用 Monte Carlo 模擬拆解傳球決策

3天前
讀畢需時 7 分鐘

同一場比賽，兩腳看起來差不多的直塞：一腳成功，球員被讚有視野；一腳被截，球員被批評魯莽。但如果那腳成功的傳球其實只有極窄的成功窗口，而被截的一腳本來有九成機會創造機會呢？

這就是足球分析中著名的 outcome bias：我們用結果評價決策，卻很少問「如果再踢一百次，會發生甚麼」。Carnegie Mellon University 的 Andrew Kang 與 Priya Narasimhan 在 paper《Monte Carlo Pass Search: Using Trajectory Generation for 3D Counterfactual Pass Evaluation in Football》提出一個直接的答案：真的去「踢一百次」用生成式世界模型，為每一腳實際傳球模擬數百個反事實版本，再統計價值分佈。

本文重點

這篇 paper 的核心主張，是把傳球評估由「單點估計」升級為「分佈評估」，而做法借用了 Monte Carlo Tree Search 的 search-and-evaluate 思想。

作者指出，MCTS 式評估所需的三個組件，其實在足球分析文獻早已分別存在，只是名字不同：value model 就是 possession value、world model 就是多智能體軌跡生成、policy 就是對反事實動作的採樣。Monte Carlo Pass Search（下稱 MCPS）把三者串成一個迴路：對每一腳實際傳球，先反推出腳參數，採樣 256 個「同一選擇、不同執行」的 local variants 加 256 個「不同選擇」的 global variants，用世界模型把每個候選向前推演到下一次觸球，再用價值模型評分，得到一個 gained possession value（∆PV）的分佈。

有了分佈，就可以問單點估計答不到的問題：這腳傳球在自己的反事實分佈中排第幾個 percentile？球員是持續執行得比平均好，還是持續錯過更高價值的選項？

一、為甚麼傳球咁難評估？

傳球決策同時被兩種噪音污染。

執行噪音： 兩腳目測相似的傳球，成功窗口可以差天共地。一腳需要毫米級準繩，另一腳容錯極大，但事後只看結果完全分不出來。

下游互動： 一腳技術上完美的傳球，隊友接應後輸掉對抗，整個 play 看起來就是失敗。反之亦然。

現有主流指標如 expected threat（xT）與 expected pass（xPass）有價值，但通常以單點估計形式部署：要麼評分已發生的動作，要麼給假想傳球一個單一期望值。Spearman et al. 的 physics-based pass probability 模型是重要例外，已經可以做假想傳球分析，但作者指出兩個缺口：第一，「理想傳球」分析會掩蓋同一選項可能有多個高質執行方式、各有不同穩健度；第二，rule-based 的球員運動假設（例如全力攔截模型）難以捕捉有比賽脈絡的無球走動與下游價值。

MCPS 的取態是：一腳傳球不是單一事件，而是「可能執行方式 × 可能短期未來」的分佈。

二、三個組件：Value、World、Policy

Value model（價值模型）： 用廣泛採用的 Possession Value（PV）定義，己方 10 秒內入球概率減對方 10 秒內入球概率。實作上是一個 Transformer，輸入 tracking window，兩個 binary cross-entropy head 分別預測主客隊，標籤用 expected goals proxy 加權的 shot-within-10s 事件，以緩解入球太稀疏的問題。

World model（世界模型）： 預測一腳候選傳球之後，場面如何演化直到下一次有意義的觸球（控球觸碰、明顯偏轉或出界）。這需要三個子模型合作：球員軌跡生成器、Player-to-Touch 預測器（邊個下一個觸球、幾時觸）、Ball-at-Touch 預測器（觸球後皮球速度點變）。

Policy（反事實搜索）： 對每一腳實際傳球，先要準確反推出腳參數（初始 3D 速度加旋轉 proxy）。直接讀出腳瞬間的觀測球速並不可靠，所以作者用 CEM 式求解器配合皮球飛行模擬器（含重力、阻力、反彈、摩擦等常數）去 fit 參數，只保留擬合誤差接近零的傳球。之後做兩層採樣：local search 對方向、力度、垂直分量與旋轉做小擾動，模擬執行噪音；global search 做大幅方向改變，近似同一刻的其他選項集合。

每個候選（256 local + 256 global + 擬合的實際一腳）都行同一條流程：世界模型推演到下一次觸球，計 ∆PV = PV(推演後狀態) − PV(傳球前狀態)。

三、世界模型：由自動駕駛借來的 tokenizer

這篇 paper 工程上最有意思的決定，是軌跡生成器唔係足球界慣用架構，而是改編自自動駕駛的 SMART，一個 autoregressive、discrete-token 的多智能體運動生成模型。

做法接近 language model：把連續軌跡切成 0.4 秒一個 token（12.5 Hz、5 frames），球員 motion token 是 10 維平面速度、詞彙表 2048 個 code；皮球 token 是 15 維 3D 速度、詞彙表 1024 個 code，詞彙表用 k-means 對標準化位移聚類建成。一個 decoder-only 的 space–time Transformer 讀 8 個歷史 token，預測 24 個 rollout token，並帶有 entity type（球員／皮球）與球隊指示的 embedding。

點解揀 discrete token 而唔係 diffusion？作者的理由是 sample efficiency：公開足球 tracking 資料極少，autoregressive token 預測在小數據下更穩，亦更容易對皮球軌跡施加因果條件，rollout 時皮球飛行軌跡是 condition，球員反應是生成。

資料方面，研究用 Bundesliga 一二級聯賽七場比賽的公開 tracking dataset，25 Hz、全體球員加 3D 皮球座標，這是第一個公開的高保真 3D 皮球軌跡 tracking 資料，亦是成件事可以重現的關鍵。split 是 5/1/1 場做 train/val/test。

四、兩個分數：執行盈餘點計？

有了每腳傳球的反事實 ∆PV 分佈，MCPS 定義兩個互補的 execution surplus 指標。

Mean-difference surplus： 實際一腳的 ∆PV 減去反事實集合的平均 ∆PV。正數代表這腳執行得比「典型執行」好。

Percentile surplus： 實際一腳的 ∆PV 在反事實分佈中的 percentile 排名，介乎 0 至 1，愈高愈好。

兩個指標都可以分別對 local set 與 global set 計算，而兩種搜索回答不同問題。Local 聚焦執行：同一個意圖之下，小小出腳偏差會令價值散開幾多？分佈愈散，代表這腳傳球的成功窗口愈窄，亦即愈難。Global 聚焦選擇：同一刻的其他選項之中，實際選擇排第幾？如果 global 反事實經常出現明顯更高價值的選項，就是 opportunity gap 的訊號。

將每個球員全場所有傳球的分數聚合，就得到球員層面的排名：local percentile 高的球員是「執行持續好過該傳球本身的難度」，global mean-difference 高的球員是「系統性揀高價值選項」。

五、實驗結果：誠實得嚟有啟發

案例研究用 test set 中的一場 Bundesliga 2022/23 比賽：Bochum 3–0 Leverkusen。paper 展示了 Florian Wirtz 一腳高空傳球的 local search 分析，即使只在出腳參數的小鄰域內擾動，∆PV 已經有明顯散佈，直觀呈現執行敏感度。最終分析限定在 512 腳可以準確反推參數的傳球。

各子模型的 benchmark 值得逐個睇，因為作者相當坦白。

軌跡預測（最強一環）： 對比唯一可用的公開 checkpoint Sports-Traj 以及 static、constant velocity、naïve Transformer 等 baseline，SMART-based 生成器的 best-of-20 指標大幅領先，minADE20 2.4 對 Sports-Traj 的 4.2，minFDE20 4.7 對 6.9。七場比賽的訓練數據可以做到這個水平，支持了 token-based 方法在小數據下的 sample efficiency 主張。

Player-to-Touch（誠實的弱項）： 用生成的假想未來去預測接應者，Top-1 accuracy 0.605，低過 Spearman（0.679）與 Anzer（0.899）的報告數字。作者解釋這是刻意更難的設定：模型訓練目標不同、推斷時只用假想 rollout、訓練數據又少，屬保守下界。

Possession Value（同樣誠實）： shot AUROC 0.73，竟然低過只用皮球位置的公開 EPV 實作（0.78）。paper 直認因訓練數據不足，PV 模型未能在分辨射門窗口上勝出，只能假設它學到皮球位置以外的一些脈絡。

呢種 reporting 風格喺體育分析文獻少見：多數 paper 只展示贏的一格，呢篇連自己核心組件輸給簡單 baseline 都照寫。

六、限制與判斷

以研究框架而言，MCPS 的貢獻清晰；但作為可以直接落地的球員評級工具，仲有距離。

數據規模係最大樽頸。 七場比賽訓練出來的 PV 模型連 ball-only baseline 都未贏，意味住成條評估鏈的「秤」本身未夠準。∆PV 分佈的形狀有幾多來自真實 football dynamics、幾多來自模型誤差，暫時難以分離。

World model misspecification。 rollout 可能偏離現實的無球走動、戰術慣例與罕見互動（爭頂、門將出擊、身體對抗）。作者自己列出的未來方向包括球員身份與角色 conditioning、更好的互動監督，以及分離 epistemic 與 aleatoric 不確定性的估計。

Global search 太簡單。 現時的 global variants 只是大幅度方向擾動，並非現實的傳球選項分佈。更合理的做法是 receiver-conditioned prior、pitch-control masking 或 learned proposal policy。

推演只到第一次觸球。 二點球、後續配合的價值未計入；延長 horizon 需要更小心的 value model 校準，避免 rollout bias 疊加。

但都要公道講：model checkpoints 與 code 已公開釋出，加上建基於公開 3D tracking 資料，這在充斥 proprietary data 的足球分析界，本身就是重要貢獻。任何人都可以攞住呢套 pipeline，等更大規模的公開數據出現時直接 scale up。

總結：由「呢腳好唔好」到「呢腳有幾脆弱」

MCPS 的真正貢獻，唔係邊個子模型贏咗幾多，而係示範咗一個評估範式：傳球價值係一個分佈，唔係一個數。

Local search 令「成功窗口有幾窄」變成可量化的傳球難度，補足 xPass 式單點指標；global search 令「有冇更好選擇」變成可統計的 opportunity gap。對教練同球探，呢個框架可以分開兩種完全唔同嘅球員：執行超班但揀波保守嘅，同眼光獨到但腳法飄忽嘅——傳統成功率指標會將佢哋混為一談。

Reference

Andrew Kang, Priya Narasimhan. Monte Carlo Pass Search: Using Trajectory Generation for 3D Counterfactual Pass Evaluation in Football. arXiv:2606.11120, 2026.
William Spearman, Austin Basye, Greg Dick, Ryan Hotovy, Paul Pop. Physics-based modeling of pass probabilities in soccer. MIT Sloan Sports Analytics Conference, 2017.
Gabriel Anzer, Pascal Bauer. Expected passes: Determining the difficulty of a pass in football (soccer) using spatio-temporal data. Data Mining and Knowledge Discovery, 2022.
Wei Wu, Xiaoxin Feng, Ziyan Gao, Yuheng Kan. SMART: Scalable multi-agent real-time motion generation via next-token prediction. NeurIPS 2024.
Manuel Bassek, Robert Rein, Hendrik Weber, Daniel Memmert. An integrated dataset of spatiotemporal and event data in elite soccer. Scientific Data, 2025.
Julian Schrittwieser et al. Mastering Atari, Go, chess and shogi by planning with a learned model (MuZero). Nature, 2020.