مقاله بهره‌برداری از زمینه پنهان در پیش‌بینی حرکت پویا: سفری شبکه‌های عصبی از شبکه‌های بازگشتی به شبکه‌های عصبی گراف و ترنسفورمرهای عمومی.

پیش‌بینی در خطوط پردازش سیگنال برای کاهش تأخیرها، به ویژه در پیش‌بینی حرکات پویا اشیاء مانند بازیکنان NBA، حیاتی است. این وظیفه به دلیل ماهیت ذاتاً تعاملی و غیرقابل پیش‌بینی ورزش‌ها، که در آن تغییرات ناگهانی در سرعت و جهت رایج است، چالش‌های قابل توجهی را ایجاد می‌کند. رویکردهای سنتی، از جمله (S)ARIMA(X)، فیلترهای کالمن (KF) و فیلترهای ذره‌ای (PF)، اغلب در مدل‌سازی دینامیک‌های غیرخطی موجود در چنین سناریوهایی با مشکل مواجه می‌شوند. روش‌های یادگیری ماشین (ML)، مانند شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)، شبکه‌های عصبی گراف (GNN) و ترنسفورمرها، انعطاف‌پذیری و دقت بیشتری را ارائه می‌دهند، اما اغلب در ثبت صریح تعامل بین وابستگی‌های زمانی و تعاملات متنی، که در محیط‌های ورزشی پرآشوب حیاتی هستند، ناکام می‌مانند. در این مقاله، این مدل‌ها را ارزیابی کرده و نقاط قوت و ضعف آن‌ها را می‌سنجیم. نتایج تجربی، مبادلات کلیدی عملکرد را در طول تاریخچه ورودی، قابلیت تعمیم و توانایی گنجاندن اطلاعات متنی نشان می‌دهد. روش‌های مبتنی بر ML بهبود قابل توجهی نسبت به مدل‌های خطی در افق‌های پیش‌بینی تا ۲ ثانیه نشان دادند. در میان معماری‌های آزمایش شده، LSTM ترکیبی ما که با اطلاعات متنی تقویت شده بود، کمترین خطای جابجایی نهایی (FDE) را با ۱.۵۱ متر به دست آورد و از شبکه‌های عصبی کانولوشنال زمانی (TCNN)، شبکه توجه گراف (GAT) و ترنسفورمرها بهتر عمل کرد، ضمن اینکه نسبت به GAT و ترنسفورمرها به داده و زمان آموزش کمتری نیاز داشت. یافته‌های ما نشان می‌دهد که هیچ معماری واحدی در تمام معیارها برتری ندارد، که بر نیاز به ملاحظات خاص وظیفه در پیش‌بینی مسیر در محیط‌های پویا و پرسرعت مانند بازی NBA تأکید می‌کند.

Forecasting within signal processing pipelines is crucial for mitigating delays, particularly in predicting the dynamic movements of objects such as NBA players. This task poses significant challenges due to the inherently interactive and unpredictable nature of sports, where abrupt changes in velocity and direction are prevalent. Traditional approaches, including (S)ARIMA(X), Kalman filters (KF), and Particle filters (PF), often struggle to model the non-linear dynamics present in such scenarios. Machine learning (ML) methods, such as long short-term memory (LSTM) networks, graph neural networks (GNNs), and Transformers, offer greater flexibility and accuracy but frequently fail to explicitly capture the interplay between temporal dependencies and contextual interactions, which are critical in chaotic sports environments. In this paper, we evaluate these models and assess their strengths and weaknesses. Experimental results reveal key performance trade-offs across input history length, generalizability, and the ability to incorporate contextual information. ML-based methods demonstrated substantial improvements over linear models across forecast horizons of up to 2s. Among the tested architectures, our hybrid LSTM augmented with contextual information achieved the lowest final displacement error (FDE) of 1.51m, outperforming temporal convolutional neural network (TCNN), graph attention network (GAT), and Transformers, while also requiring less data and training time compared to GAT and Transformers. Our findings indicate that no single architecture excels across all metrics, emphasizing the need for task-specific considerations in trajectory prediction for fast-paced, dynamic environments such as NBA gameplay.