技術要約：サッカーの戦術的意思決定支援のための制約付きマルチエージェント最適制御

1. 問題設定

本研究は、明示的な運動制約の下で、特定の戦術的目標を達成するためにサッカーチームの集団的な構成が時間の経過とともにどのように進化すべきかという、処方的（prescriptive）な問いに取り組むものである。過去の事象を分析したり結果を予測したりする記述的または予測的なアナリティクスとは異なり、本研究は戦術的プランニングを制約付きマルチエージェント最適制御問題として定式化している。

核心となる課題は、$N_p$人のプレイヤー（状態としてモデル化）の、時間ホライゾン $T$ におけるピッチ $\Omega$ 上の最適な速度制御を決定することである。システムは、以下の競合する戦術目標のバランスを取る必要がある：

• 領域支配（Territorial Control）： 特定の空間領域に対する影響力の最大化。
• 守備の露出（Defensive Exposure）： 連結されたディフェンダー間のギャップの最小化。
• コンパクトネス（Compactness）： 結束したチーム形状の維持。
• プレッシング・カバレッジ（Pressing Coverage）： 高圧ゾーンにおける相手プレイヤーへの距離の短縮。
• 移動努力量（Movement Effort）： 速度変化に伴うエネルギーコストの最小化。
• 終端精度（Terminal Accuracy）： ホライゾンの終了時における目標フォーメーションへの到達。

この問題は、最大プレイヤー速度（$V_{max}$）および全プレイヤーがピッチの境界内に留まるという要件を含む、物理的制約に従う。

2. 手法

数学的定式化

著者らはピッチを閉じた長方形 $\Omega = [0, L] \times [0, W]$ としてモデル化している。プレイヤーの位置 $x_i(t)$ は、一次形式の運動学 $\dot{x}_i = u_i$（ここで $u_i$ は速度制御）に従って進化する。相手チームは、最適化エージェントではなく規定された経路 $Y(t)$ として扱われ、単一チームの制御問題を独立させている。

目的関数は、以下の要素を組み合わせた無次元のボルツァー汎関数（Bolza functional） $J(U)$ を最小化することである：

1. 走行コスト（Running Cost）： 時間積分された、正規化された戦術的損失（領域、守備、コンパクトネス、プレッシング、および努力）の加重和。
2. 終端コスト（Terminal Cost）： 目標フォーメーション $X_{tar}$ からの偏差に対するペナルティ。

空間制御シェア $P_A(z)$ は、到着時間に基づく指数関数的な影響場を用いてモデル化され、相手の影響に対して正規化される。すべての損失関数は、微分可能性を確保するために平滑化されている（例：正則化パラメータ $\kappa, \delta, \rho$ を使用）。

理論的解析

• 存在性： 著者らは、状態空間のコンパクト性と努力項の弱下半連続性に依拠し、変分法の直接法を用いて最適制御の存在を証明している。
• 最適条件： ポントリャーギンの最小原理を用いて、一階の必要条件を導出している。これにより、状態方程式、随伴（余コスト）方程式、および横断条件からなるシステムが得られる。
• 制御則： 明示的な内部制御則が導出されており、最適な速度は許容速度球 $B_{V_{max}}$ への勾配項の射影であることが示されている。

数値ソルバー

この問題を数値的に解くために、著者らは時間離散化された射影勾配アルゴリズムを採用している：

1. 離散化： 連続的な問題を、区分定数近似および長方形則を用いた積分を用いて離散化する。
2. 随伴法： 制御に関する目的関数の低減勾配を決定するために、正確な離散随伴を時間方向に逆向きに計算する。
3. 最適化： アルモジョ（Armijo）バックトラッキング行探索と、実行可能集合（速度制約およびピッチ境界）への射影を組み合わせて使用する。
4. 検証： ソルバーは、数値的一貫性を確保するために、有限差分勾配チェック、制約監査、空間グリッド感度分析、およびマルチスタート実験を用いて厳密に検証されている。

3. 主な貢献

本論文は、以下の6つの具体的な手法論的貢献を行っている：

1. 統一された定式化： 領域、守備、コンパクトネス、プレッシング、および努力の損失を、微分可能なコンポーネントとして同時に符号化する、制約付きマルチエージェント・フレームワーク。
2. 理論的厳密性： サッカーの戦術制御問題に対する存在性の結果、滑らかさの特性、および明示的なポントリャーギンの必要条件の確立。
3. 離散随伴およびソルバー： 一貫した時間離散随伴の導出、および離散反復の一次停留性の証明を含む、アルモジョ・バックトラッキングを用いた射影勾配法。
4. 実装の忠実度： 単なる規定された補間とは異なる、最適化アルゴリズムの実際の実装の提供。
5. ソルバーの検証： 数値的一貫性を保証するための、有限差分勾配チェック、制約監査、および感度分析による包括的な検証。
6. 再現性： 独自のデータなしでも独立した再現を可能にするため、完全に文書化された合成座標、パラメータ、コード、および数値出力を公開している。

4. 結果

ベンチマーク性能

$105 \times 68$ m のピッチにおける12秒間のホライゾンを用いた、11人プレイヤーの合成ベンチマークを使用：

• 目的関数の改善： 最適化された戦略は、目的関数の値を、実現可能な線形遷移の 0.20935 から 0.18511 へ、すなわち 11.58% 改善させた。静的なコンパクト・ベースライン（0.29982）と比較した場合、38.26% の改善となった。
• トレードオフ： 最適化された解は、プレッシング損失（0.1140 に対し 0.0269）および領域損失を大幅に削減するために、より高い移動努力（線形の 0.0495 に対し 0.0727）を受け入れた。
• 制約充足： すべての速度制約が満たされた（最大速度は正確に 7.0 m/s）であり、最適化中にピッチ境界制約が有効になることはなかった。
• 収束： ソルバーは 88 回のイテレーションで、残差 $1.57 \times 10^{-4}$ で収束した。

検証と感度

• 勾配の正確性： 有限差分チェックにより、随伴勾配と数値近似との間の最大相対差は $3.05 \times 10^{-5}$ であることが示された。
• グリッド感度： 空間求積グリッドを $40 \times 26$ から $120 \times 78$ に増やしても、領域損失の変化はわずか 0.135% であり、結果が粗い離散化によるアーティファクトではないことが確認された。
• マルチスタートの堅牢性： 異なる初期化（静的、線形、ランダム）は、最終的な目的関数の相対的な広がりが 0.043% 以内の解に収束した。

優先度実験

著者らは、優先度ベクトルを変化させることで、モデルの戦術的重みへの応答性をテストした：

• プレッシング優先（Pressing-First）： 移動努力の変化を最小限に抑えつつ、プレッシング損失をさらに減少させた（0.0234）。
• 守備優先（Defense-First）： 守備損失と移動努力を減少させた（RMS速度が 1.888 から 1.630 m/s に低下）が、プレッシング損失は増加した（0.0548）。
  これらの結果は、ソルバーがハードコードされた挙動ではなく、指定された重みに基づいて一貫した、解釈可能なトレードオフを生成することを示している。

5. 意義と主張

本論文は、検証された試合予測システムではなく、手法論的および計算的フレームワークとして位置づけられている。

• ギャップの解消： 本研究は、サッカーの最適制御問題を定式化することと、実際にそれらを解いて軌跡を生成することの間のギャップを埋めるものである。抽象的な戦術指標と、検証された数値ソルバーを結びつけている。
• 再現性： 合成データとコードを提供することで、著者らは将来の実際のトラッキングデータを用いたキャリブレーションのための再現可能な基礎を確立している。
• 限界と範囲： 著者らは、現在の研究は合成データを使用しており、予測の妥当性、因果的なコーチング上の利益、またはプロの試合での性能を主張していないことを明示している。運動モデルは一次形式であり（加速度やバイオメカニクスを無視）、相手は適応的ではなく規定されている。
• 今後の展望： 次の論理的なステップは、実際のトラッキングデータを用いた戦術的重みと初期状態のキャリブレーションであり、続いて二次の運動モデルや、適応的な相手との微分ゲームへの拡張であると示唆されている。

要約すると、本論文は、サッカーにおける最適な戦術的軌跡を生成するための、数学的に厳密で、計算的に検証され、完全に再現可能なフレームワークを提供しており、データ駆動型の戦術分析のための基礎となるものである。