디즈니 리서치, 캘리포니아 공과 대학 그리고 스포츠 데이터 공급 업체인 스타츠가 3월 3일, 미국 보스턴에서 개최한 2017 MIT 슬론 스포츠 애널리틱스 콘퍼런스(MIT Sloan Sports Analytics Conference)에서 딥 이미테이션 러닝을 활용한 데이터 기반의 고스팅 기술(disneyresearch.com/publication/data-driven-ghosting)을 공개했다. 수비에 한정하여 경기 중 선수 혹은 팀의 의사 결정 과정을 분석하여 전형적인 퍼포먼스를 구현한 가상 선수를 생성해주는 기술이다.

연구팀에 의하면, NBA의 토론토 랩터스 농구팀도 이와 같은 고스팅 기술을 사용한 바 있다고 한다. 수비수가 특정 상황에서 해야 하는 행동을 예측하는 소프트웨어를 개발해 훈련에 활용한 것이다. 하지만 이는 수동으로 방대한 양의 게임 데이터를 입력해야 한다는 문제점이 있었다. 연구팀의 고스팅 기술은 자동으로 딥 러닝을 이용해 몇 시간 만에 데이터를 학습하고, 학습을 마친 후에 거의 실시간으로 가상 선수를 생성하는 것이 가능하다고 한다.

그리고 가상 선수를 통해 예측하는 퍼포먼스와 선수의 실제 퍼포먼스를 시각화해 비교하거나, 특정 시뮬레이션 상황에서 해당 팀 혹은 선수의 평균적인 수비 패턴을 보이는 가상 선수가 어떤 행동을 할지 가늠할 수 있다. 즉, 가상 선수가 제공하는 예측된 움직임과 비교해 부족한 점을 보강하고 전략을 수정하는 등 훈련을 설계할 수 있다. 

• 디지털 라이프스타일이 확장되면서 다양한 데이터 응용 비즈니스가 나타난다. 특히 스포츠 분야는 데이터 혹은 첨단 기술과의 융합과 그로 인한 비즈니스 개발이 적극적으로 이루어지고 있는 분야이다. 데이터를 기반으로 한 가상 선수 개념은 축구는 물론 풋볼, 야구, 농구 등 다양한 스포츠에서 활용될 수 있으며, 기존의 비디오 분석과 비교해 수비 행위를 계량하고 분석하는 것이 가능해 효과적이다. 

• 현재는 가상 선수와 실제 선수의 움직임을 2D로 시각화하여 제시하지만, 향후 이를 가상현실 혹은 증강현실과 접목해 실감나는 가상 모의 훈련 서비스를 제공할 수 있다. 가상 공간에서 실제 반응하는 가상의 상대 선수와 훈련함으로써 훈련 효과를 강화한다. 

Data-driven Ghosting Using Deep Imitation Learning, Disney Research, California Institute of Technology and STATS