Ricerc@Sapienza

Il forecasting di giochi squadra e' un task complesso, che nel corso degli anni ha attratto l'attenzione di sociologi, matematici e computer scientists, oltre che di economisti e ingegneri, poiche' le dinamiche di gioco sono rilevanti alle multi-agent simulations finanziare e alla collaborazione uomo-macchina nella fabbrica intelligente. Solo recentemente tecniche di artificial intelligence basate su deep neural networks hanno cominciato a permettere una modellazione del sistema interamente data-driven.

Nel progetto FOREGAME ci proponiamo di modellare le dinamiche temporali e spaziali di giochi quali basketball e calcio, tenendo in considerazione l'interazione collaborativa nella squadra, l'interazione antagonista tra le squadre, il contesto e la localizzazione di determinate dinamiche di gioco in alcune parti del campo. Al momento di scrittura di questa proposta, non esiste un modello che possa modellare questi elementi in maniera congiunta e data-driven.

In FOREGAME, ci si propose di studiare i modelli di gioco che proporremo a larghi orizzonti temporali di decine di minuti e interi tempi di gioco, con considerazione probabilistica dei diversi plausibili futuri. Questi propositi sono sfidanti dal punto di vista delle rappresentazioni, dei modelli di forecasting e computazionale, e sono ben oltre i pochi minuti al momento predetti dallo stato dell'arte.