Sports Behavior Group

Mission

Sports Behavior Group is studying information processing technology such as machine learning using complex time-series data like human body movements. We model, evaluate, and understand human skillful movements and flexible teamwork using motion data of actual sports games. There are many unclear points regarding the behaviors that deal with difficult situations to be predicted. We tackle these problems and develop basic information technology that can be used conveniently for various people.

スポーツ行動グループは、ヒトの身体運動などの複雑な時系列データを扱う、機械学習などの情報処理技術の研究に取り組んでいます。主にこれまで、実際に行われたスポーツの身体運動データを用いて、ヒトの巧みな動きや柔軟なチームワークなどをモデル化・評価・理解する研究を行ってきました。しかし、特に予測が難しい状況に対応するような行動に関して未解明な点が多く残されています。そこで、これらの未解決な問題に取り組むとともに、様々な人が便利に使える情報基盤技術の開発を目指します。

Members

Keisuke FUJII(藤井慶輔), Head of Sports Behavior Group.

Assistant Professor (Graduate School of Informatics), Visiting Scientist (RIKEN Center for Advanced Intelligence Project), Homepage (E) ()

Kazushi TSUTSUI(筒井和詩), Sports Behavior Group

Researcher

Ziyi ZHANG, Sports Behavior Group

Ph.D candidate

Masakiyo TERANISHI, Sports Behavior Group

Master student

Tatsuya YOSHIKAWA, Sports Behavior Group

Bachelor student

Alumni and Alumnae

Taku UMEDA, Driver Behavior Group

Master student

Projects

Easily-available technologies based on data-driven models

Grant-in-Aid for Scientific Research(B) (JSPS) 科研費 基盤研究(B)

Developing easily-available information technologies based on data-driven models for team sports. 機械学習などを用いたチームスポーツのデータ駆動的モデルに基づく、スポーツ現場が利用しやすい情報提供技術に関する研究を行います。

Discovering neural bases supporting good teamwork

Grant-in-Aid for Scientific Research(B) (JSPS) 科研費 基盤研究(B) (分担)

Developing evaluation technologies for discovering neural bases supporting good teamwork. チームワークの良さを支える神経基盤の解明に貢献するための、評価手法に関わる情報技術の研究を行います。

Data-driven Analysis in Collective Motions

Grant-in-Aid for Scientific Research on Innovative Areas (JSPS) 科研費 新学術領域研究(生物移動情報学)

Developing algorithms for analyzing collective motions forming teamwork, especially for evaluating and understanding them by modeling with machine learning. チームワークを形成する集団運動の移動データを解析する手法を開発します。特に機械学習などを用いてモデル化して評価・理解する手法に取り組みます。

Visualization of Social Behaviors

Grant-in-Aid for Young Scientists (JSPS) 科研費 若手研究

Developing algorithms for visualizing social behaviors in collective motions, especially for classifying and evaluating them in interpretable ways with machine learning. 集団運動における社会的な行動を可視化する手法を開発します。特に機械学習などを用いて解釈可能な形式で分類・評価する手法に取り組みます。

Recent Researches (list, 日本語)

Trajectory prediction with imitation learning reflecting tactical evaluation in soccer

サッカーにおける戦術的な評価を反映した模倣学習による選手の軌道予測

寺西真聖, 藤井慶輔, 武田一哉, 第34回人工知能学会全国大会, 2020年6月

寺西真聖, 藤井慶輔, 武田一哉, 第2回彗ひろば(バイオメカニクス研究会), 学生部門発表賞, 2020年6月

複雑な集団運動におけるネットワークダイナミクスの物理的に解釈可能な分類

Keisuke Fujii, Naoya Takeishi, Motokazu Hojo, Yuki Inaba, Yoshinobu Kawahara, Scientific Reports 10 3005 2020 [arXiv] [code]

周期的なヒト移動運動における協調構造のためのデータ駆動的なスペクトル解析

Keisuke Fujii, Naoya Takeishi, Benio Kibushi, Motoki Kouzaki, Yoshinobu Kawahara, Scientific Reports 9 16755 2019 [code]

観測量間の動的構造を抽出するためのベクトル値再生核ヒルベルト空間における動的モード分解

Keisuke Fujii, Yoshinobu Kawahara, Neural Networks, 117 94-103 2019 [arXiv] [code]

集団運動ダイナミクスにおける方程式フリーの予測と分類

Keisuke Fujii, Takeshi Kawasaki, Yuki Inaba, Yoshinobu Kawahara, PLoS Computational Biology 14(11) e1006545 2018

Koopman spectral kernels for comparing complex dynamics: Application to multiagent sport plays, Keisuke Fujii, Yuki Inaba, Yoshinobu Kawahara, ECML-PKDD'17 127-139 2017

切替適応の最小モデル:人間の横移動にインスパイアされて

Keisuke Fujii, Yuki Yoshihara, Hiroko Tanabe, Yuji Yamamoto, Frontiers in Human Neuroscience 11(298) 2017

回復力のある助ける行動:小規模な人間集団における、階層的なサブシステムの切替と重複

Keisuke Fujii, Keiko Yokoyama, Takeshi Koyama, Akira Rikukawa, Hiroshi Yamada, Yuji Yamamoto, Scientific Reports 6(23991) 2016