Wide Open Gazes: Quantifying Visual Exploratory Behavior in Soccer with Pose Enhanced Positional Data

Este estudio presenta un nuevo modelo estocástico continuo que cuantifica el comportamiento visual exploratorio en el fútbol mediante datos de pose mejorados, superando las limitaciones de los métodos tradicionales y demostrando que estas métricas visuales predicen el éxito en el juego, todo ello integrado en un marco analítico abierto y sin necesidad de anotación manual.

Lo esencial

¡Claro que sí! Imagina que el fútbol es como un gran tablero de ajedrez en movimiento, pero en lugar de piezas estáticas, tienes 22 jugadores corriendo, girando y tomando decisiones en milésimas de segundo.

Aquí tienes la explicación de este estudio, traducida a un lenguaje sencillo y con algunas analogías divertidas:

🧠 El Problema: "Contar cabezas" ya no sirve

Antes, los analistas de fútbol intentaban medir qué tan "despierto" estaba un jugador midiendo sus movimientos de cabeza. La regla era simple: si un jugador movía la cabeza muy rápido (como un pájaro asustado), se contaba como un "escaneo" o una exploración visual.

¿Por qué fallaba esto?

1. Era como medir el ruido en lugar de la música: Contar movimientos rápidos no te dice qué vio el jugador, solo que movió la cabeza.
2. Sesgo de posición: Solo funcionaba bien para los mediocampistas centrales (que giran mucho). Un delantero o un lateral no giran tanto, pero eso no significa que no estén "viendo" el juego.
3. Era binario: Decía "sí escanea" o "no escanea". Pero la visión humana es un gradiente, no un interruptor de luz.
4. No predecía el futuro: Contar esos movimientos no ayudaba a saber si el jugador iba a hacer un buen pase o un buen regate después.

🔍 La Nueva Solución: "El Mapa de la Visión"

Este estudio propone algo mucho más inteligente. En lugar de contar cabezas, crearon un sistema de "mapas de visión" usando datos de seguimiento de los jugadores (que ahora incluyen la posición de la cabeza y los hombros).

Imagina que cada jugador tiene una linterna mágica en la cabeza. Esta linterna no ilumina todo el campo por igual:

• Ilumina más fuerte donde el jugador está mirando directamente.
• Ilumina menos en los bordes de su visión (como nuestra visión real).
• Se atenúa si el jugador corre muy rápido (porque es difícil ver bien cuando corres a toda velocidad).
• Tiene sombras: Si hay otro jugador de pie frente a la linterna, ese jugador bloquea la luz y crea una "zona ciega" (occlusión).

🎯 ¿Cómo funciona en la práctica?

Los investigadores tomaron datos de la Copa América 2024 y crearon estos mapas para cada jugador en cada segundo del partido. Luego, cruzaron esta información con dos conceptos clave del fútbol moderno:

1. Control del campo: ¿Qué áreas del campo puede alcanzar un equipo rápidamente?
2. Valor del campo: ¿Qué áreas son más valiosas para atacar (cerca de la portería rival)?

La analogía del "Cazador de Tesoros":
Imagina que un jugador está esperando un pase (la "fase de espera").

• El jugador antiguo: Solo movía la cabeza rápido.
• El jugador nuevo (con el mapa): Está mirando su "linterna" mental. Si su linterna ilumina muchas zonas donde el rival está defendiendo, significa que sabe dónde están los enemigos.

📊 El Resultado Sorprendente

Cuando probaron su sistema, descubrieron algo fascinante:

• Contar movimientos de cabeza (el método viejo): No servía de nada para predecir si el jugador tendría éxito después de recibir el balón. Era como intentar adivinar el resultado de un partido contando cuántas veces el entrenador se rascó la cabeza.
• El nuevo mapa de visión: ¡Funcionó! Si un jugador, mientras esperaba el balón, lograba "ver" (iluminar con su mapa mental) una gran cantidad de espacio controlado por la defensa rival, tenía muchas más probabilidades de hacer un regate exitoso y ganar terreno valioso después de recibir el balón.

💡 La Lección Principal

No se trata de quién mueve la cabeza más rápido, sino de quién tiene la mejor "radiografía" mental del campo.

Los jugadores que pueden procesar visualmente dónde están los rivales y los espacios vacíos antes de recibir el balón, son los que toman mejores decisiones después de recibirlo.

En resumen:
Este estudio nos dice que para entender el fútbol de élite, no debemos contar movimientos físicos, sino cuantificar la percepción. Es como pasar de contar cuántas veces un conductor mira el espejo, a medir si realmente vio el coche que venía detrás y tomó la decisión correcta. ¡Y lo mejor es que ahora tienen el código abierto para que todos puedan usar esta "linterna mágica" en sus análisis!

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo "Wide Open Gazes: Quantifying Visual Exploratory Behavior in Soccer with Pose Enhanced Positional Data", presentado en español:

1. Planteamiento del Problema

Los enfoques tradicionales para medir el comportamiento de exploración visual en el fútbol se basan en contar Acciones de Exploración Visual (VEA) mediante movimientos rápidos de la cabeza que superan los 125°/s. El artículo identifica varias limitaciones fundamentales en este método:

• Sesgo de posición: Se centra desproporcionadamente en mediocentros centrales, ignorando a otros jugadores.
• Dificultades de anotación: Requiere anotación manual propensa a errores y alta variabilidad inter-observador.
• Medición binaria: Clasifica al jugador simplemente como "escaneando" o "no", ignorando la naturaleza continua de la atención visual.
• Falta de poder predictivo: Estudios previos no han logrado demostrar una correlación estadísticamente significativa entre la frecuencia de VEAs y el éxito a corto plazo en el juego (como el éxito de pases o la creación de oportunidades).
• Incompatibilidad: Estos métodos no se integran bien con modelos analíticos avanzados como el control del campo (pitch control) o el valor del campo (pitch value).

Además, los estudios de laboratorio con seguimiento ocular no reflejan la complejidad dinámica de un partido real.

2. Metodología

La investigación propone una capa de visión estocástica continua que cuantifica la percepción visual de los jugadores utilizando datos de rastreo posicional mejorados con estimación de pose (cabeza y hombros).

A. Datos

• Fuente: 32 partidos de la Copa América 2024.
• Datos: Rastreo de transmisión (25 fps) enriquecido con ángulos de rotación de cabeza, hombros y cadera (extraídos mediante modelos de pose como OpenPose/HRNet).
• Fase de estudio: Se analizan dos momentos: la fase de "espera" (un jugador esperando el balón tras un pase de un compañero) y la fase subsiguiente "con balón" (dribbling).

B. Construcción del Mapa de Visión

El modelo genera un mapa de visión bidimensional (105x68 metros) para cada jugador mediante dos componentes probabilísticos:

1. Campo de Visión (Field of View - $V_\rho$):
   • Basado en la orientación de la cabeza (proxy de la mirada).
   • Se asume un campo binocular de 120°.
   • Se aplica una capa probabilística gaussiana que decae con la distancia y el ángulo.
   • Factor de velocidad: La precisión de la visión disminuye a medida que aumenta la velocidad del jugador ($v_i$), simulando una pérdida de conciencia espacial en movimiento rápido.
2. Mapa de Oclusión ($V_\Phi$):
   • Calcula qué partes del campo están bloqueadas por otros jugadores.
   • Utiliza la rotación de los hombros del jugador oclusor para determinar el ancho aparente de la obstrucción.
   • Genera un "rayo" probabilístico que proyecta la sombra visual del jugador oclusor.

Mapa de Visión Total ($V_i$): Se obtiene multiplicando elementalmente el campo de visión y el mapa de oclusión ($V_i = V_{\rho,i} \odot V_{\Phi,i}$).

C. Integración con Métricas Espaciales

El mapa de visión se combina con marcos existentes:

• Control Inminente del Campo ($PC_{imminent}$): Una versión modificada del modelo de Fernández & Bornn (2018) que reduce el radio de control de un jugador para simular el espacio que puede alcanzar en un tiempo muy corto.
• Valor del Campo ($V_l$): Un mapa que asigna valor estratégico a las zonas del campo basado en la posición defensiva y la cercanía a la portería.

El objetivo es medir qué porcentaje del "valor del campo controlado" (defensivo o ofensivo) está observando un jugador mientras espera el balón.

3. Contribuciones Clave

1. Método Continuo y Posición-Agnóstico: Elimina la necesidad de contar movimientos de cabeza discretos, proporcionando una medida continua de la atención visual válida para cualquier posición en el campo.
2. Integración con Modelos Avanzados: Crea una compatibilidad directa con modelos de pitch control y pitch value, permitiendo analizar la percepción visual en el contexto de la táctica y el espacio.
3. Código de Código Abierto: Los autores han liberado las herramientas y datos necesarios para reproducir estos cálculos en el repositorio de la Federación de Fútbol de EE. UU.
4. Refutación de VEAs Tradicionales: Demuestra empíricamente que el conteo tradicional de VEAs carece de poder predictivo en comparación con las métricas de visión espacial.

4. Resultados

Se utilizaron modelos de clasificación binaria (XGBoost) para predecir si un jugador aumentaría o disminuiría el valor del campo controlado al final de su acción con balón.

• Comparativa de Modelos:
  • Modelo Base: Solo distancia a la portería (AUC: 0.664).
  • Modelo VEA Tradicional: Añadiendo conteo de VEAs (AUC: 0.654). Resultado: No hubo mejora; de hecho, el rendimiento fue ligeramente inferior al base, confirmando que las VEAs tradicionales no predicen el éxito.
  • Modelo Regular: Añadiendo posición, velocidad y distancia (AUC: 0.744).
  • Modelo de Visión (Propuesto): Añadiendo métricas agregadas de la capa de visión (AUC: 0.788).
• Hallazgos Específicos:
  • Los jugadores que observan una mayor cantidad de espacio ocupado por la defensa (y una mayor proporción de espacio defensivo vs. ofensivo) durante la fase de espera, tienen una probabilidad significativamente mayor de ganar valor de campo en su siguiente acción con balón.
  • Simplemente "mirar más" (cantidad total de campo) no es predictivo; la calidad de lo observado (identificar espacios defensivos controlados) es lo que importa.
  • Las VEAs tradicionales (movimientos de cabeza >125°/s) no mostraron impacto en la predicción del resultado.

5. Significado e Impacto

Este trabajo representa un cambio de paradigma en el análisis de datos del fútbol:

• De la acción a la percepción: Pasa de medir el movimiento físico (cabeza) a medir la percepción cognitiva (qué espacio se ve y cómo se procesa).
• Validación de la Inteligencia de Juego: Proporciona una métrica cuantitativa que valida la capacidad de un jugador para identificar espacios valiosos antes de recibir el balón, correlacionándolo directamente con el éxito táctico posterior.
• Aplicabilidad Futura: Al depender de datos de estimación de pose (cada vez más comunes en deportes de invasión como fútbol americano y baloncesto), este marco metodológico es escalable y aplicable a otros deportes para evaluar la toma de decisiones y la percepción espacial.

En conclusión, el estudio demuestra que la calidad de la observación visual (qué se ve) es un predictor mucho más fuerte del éxito en el juego que la frecuencia de los movimientos de exploración (cuántas veces se mueve la cabeza).