热点事件持续更新
分位数回归从追踪数据预测球员到达时间
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv cs.AI 刊出一项研究，把人体运动中的到达时间（TTA）建模为条件分位数回归问题：用轻量多层感知机（MLP）从追踪数据中学习球员到达场上任意位置所需的最短可信时间，而不是只给出单一点预测。模型基于 PFF FC 提供的 FIFA 2022 世界杯全部 64 场比赛光学追踪数据训练，在各项评测指标上一致优于六个文献中的球员运动模型以及可学习的可达域基线。研究还把该模型迁移到篮球追踪数据和单场 NFL 数据上，以检验跨运动的运动动力学可迁移性。目前该工作处于论文预印本阶段，报道未提及同行评审、代码或数据公开情况，也未给出具体数值结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
arXiv 新论文用轻量 MLP 做条件分位数回归，预测球员到达任意位置的最短可信时间，并迁移至篮球与 NFL 数据。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AI用分位数回归从追踪数据学习人体运动可行性
研究将运动中的到达时间（TTA）建模为条件分位数回归问题，用轻量 MLP 从追踪数据学习球员到达场上任意位置的最短可信时间。模型基于 PFF FC FIFA World Cup 2022 全部 64 场比赛的光学追踪数据训练，各项评测指标上一致优于六个文献球员运动模型和可学习可达域基线。研究还把模型迁移到篮球追踪数据与单场 NFL 数据，检验跨运动的运动动力学可迁移性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。