赛场上的关键判罚

# 全神贯注 来源：https://www.technologyreview.com/2026/06/23/1138214/heads-in-the-game 2022年卡塔尔世界杯男子决赛阿根廷对阵法国，这场比赛正逐渐成为足球史上最史诗级的对决之一。在加时赛仅剩12分钟、双方战平之际，裁判必须迅速做出一个关键判决。 阿根廷队长、足球传奇莱昂内尔·梅西刚刚将球射过法国球门线，使阿根廷以3–2领先。全场欢呼，但边裁举旗了。一名裁判认为，在梅西射门前不久，阿根廷前锋劳塔罗·马丁内斯接球时比除门将外的任何法国球员都更靠近球门——这让他处于非法“越位”位置。 如果主裁判定马丁内斯越位，进球将无效。如果判他未越位，阿根廷将带着3–2的领先优势进入最后几分钟。 这位裁判肩上扛着的不仅仅是一次越位判罚的分量；那是世界杯本身的分量。 但在2022年，这项历史悠久的赛事首次引入了半自动越位技术（SAOT），这是一种能够快速分析比赛并检测越位球员的系统。在本案中，它生成了一张图像，显示一名法国后卫比马丁内斯更靠近球门一点点，刚好让阿根廷前锋处于合法的进攻位置。 裁判判定进球有效：3–2，阿根廷。 SAOT生成了这张图像，以判定阿根廷前锋劳塔罗·马丁内斯（白衣）是否越位。图像显示，只有马丁内斯的手指越过了垂直白线进入越位区域。球员的手和手臂不计入越位判罚，因此马丁内斯被判未越位。图片由研究人员提供 阿根廷最终凭借点球大战夺冠，此前法国前锋基利安·姆巴佩在比赛尾声扳平比分，将比赛拖入3–3。只有在平行宇宙中，我们才能知道如果裁判当时取消了梅西的进球，比赛乃至整个赛事会如何发展。 对于国际足联（FIFA），这个足球国际管理机构，SAOT是其世界杯创新工具包中的最新一员。从门线技术到视频助理裁判（VAR）工具，裁判技术如今在顶级赛事中已司空见惯。 但SAOT是更广泛的体育科技版图的一部分，远不止足球领域。而该版图中的主要参与者之一，正是最初与FIFA合作将SAOT带上球场的团队：麻省理工学院运动实验室（MIT Sports Lab）。该实验室成立于2015年，专注于利用技术和数据科学解决运动员、球队、体育组织及品牌面临的实际问题。 该实验室曾与FIFA、NBA、NFL和阿迪达斯合作，并与众多其他体育组织和行业参与者协作。它的一些工作可能隐藏在你跑鞋的鞋底，隐藏在你最喜欢的NBA球队所做的决策中，甚至隐藏在足球最大的舞台上——正如美联社所称的“或许是世界杯92年历史上最疯狂决赛”那样。 --- MIT运动实验室的起源故事始于2010年左右，当时帕帕拉多机械工程教授安妮特·“佩科”·细井（Anette "Peko" Hosoi）爱上了速降山地车，需要一辆新车。但面对不同的连杆系统、减震类型和几何结构，她发现很难选出最好的。在网上只找到极少信息后，她将分析任务布置给了她的2.001课程——力学入门课。“那个学期我所有的考试都是关于自行车的问题，”她说。这些问题后来也证明是非常好的工程问题。 刚获得终身教职的她心想：*如果我真把这个体育项目做成更大的事业呢？* 2011年，她开始构思一个名为STE@M（MIT体育技术与教育）的项目，旨在汇集学生、教师、运动员和行业伙伴，共同应对体育工程挑战。随着这项努力在接下来几年中启动，细井开始与MIT新聘的驻校企业家克里斯蒂娜·蔡斯（Christina Chase）合作，两人于2015年共同创立了MIT运动实验室。 安妮特·佩科·细井手持2026年FIFA世界杯用球Trionda。机械工程教授安妮特·“佩科”·细井在需要更好的山地车时，曾给学生布置自行车工程挑战。2015年，她与企业家兼机械工程讲师克里斯蒂娜·蔡斯共同创立了MIT运动实验室。图片由MIT机械工程系提供 “事实证明，我们是完美的组合，因为我的背景来自数学、物理、工程方面，”细井说，“而她来自创业和产品开发方面。要真正与这些不同的体育公司和联盟对接，你需要涵盖整个光谱。”蔡斯成为实验室的常务主任，细井担任教职主任。 十多年来，随着体育科技兴趣的激增，运动实验室不断成长——并在此过程中积累了年轻球迷所称的“精英球商”。 这种深度正是其合作伙伴所需要的。 “收集的数据越来越多，”细井说，“很多球队、联盟、品牌不一定有内部人力来提取他们所需的信息。这就是我们可以提供助力之处。” > **当MIT研究人员查看早期代表足球运动员运动状态的骨骼数据时，他们看到“骨架”飞在空中或完全埋在地下，处于解剖学上不可能的位置。** 与FIFA的合作尤其富有成果——而运动实验室在验证SAOT方面的作用，可能比该组织共同合作过的任何其他项目都更具影响力，前实验室研究科学家费兰·比达尔-科迪纳（Ferran Vidal-Codina, SM '13, PhD '17）表示，他是来自FIFA、MIT和第三方数据提供商的开发该技术的团队一员。 该系统的可行性取决于快速访问和分析所谓追踪数据的能力——也就是记录球员和球在整个比赛中的移动轨迹的数据。 为了在FIFA顶级赛事中收集这些信息，数据提供商在体育场周围部署约12台最先进的摄像头，以普通广播摄像头两倍或更高的速度捕捉图像。然后，计算机视觉算法将这些画面转换成所谓的骨骼数据——球员运动的三维表示。 “这是海量数据——22名球员、1名裁判、2名助理裁判，每人29个关节的XYZ坐标，每秒50次，”亨利·王（Henry Wang ’23）说。他曾是MIT校队游泳运动员，获得了商业分析、计算机科学、经济学和数据科学的本科双学位，现在是斯隆管理学院的博士生和MIT运动实验室的FIFA研究顾问。 梅西和洛里斯在法国球门处的俯视图莱昂内尔·梅西在2022年卡塔尔FIFA世界杯决赛中攻入阿根廷的第三球，越过法国雨果·洛里斯。阿根廷在该场比赛中战胜法国。MATTHIAS HANGST/GETTY IMAGES 这意味着对于一场至少90分钟的比赛，每秒约有108,900个数据点，而这还只是球员和裁判的数据——球内嵌的芯片还以每秒500次的速度收集位置和速度数据。总计而言，每场比赛轻松产生超过十几GB的骨骼数据和球追踪数据。 FIFA很高兴有这么多数据可用。但大约在2021年，当第三方提供商开始提供骨骼数据时，该组织并不具备验证这些数据所需的全部技术技能。“所以数据被发送给了我们，”王说。 运动实验室的团队立刻发现了一些问题。“我们看到‘骨架’飞在空中或完全埋在地下，处于解剖学上不可能的位置，”比达尔-科迪纳回忆道。“我们看到骨架的骨骼和四肢从30厘米拉伸到几米。我们看到球在空中做出奇怪的动作。各种事情——当你看到时，是的，这绝对还不可用。” > **通常，当有新想法在酝酿时，“我们是第一个尝试的人，”运动实验室研究员兼博士生亨利·王说，“我们是那个制作原型并证明可行性的人。”** 实验室在解决这个问题上的任务首先是验证输入系统的数据，然后确认SAOT算法本身确实如第三方供应商所宣称的那样运行。 在2021年和2022年，FIFA进行了大量测试。该组织一次租用体育场数天，将数据提供商带到现场，让业余球员或有时甚至FIFA员工进行数十次越位训练，同时提供商收集实时数据。 比达尔-科迪纳表示，实验室专注于分析这些数据并将结果反馈给FIFA及其供应商，这激励了他们做出改进，同时揭示了他们有时自己都不知道的盲点。例如，实验室能够分析如果你关注球员的整个身体（包括手臂和腿）还是仅关注质心，判罚结果可能会有什么不同。 在技术正式踏上球场之前，运动实验室必须回答一些关键问题。首先，FIFA能否足够快地从供应商那里收集实时数据，以便在比赛中进行可行评估？研究人员通过构建一个Google Cloud工具来收集生成时的数据，以便实验室稍后检查延迟，从而帮助回答了这个问题，使FIFA了解其数据的“实时性”到底如何。 同样重要的是：确定两个数据集——骨骼数据和所谓的互联球技术捕获的信息——能否结合使用，可靠地得出正确的越位判罚。实验室帮助做到了这一点，开发了一种同步收集骨骼数据和互联球数据的系统的协议。 在验证了SAOT、对其进行微调并在多种情况下（包括2021年和2022年的几场FIFA官方比赛）进行测试后，“FIFA认为它可以在最大的舞台——世界杯上使用，”比达尔-科迪纳说。事实上，FIFA主席詹尼·因凡蒂诺（Gianni Infantino）在卡塔尔首次亮相时就亲自推荐了这一工具。 在整个64场比赛的赛事中，SAOT协助了超过150次越位判罚，其中一些影响重大。八次进球因裁判判定进攻方越位而被取消；两次进球在裁判最初错误地认定越位后重新计分；在七次情况下，由SAOT协助的越位判罚改变了比赛结果。 这些结果凸显了一次越位判罚在足球低比分典型特征下有多么关键——以及像SAOT这样的工具如何帮助改善比赛。“总体而言，决策更快、更好了。这最终是我们所追求的，”比达尔-科迪纳说。 该技术也减轻了裁判的一些压力。“我认为我们工作的目标是确保裁判在做出判决时尽可能知情，”王说。“这是一项极其困难的工作。”在世界杯期间，SAOT的动画可视化内容显示在体育场屏幕上，并可供多达50亿观众通过各平台观看，帮助他们理解裁判的判罚。 但该技术旨在辅助裁判，而非取代他们。“我们不希望人们认为我们在自动化裁判。我可以向你保证裁判不会消失，”王说。“我们希望确保人的因素透明且知情，我们正在帮助裁判完成他们的工作。” SAOT可能是运动实验室迄今为止最受瞩目的FIFA项目，但实验室在塑造该组织更大创新管道方面也发挥了作用。它帮助改进了技术（从摄像头等硬件到SAOT等裁判工具）在通往球场的路上接受测试和认证的方式。自2021年以来，FIFA认证数据提供商系统的流程包括让运动实验室使用其为验证SAOT而构建的相同基础设施，评估来自实时数据收集事件的数据延迟。而且，通常当有新想法在酝酿时，“我们是第一个尝试的人，”王说。“我们是那个制作原型并证明可行性的人。这是对行业的召唤：‘嘿，这很有意思。’” FIFA并非唯一对追踪数据所能提供的洞察感兴趣的组织；NBA已经收集了十多年。2025年，细井和MIT运动实验室发表了一篇基于NBA-MIT合作的论文，其关注点独特：他们没有利用追踪数据分析比赛的物理元素，而是试图理解心理元素。 “目前，运动员的所有物理方面都被测量了，”细井说。“但如果你与组织交谈，他们会告诉你比赛的心理部分同样重要。而我们没有测量心理部分的工具。所以问题是，我们能否利用物理追踪数据来提取心理表现的指标？” 在篮球中，心理游戏很大一部分归结于何时投篮何时传球的决策。但判断哪些球员做出好的或坏的决策并不容易。因此MIT研究人员创建了一个名为预期动作价值（EAV）的指标，本质上是对一个动作成功可能性的评估。使用一个基于2018–19赛季所有786,208次传球和2013年至2019年所有140万次投篮训练的模型，他们能够计算出不同动作的预期结果。 EAV考虑了投篮的速度、投篮球员的加速度以及场上球员的位置。例如，一个无人防守的底角三分球具有比一个被双人包夹、靠近篮筐（或“在油漆区”）的球员尝试的两分球更高的EAV。这种方法不仅告诉你成功投篮的可能性，还告诉你成功传球的可能性。如果球员决定传球而不是投篮，而接球手有合理的投篮机会，那么传球者就做出了一个好的决策。 持续有高EAV选择——有时传球，有时投篮——的记录意味着球员做出了好的决策。“你可以直接计算：球员做出好决策多少次？做出坏决策多少次？我们可以根据决策好坏对NBA球员进行排名，”细井说。 这种方法还可以帮助球队看到是否有得分机会被浪费。鉴于在2019 NBA赛季球队平均每100回合得分约110分，即每回合1.1分，如果球员放弃一个EAV超过1.25的进攻选择而选择一个EAV较低的选项，运动实验室的模型将其归类为“错失机会”。标记这些时刻为教练节省了时间，他们每个赛季至少要审查82场比赛的视频。“如果我们能指出不同比赛中你的球员可能错失机会的时间戳，你就可以利用这一点，对吧？”细井说。 --- 至此，MIT运动实验室基本上不需要再宣传自己的服务了。“如果你在体育方面做得好，所有需要知道的人自然都会知道，”细井说。当合作伙伴需要解答问题时，他们会来找实验室——就像NFL在新冠疫情危机期间所做的那样。 在2020赛季开始时，一些球队开放了体育场，允许有限现场观众，而另一些则不允许任何球迷入场。3月