[论文解读] 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 13

一句话总结

本文利用643,000次NBA进攻回合中的深度强化学习，对最优双人包夹防守策略进行建模，平衡了让射手空位投篮的风险与干扰控球球员的收益。结果表明，学习到的策略能够有效预测每回合得分和胜率，为何时以及如何实施双人包夹提供了数据驱动的洞察。

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.

研究动机与目标

• 量化NBA防守中双人包夹的风险-收益权衡。
• 利用球员轨迹数据和比赛结果，建立最优防守策略的模型。
• 开发一种基于数据的策略，根据真实比赛场景预测防守成效。
• 评估学习到的防守策略是否与实际比赛表现指标（如每回合得分和胜率）相关。

提出的方法

• 作者收集并处理了超过643,000次NBA进攻回合的球员轨迹数据，以识别双人包夹事件。
• 采用深度Q网络（DQN）学习价值函数，以估计防守动作的长期收益。
• 状态表示包括球员的空间位置、球的位置，以及比赛情境（如计时钟剩余时间和分差）。
• 智能体被训练以最大化预期节省得分，通过结果反馈学习何时实施双人包夹。
• 通过每回合得分和球队胜率的预测准确性来评估策略性能。
• 训练价值函数以估计防守决策的质量，从而实现不同策略之间的比较。

实验结果

研究问题

• RQ1 在NBA一对一防守情境中，双人包夹何时是最优的防守选择？
• RQ2 让射手空位投篮的风险与干扰控球球员的收益相比如何？
• RQ3 深度强化学习模型能否学习到一种可预测现实世界表现指标的防守策略？
• RQ4 影响双人包夹有效性的关键空间与情境因素有哪些？

主要发现

• 学习到的防守策略显著预测了每回合得分，表明其与实际比赛结果高度一致。
• 该策略的价值估计与球队胜率相关，验证了其在现实世界中的相关性。
• 当在高压力情境下且空间位置有利时，双人包夹最为有效。
• 该模型识别出能提高双人包夹成功率的特定球员站位模式。
• 该框架成功捕捉了激进防守与防守空间分配之间的动态权衡。
• 该方法为评估和优化篮球防守策略提供了一种可扩展、基于数据的手段。