A Deterministic Spatial Representation Packet for Sports Trajectories Under Explicit Coordinate, Threshold, and Tolerance Assumptions

कल्पना कीजिए कि आप एक वीडियो गेम के पात्र को जंगल में दौड़ते हुए देख रहे हैं। एक कंप्यूटर के लिए, वह पात्र केवल "दौड़" नहीं रहा है; वह संख्याओं की एक लंबी सूची है जो स्क्रीन को बताती है कि हर एक सेकंड के सूक्ष्म अंश में पैर कहाँ हैं। वास्तविक दुनिया में, एथलीट विशेष घड़ियों और सेंसरों का उपयोग करते हैं जो बिल्कुल ऐसा ही करते हैं, उनके आंदोलनों को डेटा बिंदुओं की एक धारा के रूप में रिकॉर्ड करते हैं। यह क्षेत्र, जिसे स्पोर्ट्स इंजीनियरिंग कहा जाता है, उन कच्चे नंबरों को उपयोगी कहानियों में बदलने की कोशिश करता है: "क्या खिलाड़ी रुका?" "क्या उन्होंने एक तीखा मोड़ लिया?" "उनकी गति कितनी थी?"

लेकिन यहाँ पेचीदा हिस्सा यह है: कंप्यूटर बहुत शाब्दिक होते हैं। यदि आप कंप्यूटर से "रुकने" (stop) को खोजने के लिए कहते हैं, तो उसे एक बहुत ही विशिष्ट नियम की आवश्यकता होती है, जैसे "गति 1.5 मीटर प्रति सेकंड से कम होनी चाहिए और कम से कम 2 सेकंड तक रहनी चाहिए।" यदि आप यह नियम स्पष्ट रूप से नहीं लिखते हैं, या यदि आप भूल जाते हैं कि कंप्यूटर किस प्रकार के मानचित्र का उपयोग कर रहा है (जैसे कि यह मील में माप रहा है या किलोमीटर में), तो कंप्यूटर एक ऐसी "रुकने" की घटना को ढूंढ सकता है जो वास्तव में रुकना नहीं था, या किसी वास्तविक रुकने को छोड़ सकता है। वैज्ञानिकों के लिए बड़ा सवाल यह है: हम यह कैसे सुनिश्चित कर सकते हैं कि जब एक कंप्यूटर किसी एथलीट की दौड़ में कोई पैटर्न पाता है, तो हमें पता हो कि उसने इसे खोजने के लिए किन नियमों का उपयोग किया था, और हम बाद में उसके काम की जांच कर सकें?

यह शोध पत्र एक चतुर नए उपकरण का परिचय देता है जिसे "डिटरमिनिस्टिक स्पेशियल रिप्रेजेंटेशन पैकेट" (Deterministic Spatial Representation Packet) कहा जाता है। इसे एक स्पोर्ट्स विश्लेषण के अत्यंत विस्तृत, अपरिवर्तनीय रसीद के रूप में समझें। केवल अंतिम उत्तर देने के बजाय (जैसे "खिलाड़ी 5 बार रुका"), यह उपकरण उत्तर के साथ उस पूरी "विधि" (recipe) को भी पैक करता है जिसका उपयोग उसे बनाने के लिए किया गया था। यह हर उस धारणा, हर सीमा (threshold), और हर उस सूक्ष्म सेटिंग को रिकॉर्ड करता है जिसका उपयोग कंप्यूटर ने कच्चे GPS डेटा को घटनाओं की एक सूची में बदलने के लिए किया था। दो नमूना डेटासेट—एक स्कीयर (skier) और एक धावक (runner) से—के साथ काम करते हुए, लेखक दिखाते हैं कि वे कैसे अव्यवจัด, शोर वाले मूवमेंट डेटा को एक साफ, ऑडिट योग्य साक्ष्य की श्रृंखला में बदल सकते हैं। वे सिद्ध करते हैं कि यदि आप अपने नियम स्पष्ट रूप से लिखते हैं, तो आप निर्देशांकों (coordinates) के ढेर को तथ्यों के एक ऐसे "पैकेट" में बदल सकते हैं जिसकी कोई भी जांच कर सकता है कि निष्कर्ष कैसे निकाले गए।

हालाँकि, लेखक हमें बहुत सावधानी से बताते हैं कि यह उपकरण क्या नहीं करता है। यह यह साबित नहीं करता कि एथलीट वास्तव में वास्तव में रुका था, और न ही यह बताता है कि क्या सेंसर पूरी तरह से सटीक था। यह यह नहीं कहता, "टीम को कोचिंग देने का यह सबसे अच्छा तरीका है।" इसके बजाय, यह एक पारदर्शी कांच के बॉक्स की तरह कार्य करता है: आप देख सकते हैं कि कच्चा डेटा अंदर जा रहा है, आप नियमों को लागू होते देख सकते हैं, और आप परिणामों को बाहर आते देख सकते हैं। यदि परिणाम अजीब दिखते हैं, तो आप बॉक्स के अंदर देख सकते हैं और कह सकते हैं, "आह, कंप्यूटर ने एक 'टर्न' (मोड़) इसलिए पाया क्योंकि नियम 45 डिग्री के बजाय 30 डिग्री पर सेट किया गया था।" अध्ययन बताता है कि स्पोर्ट्स इंजीनियरिंग के लिए यह स्तर की पारदर्शिता अत्यंत महत्वपूर्ण है, जिससे विशेषज्ञ यह जाने बिना डेटा पर भरोसा कर सकते हैं कि कौन सी छिपी हुई सेटिंग्स परिणाम को बदल सकती हैं।

दौड़ के लिए "रसीद"

यह समझने के लिए कि यह शोध पत्र क्यों महत्वपूर्ण है, कल्पना कीजिए कि आप एक धावक के प्रदर्शन के बारे में रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं। आपके पास बिखरे हुए शब्दों वाली एक नोटबुक (कच्चा डेटा) है और एक अंतिम रिपोर्ट है जिसमें लिखा है, "धावक 95 बार रुका।" आप जानना चाहते हैं: क्या यह सच है? क्या धावक वास्तव में रुका, या कंप्यूटर भ्रमित हो गया?

अतीत में, उत्तर प्राप्त करना अदृश्य स्याही में लिखी गई रसीद को पढ़ने जैसा था। आप कुल राशि तो देखते, लेकिन आपको यह नहीं पता होता कि इसमें कौन सी वस्तुएं शामिल थीं, कौन सी टैक्स दरें लागू की गई थीं, या क्या कैशियर ने कोई गलती की थी। यह शोध पत्र एक नए प्रकार की रसीद बनाता है। यह दो एथलीटों से प्राप्त कच्चे डेटा को लेता है—एक स्कीयर जिसका नाम "skiing_run_01" है और एक धावक जिसका नाम "running_2026-04-09" है—और उन्हें एक सख्त, चरण-दर-चरण मशीन के माध्यम से चलाता है।

मशीन डेटा को साफ करने से शुरू करती है। इसने गौर किया कि कच्ची फाइलों में बहुत सारे "घोस्ट पॉइंट्स" (ghost points) थे—ऐसी जगहें जहाँ सेंसर ने लगातार दो बार एक ही स्थान दर्ज किया। स्कीयर के लिए, लगभग आधा डेटा (48.9%) केवल डुप्लिकेट बिंदु थे। धावक के लिए, यह स्थिति और भी खराब थी, जिसमें 68.6% डेटा डुप्लिकेट था। मशीन ने इन डुप्लिकेट्स को हटा दिया ताकि पथ का एक "कैनोनिकल" (या आधिकारिक) संस्करण बनाया जा सके। इसके बाद इसने डेटा को एक वैश्विक मानचित्र (अक्षांश और देशांतर) से एक स्थानीय, सपाट ग्रिड (पूर्व, उत्तर, ऊपर) में प्रोजेक्ट किया ताकि दूरियों को डिग्री के बजाय मीटर में मापा जा सके।

एक बार जब डेटा साफ हो गया और सही प्रारूप में आ गया, तो मशीन ने नियमों के एक सेट का उपयोग करके विशिष्ट "घटनाओं" की तलाश शुरू की। इसने अनुमान नहीं लगाया; इसने एक चेकलिस्ट का पालन किया।

• रुकावट (Stops): इसने उन क्षणों की तलाश की जहाँ गति 1.5 मीटर प्रति सेकंड से नीचे गिर गई और कम से कम 2.0 सेकंड तक वहीं रही।
• मोड़ (Turns): इसने दिशा में 30 डिग्री (0.5236 रेडियन) से अधिक के बदलावों की तलाश की।
• वक्र (Curves): इसने उन तंग घुमावों की जाँच की जहाँ पथ 0.1 रेडियन प्रति मीटर से अधिक मुड़ा।

परिणाम स्वरूप एक "पैकेट" प्राप्त हुआ। स्कीयर के लिए, मशीन ने 71 घटनाएँ पाईं, जिनमें 11 बाएँ मोड़ और 1 रुकावट शामिल थी। धावक के लिए, इसने 553 घटनाएँ पाईं, जिनमें 95 रुकावटें और 151 बार धावक के दिशा बदलने की घटनाएँ शामिल थीं। इसने एक "सिंबोलिक ग्राफ" (symbolic graph) भी बनाया, जो इन सभी घटनाओं को जोड़ने वाले एक फ्लोचार्ट की तरह है।

संख्याओं का "जादू"

यहाँ शोध पत्र वास्तव में दिलचस्प हो जाता है, और "रसीद" वाला उदाहरण चमक उठता है। धावक के डेटा ने भारी संख्या में "टोपोलॉजी कैंडिडेट" (topology candidates)—4,372—उत्पादित किए। ये वे घटनाएँ हैं जहाँ पथ स्वयं के ऊपर से गुजर गया या एक लूप बना लिया। एक सामान्य पर्यवेक्षक सोच सकता है, "वाह, इस धावक ने 4,372 बार अपना रास्ता पार किया!"

लेकिन शोध पत्र स्पष्ट रूप से हमें उस संख्या को शाब्दिक रूप से न लेने की चेतावनी देता है। लेखक समझाते हैं कि यह बड़ी संख्या नियमों और "टॉलरेंस" (tolerance) सेटिंग्स का परिणाम है, न कि अनिवार्य रूप से वास्तविकता का प्रतिबिंब। मशीन को अत्यंत संवेदनशील बनाया गया था, जो 1e-9 (एक बहुत ही सूक्ष्म दूरी) के टॉलरेंस के साथ क्रॉसिंग की तलाश कर रही थी। चूंकि धावक का पथ घना और स्वयं को काटने वाला था, इसलिए कंप्यूटर ने हजारों सूक्ष्म ज्यामितीय ओवरलैप पाए। पत्र स्पष्ट करता है कि ये "टॉलरेंस-कंडीशन्ड कैंडिडेट्स" हैं, जिसका अर्थ है कि वे इसलिए मौजूद हैं क्योंकि कंप्यूटर को उन्हें बहुत विशिष्ट, सख्त शर्तों के तहत खोजने के लिए कहा गया था। वे वास्तविक दुनिया में "अद्वितीय भौतिक क्रॉसिंग" की गिनती नहीं हैं।

यही इस शोध पत्र का मुख्य योगदान है: यह आर्टिफैक्ट (कंप्यूटर की खोज) को सत्य (जो वास्तव में हुआ) से अलग करता है। शोध पत्र तर्क देता है कि हमें इन निष्कर्षों को "डिटरमिनिस्टिक सिंबोलिक ऑब्जर्वेशन" के रूप में मानना चाहिए। सरल भाषा में इसका अर्थ है: "कंप्यूटर ने X पाया क्योंकि हमने इसे नियम Y का उपयोग करके X खोजने के लिए कहा। इसका मतलब यह नहीं है कि X भौतिक रूप से वैसा ही सत्य है जैसा कि एक मानव देखेगा।"

यह क्यों महत्वपूर्ण है (और क्या नहीं है)

लेखक अपनी उपलब्धियों के बारे में बहुत विनम्र हैं। वे यह दावा नहीं करते कि उन्होंने एथलीटों को मापने की समस्या को हल कर लिया है। वे यह नहीं कहते कि उनकी विधि टीम को कोचिंग देने का "सर्वश्रेष्ठ" तरीका है, और न ही वे दावा करते हैं कि उनके नंबर धावक की गति का अंतिम शब्द हैं। वास्तव में, वे स्पष्ट रूप से कई चीजों को खारिज करते हैं:

• वे सेंसर त्रुटियों को ठीक करने का दावा नहीं करते हैं।
• वे यह नहीं जानते कि मोड़ का "खेल-विशिष्ट अर्थ" (जैसे कि क्या मोड़ एक सामरिक चाल थी या केवल एक लड़खड़ाहट) क्या है।
• वे यह दावा नहीं करते कि उनके परिणाम बिना समायोजन के हर खेल या हर डिवाइस के लिए काम करेंगे।

इसके बजाय, शोध पत्र सुझाव देता है कि मूल्य पारदर्शिता में निहित है। डेटा को इसके "कोऑर्डिनेट कॉन्ट्रैक्ट" (मानचित्र के नियम), इसके "थ्रेशोल्ड" (गति की सीमा), और इसके "टॉलरेंस" (कितना करीब पर्याप्त है) के साथ पैक करके, लेखक एक ऐसी प्रणाली बनाते हैं जहाँ कोई भी इसके कार्य का ऑडिट कर सकता है। यदि कोई कोच कहता है, "धावक बहुत अधिक रुका," तो एक विश्लेषक पैकेट खोल सकता है और कह सकता है, "खैर, कंप्यूटर ने 95 रुकावटें पाईं क्योंकि हमने नियम 1.5 m/s निर्धारित किया था। यदि हम नियम को बदलकर 2.0 m/s कर दें, तो संख्या घटकर 40 हो जाएगी।"

अध्ययन "स्टेज्ड सेंसिटिविटी एविडेंस" का उपयोग यह दिखाने के लिए करता है कि ये संख्याएँ कितनी नाजुक हो सकती हैं। उन्होंने परीक्षण करके दिखाया कि यदि आप डेटा को सुचारू (smooth) करने के तरीके को बदलते हैं, या यदि आप अंतराल को अलग तरह से भरते हैं, तो "रुकावटों" या "मोड़ों" की संख्या नाटकीय रूप से बदल सकती है। यह कोई बग नहीं है; यह सिस्टम का एक फीचर है। यह हमें बताता है कि ये संख्याएँ पत्थर के वजन की तरह पूर्ण तथ्य नहीं हैं; वे सशर्त तथ्य हैं जो पूरी तरह से उन नियमों पर निर्भर करते हैं जो हम सेट करते हैं।

निष्कर्ष

अंततः, यह शोध पत्र खेल डेटा में ईमानदारी का एक ब्लूप्रिंट है। यह कच्चे GPS बिंदुओं की एक अव्यवस्थित, शोर भरी धारा को एक साफ, निरीक्षण योग्य "पैकेट" में बदलने का एक तरीका प्रस्तावित करता है जो आपको बताता है कि कंप्यूटर ने क्या देखा और इसे देखने के लिए किन नियमों का उपयोग किया गया। यह आपको यह नहीं बताता कि दौड़ किसने जीती, बल्कि यह आपको यह समझने के उपकरण देता है कि दौड़ को ठीक से कैसे मापा गया था।

लेखक इसे दो नमूनों के साथ प्रदर्शित करते हैं: एक स्कीयर जिसके 338 साफ बिंदु हैं और एक धावक जिसके 871 साफ बिंदु हैं। वे दिखाते हैं कि इन नमूनों के साथ, वे कच्चे निर्देशांकों से लेकर घटनाओं के अंतिम ग्राफ तक, साक्ष्य की एक पूर्ण श्रृंखला उत्पन्न कर सकते हैं। वे स्वीकार करते हैं कि उनकी विधि केवल एक "रिप्रजेंटेशन लेयर" है—कच्चे डेटा और अंतिम विश्लेषण के बीच का एक मध्य चरण। लेकिन अपनी धारणाओं को स्पष्ट करके, वे इस तरह के भ्रम को रोकने की आशा करते हैं जो तब होता है जब लोग कंप्यूटर द्वारा उत्पन्न संख्याओं को ऐसे व्यवहार करते हैं जैसे कि वे अपरिवर्तनीय भौतिक सत्य हों।

शोध पत्र निष्कर्ष निकालता है कि सीमित खेल प्रक्षेपवक्रों (trajectories) को निरीक्षण योग्य, डिटरमिनिस्टिक आर्टिफैक्ट्स में बदला जा सकता है, लेकिन केवल तभी जब हम धारणाओं को छिपाना बंद कर दें। हमें यह कहने के लिए तैयार रहना होगा, "यह वह है जो हमने माना, यह वह नियम है जिसका हमने उपयोग किया, और यह वह है जो कंप्यूटर ने पाया।" यह स्पोर्ट्स इंजीनियरों के लिए अनुमान लगाना बंद करने और दस्तावेजीकरण करना शुरू करने का आह्वान है, यह सुनिश्चित करते हुए कि डेटा में प्रत्येक "रुकावट," "मोड़," या "लूप" के साथ उसकी अपनी छोटी रसीद हो, जो निरीक्षण के लिए तैयार हो।