🔢 mathematics

Constrained Multi-Agent Optimal Control for Football Tactical Decision Support: Analysis, Solver Verification, and Reproducible Scenario Experiments

यह शोध पत्र फुटबॉल सामरिक निर्णय लेने के लिए एक बाधित बहु-एजेंट इष्टतम नियंत्रण ढांचा प्रस्तुत करता है जो सैद्धांतिक इष्टतमता स्थितियों को स्थापित करता है, एक संख्यात्मक सॉल्वर को लागू करता है, और आधारभूत रणनीतियों की तुलना में रणनीतिक प्रदर्शन में महत्वपूर्ण सुधार प्रदर्शित करने वाले पुनरुत्पादक सिंथेटिक प्रयोगों के माध्यम से दृष्टिकोण को मान्य करता है।

मूल लेखक: Abbes Kadyri, Abdelfettah Belkahla, Otmane Bencheihb

प्रकाशित 2026-09-03

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Abbes Kadyri, Abdelfettah Belkahla, Otmane Bencheihb

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

फुटबॉल को अक्सर स्थान और समय के खेल के रूप में वर्णित किया जाता है, जहाँ सबसे मूल्यवान संपत्ति केवल गेंद नहीं, बल्कि उसके आसपास की खाली जमीन होती है। दशकों से, कोच और विश्लेषक यह समझने के लिए रिप्ले देखते रहे हैं कि टीमें एक साथ कैसे चलती हैं, यह देखने की कोशिश करते हैं कि कैसे ग्यारह खिलाड़ियों का एक समूह एक सघन रक्षात्मक ब्लॉक से एक आक्रामक फॉर्मेशन में बदलता है। आधुनिक तकनीक ने इस अवलोकन को और भी सटीक बना दिया है, जिससे हमें पिच पर प्रत्येक खिलाड़ी की सटीक स्थिति को उच्च गति पर ट्रैक करने की अनुमति मिलती है। हालाँकि, यह जानना कि खिलाड़ी कहाँ हैं और वे अतीत में कैसे चले, यह जानने से अलग है कि उन्हें आगे क्या करना चाहिए। बड़ा प्रश्न जो बना हुआ है वह यह है कि पूरे दल के लिए एक आकार से दूसरे आकार में जाने के लिए एक आदर्श पथ की गणना कैसे की जाए, जबकि खिलाड़ियों की शारीरिक सीमाओं और मैदान के नियमों का सम्मान किया जाए। यह सामरिक निर्णय सहायता (tactical decision support) की चुनौती है: एक "अच्छे मूव" के अमूर्त विचार को एक ठोस, निष्पादन योग्य योजना में बदलना।

शौआब दोकाली विश्वविद्यालय, मोरक्को की शोधकर्ताओं की एक टीम ने फुटबॉल रणनीति को एक जटिल गणितीय पहेली के रूप में मानकर इस समस्या का समाधान किया है। उन्होंने एक कंप्यूटर मॉडल बनाया जो एक पूर्ण मैच परिदृश्य का अनुकरण करता है, न कि केवल यह अनुमान लगाकर कि क्या हो सकता है, बल्कि यह गणना करके कि एक टीम के पुनर्गठित होने का सबसे अच्छा तरीका क्या है। अपने अध्ययन में, उन्होंने वास्तविक दुनिया के मैच फुटेज या ऐतिहासिक डेटा पर निर्भर रहने के बजाय, एक कृत्रिम, या पूरी तरह से काल्पनिक, परिदृश्य बनाया जिसमें 105 x 68 मीटर के मानक मैदान पर ग्यारह खिलाड़ी शामिल थे। उन्होंने लक्ष्यों का एक सेट परिभाषित किया जो एक कोच प्राप्त करना चाह सकता है, जैसे कि मैदान के अधिक हिस्से को नियंत्रित करना, रक्षात्मक रेखा को सख्त रखना, प्रतिद्वंद्वी पर आक्रामक रूप से दबाव बनाना और ऊर्जा बचाना। उन्होंने सख्त भौतिक नियम भी निर्धारित किए, यह सुनिश्चित करते हुए कि सिमुलेशन में कोई भी खिलाड़ी 7.0 मीटर प्रति सेकंड की यथार्थवादी अधिकतम गति से तेज़ न दौड़ सके।

शोधकर्ताओं ने अपने कंप्यूटर से पूछा कि बारह सेकंड की अवधि में प्रत्येक खिलाड़ी के लिए शुरुआती स्थिति से लक्ष्य स्थिति तक जाने के लिए इष्टतम पथ (optimal path) कैसे खोजा जाए। ऐसा करने के लिए, उन्होंने एक ऐसी विधि का उपयोग किया जो लगातार विभिन्न उद्देश्यों के बीच के समझौतों (trade-offs) की जांच करती है। उदाहरण के लिए, यदि कोई टीम प्रतिद्वंद्वी पर अधिक दबाव डालने की कोशिश करती है, तो खिलाड़ियों को तेज़ दौड़ना होगा, जिससे अधिक ऊर्जा खर्च होगी। यदि वे बहुत दूर रहते हैं, तो वे रक्षात्मक स्थिरता खो देते हैं। कंप्यूटर को इन सभी प्रतिस्पर्धी जरूरतों को एक साथ संतुलित करना था। परिणाम प्रत्येक खिलाड़ी के लिए निर्देश का एक सेट था कि सर्वोत्तम समग्र परिणाम प्राप्त करने के लिए उसे हर एक सेकंड के अंश पर कैसे चलना चाहिए।

जब शोधकर्ताओं ने कंप्यूटर की अनुकूलित योजना की तुलना दो सरल विकल्पों के विरुद्ध की, तो अंतर स्पष्ट था। पहला विकल्प एक स्थिर आधार रेखा (static baseline) था, जहाँ टीम बिना हिले अपनी शुरुआती संरचना में ही रहती है। दूसरा एक रैखिक संक्रमण (linear transition) था, जहाँ खिलाड़ी एक निरंतर गति से अपने लक्ष्य की ओर सीधी रेखा में चलते हैं, जैसे कि एक साधारण एनिमेशन। कंप्यूटर का अनुकूलित समाधान, जिसमें जटिल, घुमावदार पथ शामिल थे जहाँ खिलाड़ी विशिष्ट क्षणों पर त्वरित और धीमे होते थे, काफी बेहतर प्रदर्शन करता था। इसने सरल सीधी रेखा वाली गति की तुलना में कुल "लागत" को 11.58 प्रतिशत कम कर दिया और स्थिर रहने की तुलना में 38.26 प्रतिशत कम कर दिया। यह सुधार मॉडल की क्षमता से आया जिससे खिलाड़ियों को अधिक जमीन कवर करने और अधिक दबाव डालने के लिए स्थिति में लाया जा सका, भले ही इसके लिए उन्हें थोड़ा अधिक कठिन परिश्रम करना पड़ा।

अध्ययन ने यह भी परीक्षण किया कि यदि कोच अपनी प्राथमिकताओं को बदल देता है तो टीम कैसे व्यवहार करेगी। एक प्रयोग में, शोधकर्ताओं ने कंप्यूटर को लगभग पूरी तरह से प्रतिद्वंद्वी पर दबाव डालने पर ध्यान केंद्रित करने के लिए कहा। परिणामी योजना ने दिखाया कि खिलाड़ी स्थान को बंद करने के लिए अधिक आक्रामक रूप से आगे बढ़ रहे हैं, जिससे रक्षा में अंतराल छोड़ने का उच्च जोखिम स्वीकार किया गया। एक अन्य प्रयोग में, उन्होंने रक्षात्मक स्थिरता को प्राथमिकता दी। कंप्यूटर ने प्रतिक्रिया दी कि खिलाड़ियों को धीरे-धीरे चलना चाहिए और एक साथ करीब रहना चाहिए, जिससे उनका ऊर्जा व्यय कम हो गया लेकिन प्रतिद्वंद्वी को अधिक स्थान मिल गया। इन परीक्षणों ने सिद्ध किया कि सिस्टम केवल एक कठोर स्क्रिप्ट का पालन नहीं कर रहा था; यह वास्तव में एक संतुलन बनाने का कार्य कर रहा था, जो दिए गए विशिष्ट निर्देशों के आधार पर अपना व्यवहार बदल रहा था।

इस कार्य की सीमाओं को समझना महत्वपूर्ण है। शोधकर्ता इस बात को लेकर बहुत स्पष्ट थे कि यह एक गणितीय सत्यापन था, न कि वास्तविक जीवन के फुटबॉल की भविष्यवाणी। सिमुलेशन में खिलाड़ी वास्तविक मनुष्य नहीं थे जिनमें थकान, चोटें या व्यक्तिगत विचित्रताएं हों; वे सख्त नियमों के अनुसार चलने वाले आदर्श बिंदु थे। प्रतिद्वंद्वी भी स्थिर और अनुमानित था, न कि एक सोचने वाला विरोधी जो टीम को मात देने की कोशिश कर रहा हो। अध्ययन ने यह दावा नहीं किया कि उसने फुटबॉल को हल कर लिया है या मैचों को जीतने का कोई जादुई सूत्र प्रदान किया है। इसके बजाय, इसने यह प्रदर्शित किया कि इन समस्याओं को हल करने के लिए उपयोग किए जाने वाले अंतर्निहित गणित और कंप्यूटर कोड ठोस और विश्वसनीय हैं। टीम ने अपने परिणामों को कई तरीकों से जाँचकर सत्यापित किया, यह सुनिश्चित करते हुए कि कंप्यूटर के ग्रेडिएंट चेक सटीक हैं और गणना के लिए उपयोग किए गए ग्रिड को बारीक बनाने पर समाधान नहीं बदलता है।

इस शोध का अंतिम लक्ष्य भविष्य के उन उपकरणों के लिए एक आधार तैयार करना है जो कोचों की मदद कर सकें। यह सिद्ध करके कि एक जटिल, बहु-खिलाड़ी सामरिक समस्या को एक सत्यापित कंप्यूटर एल्गोरिदम के साथ हल किया जा सकता है, शोधकर्ताओं ने एक पुनरुत्पादक बेंचमार्क (reproducible benchmark) बनाया है। इसका अर्थ है कि अन्य वैज्ञानिक अपने स्वयं के विचारों का परीक्षण करने के लिए इसी सिंथेटिक डेटा और कोड का उपयोग कर सकते हैं। लेखकों के अनुसार, अगला कदम इस ढांचे को लेना और इसमें वास्तविक मैचों से वास्तविक डेटा डालना है। केवल तभी इस मॉडल को खेल की वास्तविक जटिलता के अनुरूप ढाला जा सकेगा, जहाँ खिलाड़ी थक जाते हैं, गेंद अप्रत्याशित रूप से चलती है, और प्रतिद्वंद्वी गतिशील रूप से प्रतिक्रिया करते हैं। फिलहाल, यह अध्ययन एक कठोर प्रमाण के रूप में खड़ा है कि फुटबॉल की रणनीतियों के गणित को मानचित्रित, गणना और अनुकूलित किया जा सकता है, जो खेल की रणनीतिक गहराई को देखने के लिए एक नया दृष्टिकोण प्रदान करता है।

तकनीकी सारांश: फुटबॉल सामरिक निर्णय सहायता के लिए बाधित बहु-एजेंट इष्टतम नियंत्रण (Constrained Multi-Agent Optimal Control)

1. समस्या विवरण

यह शोध इस निर्देशात्मक प्रश्न को संबोधित करता है कि विशिष्ट सामरिक उद्देश्यों को प्राप्त करने के लिए, स्पष्ट गति बाधाओं (motion constraints) के तहत, एक फुटबॉल टीम का सामूहिक विन्यास समय के साथ कैसे विकसित होना चाहिए। पिछले आयोजनों का विश्लेषण करने या परिणामों का पूर्वानुमान लगाने वाले वर्णनात्मक या भविष्य कहनेवाला (predictive) विश्लेषणों के विपरीत, यह कार्य सामरिक योजना को एक बाधित बहु-एजेंट इष्टतम नियंत्रण समस्या (constrained multi-agent optimal control problem) के रूप में तैयार करता है।

मुख्य चुनौती $N_p$ खिलाड़ियों (जो मॉडल के रूप में अवस्थाएँ हैं) के लिए एक पिच $\Omega$ पर समय क्षितिज $T$ के दौरान इष्टतम वेग नियंत्रण (velocity controls) निर्धारित करना है। सिस्टम को प्रतिस्पर्धी सामरिक लक्ष्यों के बीच संतुलन बनाना चाहिए:

क्षेत्रीय नियंत्रण (Territorial Control): विशिष्ट स्थानिक क्षेत्रों पर प्रभाव को अधिकतम करना।
रक्षात्मक जोखिम (Defensive Exposure): जुड़े हुए रक्षकों के बीच के अंतराल को कम करना।
सघनता (Compactness): एक सुसंगत टीम संरचना बनाए रखना।
प्रेसिंग कवरेज (Pressing Coverage): उच्च दबाव वाले क्षेत्रों में विपक्षी खिलाड़ियों की दूरी को कम करना।
गति का प्रयास (Movement Effort): वेग परिवर्तनों के ऊर्जा लागत को न्यूनतम करना।
अंतिम सटीकता (Terminal Accuracy): क्षितिज के अंत में एक लक्षित फॉर्मेशन तक पहुँचना।

यह समस्या भौतिक बाधाओं के अधीन है, जिसमें अधिकतम खिलाड़ी गति ( $V_{max}$ ) और सभी खिलाड़ियों का पिच की सीमाओं के भीतर रहने की आवश्यकता शामिल है।

2. कार्यप्रणाली

गणितीय निरूपण

लेखक पिच को एक बंद आयत $\Omega = [0, L] \times [0, W]$ के रूप में मॉडल करते हैं। खिलाड़ी की स्थिति $x_i(t)$ प्रथम-क्रम गति विज्ञान (first-order kinematics) $\dot{x}_i = u_i$ के अनुसार विकसित होती है, जहाँ $u_i$ वेग नियंत्रण है। विपक्षी को एक अनुकूलित एजेंट के बजाय एक निर्धारित पथ (prescribed path) $Y(t)$ के रूप में माना गया है, जो एकल-टीम नियंत्रण समस्या को अलग करता है।

उद्देश्य एक विमाहीन बोल्ज़ा फलन (dimensionless Bolza functional) $J(U)$ को न्यूनतम करना है, जो निम्नलिखित को जोड़ता है:

रनिंग कॉस्ट (Running Cost): समय के साथ एकीकृत सामान्यीकृत सामरिक हानियों (क्षेत्रीय, रक्षात्मक, सघनता, प्रेसिंग और प्रयास) का एक भारित योग।
टर्मिनल कॉस्ट (Terminal Cost): एक लक्षित फॉर्मेशन $X_{tar}$ से विचलन के लिए दंड।

स्थानिक नियंत्रण अंश $P_A(z)$ को आगमन समय के आधार पर एक्सपोनेंशियल इन्फ्लुएंस फील्ड्स का उपयोग करके मॉडल किया गया है, जिसे विपक्षी के प्रभाव के विरुद्ध सामान्यीकृत किया गया है। सभी हानि कार्यों (loss functions) को अवकलनीयता (differentiability) सुनिश्चित करने के लिए स्मूथ (जैसे, $\kappa, \delta, \rho$ जैसे नियमितीकरण मापदंडों का उपयोग करके) किया गया है।

सैद्धांतिक विश्लेषण

अस्तित्व (Existence): लेखक परिवर्तन के कलन (calculus of variations) में डायरेक्ट मेथड का उपयोग करके एक इष्टतम नियंत्रण के अस्तित्व को सिद्ध करते हैं, जो अवस्था स्थान की कॉम्पैक्टनेस और प्रयास पद की कमजोर निम्न अर्ध-निरंतरता (weak lower semicontinuity) पर निर्भर करता है।
इष्टतमता की शर्तें (Optimality Conditions): पोंट्रियागिन के न्यूनतम सिद्धांत (Pontryagin's Minimum Principle) का उपयोग करते हुए, लेखक प्रथम-क्रम आवश्यक शर्तें प्राप्त करते हैं। इससे अवस्था समीकरणों, एडजॉइंट (adjoint/costate) समीकरणों और एक ट्रांसवर्सलिटी स्थिति की एक प्रणाली प्राप्त होती है।
नियंत्रण नियम (Control Law): एक स्पष्ट आंतरिक नियंत्रण नियम व्युत्पन्न किया गया है, जो दिखाता है कि इष्टतम वेग, स्वीकार्य वेग बॉल $B_{V_{max}}$ पर एक ग्रेडिएंट पद का प्रोजेक्शन है।

संख्यात्मक सॉल्वर (Numerical Solver)

समस्या को संख्यात्मक रूप से हल करने के लिए, लेखक एक समय-विच्छिन्न प्रक्षिप्त-ग्रेडिएंट एल्गोरिदम (time-discrete projected-gradient algorithm) का उपयोग करते हैं:

विच्छेदन (Discretization): निरंतर समस्या को पीसवाइज-कांस्टेंट कंट्रोल सन्निकटन और एकीकरण के लिए रेक्टेंगल नियम का उपयोग करके विच्छेदित किया गया है।
एडजॉइंट विधि (Adjoint Method): नियंत्रणों के संबंध में ऑब्जेक्टिव फंक्शन के रिड्यूस्ड ग्रेडिएंट को निर्धारित करने के लिए समय में पीछे की ओर एक सटीक डिस्क्रीट एडजॉइंट की गणना की जाती है।
अनुकूलन (Optimization): एल्गोरिदम फेज़िबल सेट (गति बाधाएं और पिच सीमाएं) पर प्रोजेक्शन के साथ आर्मिजोो बैकट्रैकिंग (Armijo backtracking) लाइन सर्च का उपयोग करता है।
सत्यापन (Verification): सॉल्वर को फाइनाइट-डिफरेंस ग्रेडिएंट चेक, बाधा ऑडिट, स्थानिक ग्रिड संवेदनशीलता विश्लेषण और मल्टी-स्टार्ट प्रयोगों का उपयोग करके कड़ाई से सत्यापित किया गया है।

3. प्रमुख योगदान

यह शोध पत्र छह विशिष्ट पद्धतिगत योगदान देता है:

एकीकृत निरूपण: एक बाधित बहु-एजेंट ढांचा जो क्षेत्रीय, रक्षात्मक, सघनता, प्रेसिंग और प्रयास हानियों को अवकलनीय घटकों के रूप में एक साथ एनकोड करता है।
सैद्धांतिक कठोरता: फुटबॉल सामरिक नियंत्रण समस्या के लिए अस्तित्व परिणामों, स्मूथनेस गुणों और स्पष्ट पोंट्रियागिन आवश्यक शर्तों की स्थापना।
डिस्क्रीट एडजॉइंट और सॉल्वर: एक सुसंगत समय-विच्छिन्न एडजॉइंट और आर्मिजो बैकट्रैकिंग के साथ एक प्रक्षिप्त-ग्रेडिएंट विधि का व्युत्पत्ति, जिसमें डिस्क्रीट इटरेशन के लिए प्रथम-क्रम स्थिरता का प्रमाण भी शामिल है।
कार्यान्वयन निष्ठा (Implementation Fidelity): एक वास्तविक अनुकूलन एल्गोरिदम का प्रावधान, जो इसके आउटपुट को साधारण निर्धारित इंटरपोलेशन से अलग करता है।
सॉल्वर सत्यापन: संख्यात्मक निरंतरता सुनिश्चित करने के लिए फाइनाइट-डिफरेंस ग्रेडिएंट चेक, बाधा ऑडिट और संवेदनशीलता विश्लेषण के माध्यम से व्यापक सत्यापन।
पुनरुत्पादकता (Reproducibility): सिंथेटिक निर्देशांक, पैरामीटर, कोड और संख्यात्मक आउटपुट का पूर्ण दस्तावेजीकरण, जो स्वतंत्र पुनरुत्पादन की अनुमति देता है।

4. परिणाम

बेंचमार्क प्रदर्शन

$105 \times 68$ मीटर की पिच पर 12 सेकंड के क्षितिज पर 11-खिलाड़ियों के सिंथेटिक बेंचमार्क का उपयोग करते हुए:

उद्देश्य सुधार: अनुकूलित रणनीति ने ऑब्जेक्टिव फंक्शन के मान को व्यवहार्य रैखिक संक्रमण (feasible linear transition) के 0.20935 से घटाकर 0.18511 कर दिया, जो कि 11.58% का सुधार है। एक स्थिर कॉम्पैक्ट बेसलाइन (0.29982) की तुलना में, सुधार 38.26% था।
समझौते (Trade-offs): अनुकूलित समाधान ने महत्वपूर्ण प्रेसिंग हानि (0.0269 बनाम 0.1140) और क्षेत्रीय हानि को कम करने के लिए उच्च मूवमेंट प्रयास (0.0727 बनाम 0.0495 रैखिक के लिए) को स्वीकार किया।
बाधा संतुष्टि: सभी गति बाधाओं को पूरा किया गया (अधिकतम गति ठीक 7.0 मी/से), और अनुकूलन के दौरान कोई भी पिच-बाउंड्री बाधा सक्रिय नहीं हुई।
अभिसरण (Convergence): सॉल्वर 88 इटरेशन में $1.57 \times 10^{-4}$ के अवशेष (residual) के साथ अभिसरित हुआ।

सत्यापन और संवेदनशीलता

ग्रेडिएंट सटीकता: फाइनाइट-डिफरेंस चेक ने एडजॉइंट ग्रेडिएंट और संख्यात्मक अनुमानों के बीच अधिकतम सापेक्ष अंतर $3.05 \times 10^{-5}$ दिखाया।
ग्रिड संवेदनशीलता: स्थानिक क्वाड्रैचर ग्रिड को $40 \times 26$ से बढ़ाकर $120 \times 78$ करने से क्षेत्रीय हानि में केवल 0.135% का परिवर्तन हुआ, जो पुष्टि करता है कि परिणाम मोटे विच्छेदन का आर्टिफैक्ट नहीं है।
मल्टी-स्टार्ट मजबूती: विभिन्न इनिशियलाइजेशन (स्थिर, रैखिक, यादृच्छिक) अंतिम ऑब्जेक्टिव में केवल 0.043% के सापेक्ष प्रसार के साथ समाधानों पर अभिसरित हुए।

प्राथमिकता प्रयोग

लेखकों ने प्राथमिकता वेक्टर को बदलकर सामरिक भार (tactical weights) के प्रति मॉडल की प्रतिक्रिया का परीक्षण किया:

प्रेसिंग-फर्स्ट (Pressing-First): प्रयास में न्यूनतम परिवर्तन के साथ प्रेसिंग हानि (0.0234) को और कम किया।
डिफेंस-डिफर्स्ट (Defense-First): रक्षात्मक हानि और मूवमेंट प्रयास (RMS गति 1.888 से गिरकर 1.630 मी/से हो गई) को कम किया लेकिन प्रेसिंग हानि (0.0548) बढ़ गई।
ये परिणाम दर्शाते हैं कि सॉल्वर निर्दिष्ट भार के आधार पर सुसंगत, व्याख्या योग्य समझौते उत्पन्न करता है न कि हार्ड-कोडेड व्यवहार।

5. महत्व और दावे

यह शोध पत्र स्वयं को एक मेथोडोलॉजिकल और कम्प्यूटेशनल फ्रेमवर्क के रूप में स्थापित करता है, न कि एक प्रमाणित मैच-प्रेडिक्शन सिस्टम के रूप में।

अंतराल को पाटना: यह कार्य फुटबॉल के लिए ऑप्टिमल कंट्रोल समस्याओं को तैयार करने और वास्तव में उन्हें ट्रैजेक्टरीज उत्पन्न करने के लिए हल करने के बीच के अंतर को पाटता है। यह अमूर्त सामरिक संकेतकों को एक सत्यापित संख्यात्मक सॉल्वर से जोड़ता है।
पुनरुत्पादकता: सिंथेटिक डेटा और कोड प्रदान करके, लेखक भविष्य के वास्तविक ट्रैकिंग डेटा के साथ अंशांकन (calibration) के लिए एक पुनरुत्पाद्य आधार स्थापित करते हैं।
सीमाएं और दायरा: लेखक स्पष्ट रूप से कहते हैं कि वर्तमान अध्ययन सिंथेटिक डेटा का उपयोग करता है और भविष्य कहनेवाला वैधता, कारण कोचिंग लाभ, या पेशेवर मैचों में प्रदर्शन का दावा नहीं करता है। मोशन मॉडल प्रथम-क्रम का है (त्वरण और बायोमैकेनिक्स को अनदेखा करते हुए), और विपक्षी अनुकूलित होने के बजाय निर्धारित है।
भावी कार्य: शोध पत्र सुझाव देता है कि अगला तार्किक कदम वास्तविक ट्रैकिंग डेटा का उपयोग करके सामरिक भार और प्रारंभिक अवस्थाओं का अंशांकन करना है, जिसके बाद दूसरे-क्रम के मोशन मॉडल और अनुकूलित विरोधियों के लिए डिफरेंशियल गेम्स का विस्तार करना है।

संक्षेप में, यह पेपर फुटबॉल में इष्टतम सामरिक प्रक्षेपवक्र (trajectories) उत्पन्न करने के लिए एक गणितीय रूप से कठोर, कम्प्यूटेशनल रूप से सत्यापित और पूरी तरह से पुनरुत्पाद्य ढांचे के रूप में कार्य करता है, जो डेटा-संचालित सामरिक विश्लेषण के भविष्य के लिए एक आधार प्रदान करता है।