GenTac: 축구 전술의 생성 모델링 및 예측

GenTac: Generative Modeling and Forecasting of Soccer Tactics

축구 전술은 경기 자체의 확률적이고 다중 에이전트적 특성으로 인해 모델링하기 매우 어려운 과제입니다. 기존의 계산적 접근 방식은 일반적으로 단일하고 결정적인 궤적 예측을 생성하거나, 구조화된 세트 피스에 집중하는 경향이 있으며, 이는 실제 경기 진행 과정에서 나타나는 변동성과 다양한 가능성을 제대로 반영하지 못합니다. 본 연구에서는 GenTac이라는 확산 기반 생성 프레임워크를 소개합니다. GenTac은 축구 전술을 연속적인 다중 플레이어 궤적과 이산적인 의미 있는 이벤트에 대한 확률 과정으로 개념화합니다. GenTac은 과거 추적 데이터를 기반으로 플레이어 움직임의 기본 분포를 학습하여 다양한, 현실적인, 장기적인 미래 궤적을 생성합니다. 이 프레임워크는 상대 팀의 행동, 특정 팀 또는 리그의 경기 스타일, 전략적 목표 등 풍부한 컨텍스트 조건을 지원하며, 동시에 연속적인 공간적 역학을 15가지의 전술 이벤트 공간에 연결합니다. 제안하는 벤치마크인 TacBench에 대한 광범위한 평가를 통해 GenTac이 다음과 같은 네 가지 핵심 기능을 갖는다는 것을 입증했습니다. (1) GenTac은 높은 기하학적 정확도를 달성하면서도 팀의 전체적인 구조적 일관성을 엄격하게 유지합니다. (2) 특정 팀(예: 오클랜드 FC) 및 리그(예: A-리그와 독일 리그) 간의 스타일적 차이를 정확하게 시뮬레이션합니다. (3) 공격 또는 수비 지침에 따라 공간적 제어 및 예상되는 위협 지표를 명확하게 변경하는 제어 가능한 가상 시뮬레이션을 가능하게 합니다. (4) 생성된 궤적을 통해 미래의 전술적 결과를 신뢰성 있게 예측합니다. 마지막으로, GenTac이 농구, 미식축구, 아이스하키를 포함한 다른 동적 팀 스포츠로 성공적으로 일반화될 수 있음을 보여줍니다.

Modeling open-play soccer tactics is a formidable challenge due to the stochastic, multi-agent nature of the game. Existing computational approaches typically produce single, deterministic trajectory forecasts or focus on highly structured set-pieces, fundamentally failing to capture the inherent variance and branching possibilities of real-world match evolution. Here, we introduce GenTac, a diffusion-based generative framework that conceptualizes soccer tactics as a stochastic process over continuous multi-player trajectories and discrete semantic events. By learning the underlying distribution of player movements from historical tracking data, GenTac samples diverse, plausible, long-horizon future trajectories. The framework supports rich contextual conditioning, including opponent behavior, specific team or league playing styles, and strategic objectives, while grounding continuous spatial dynamics into a 15-class tactical event space. Extensive evaluations on our proposed benchmark, TacBench, demonstrate four key capabilities: (1) GenTac achieves high geometric accuracy while strictly preserving the collective structural consistency of the team; (2) it accurately simulates stylistic nuances, distinguishing between specific teams (e.g., Auckland FC) and leagues (e.g., A-League versus German leagues); (3) it enables controllable counterfactual simulations, demonstrably altering spatial control and expected threat metrics based on offensive or defensive guidance; and (4) it reliably anticipates future tactical outcomes directly from generated rollouts. Finally, we demonstrate that GenTac can be successfully trained to generalize to other dynamic team sports, including basketball, American football, and ice hockey.