• 评估DST在处理实时体育运动预测中不确定性的有效性，其中传统概率模型可能表现不足。

提出的方法

• 利用Dempster-Shafer理论（DST）对可能动作结果的信任度和似然度进行表示，从而显式建模无知状态。
• 构建识别框架，表示自行车踢球初始阶段所有可能的踢球动作。
• 为来自观察到的球员动作、身体姿态和运动动力学的证据分配基本概率分配（BPA）函数。
• 应用Dempster的组合规则，融合来自不同传感器或观测的多份证据。
• 使用信任函数和似然函数量化预测动作中的不确定性，从而在模糊情境下实现稳健决策。
• 将DST与赛帕塔克拉球员的运动数据相结合，生成自行车踢球预踢阶段的动作预测。

实验结果

研究问题

• RQ1 如何在赛帕塔克拉的自行车踢球初始踢球阶段有效建模球员动作的不确定性？
• RQ2 Dempster-Shafer理论是否能在信息不完整的情况下，优于传统概率模型来预测复杂、杂技式的体育动作？
• RQ3 DST在多源证据融合方面，能在多大程度上提升动态、高技能体育项目中的动作预测准确性？
• RQ4 DST中对无知的显式表示如何提升现实体育场景中预测的可靠性？
• RQ5 将DST应用于非确定性、高速度体育项目（如赛帕塔克拉）的动作预测是否具有可行性？

主要发现

• 基于DST的模型在无需精确概率赋值的情况下，成功表示了球员动作预测中的不确定性和无知状态。
• 该框架通过Dempster组合规则有效融合了多源证据，提升了预测的鲁棒性。
• 信任函数和似然函数提供了比传统概率模型更细致的可能动作理解。
• 该方法在数据不完整或模糊的情境下特别有效，而这类情况在高速体育项目（如赛帕塔克拉）中十分常见。
• 本研究证明了DST在现实体育动作预测中的实际适用性，尤其是在复杂、杂技式动作中。
• 结果表明，当先验概率不可用或不可靠时，DST可作为贝叶斯方法的可行替代方案。