20 августа 2026 года исследователи Сбербанка из команды AI4Sport представили ИИ-модель PC-SSAS (Player-Centric State-Space Action Spotting), которая автоматически преобразует видеотрансляцию футбольного матча в структурированные данные для спортивной аналитики. Система определяет, какое действие произошло на поле, кто из футболистов его выполнил, в какой момент и в какой части поля это случилось. Разработку возглавил Константин Митин, руководитель направления по внедрению ИИ в спортивную индустрию Сбербанка.
Модель PC-SSAS способна распознавать передачи, удары, отборы и другие игровые события. Она не просто находит нужный эпизод в видеозаписи, но и связывает его с конкретным футболистом. В результате трансляцию можно преобразовать в детализированную хронологию матча. Для обработки временной динамики исследователи использовали ИИ-архитектуру Mamba, которая хорошо зарекомендовала себя в задачах обработки последовательностей. Специальный процесс обучения помогает модели лучше распознавать редкие игровые события и точнее определять момент, когда они произошли.
Полученные данные можно использовать для построения карт передач, ударов, отборов и других пространственных показателей. Решение также помогает анализировать активность отдельных футболистов и развитие атак. Технология может быть полезна разработчикам спортивных ИТ-решений, футбольным аналитическим платформам, клубам, лигам, вещателям и поставщикам видеоданных. Она помогает автоматически получать из видео информацию для статистики по отдельным игрокам и создания аналитических продуктов.
Семен Буденный, управляющий директор, начальник управления развития перспективных технологий ИИ Сбербанка, отметил: «Сегодня для создания подробных данных о футбольных матчах требуется ручная разметка видеозаписей. Наша модель дает возможность автоматически определить, какой игрок, какое действие, в какой момент и в какой точке поля совершил. На основе этих данных можно строить карты передач и ударов, анализировать действия отдельных футболистов и развитие атак. Сейчас мы сосредоточены на внедрении современных технологий в спортивные школы и молодежные академии. Наша цель — чтобы цифровые инструменты помогали и в тренировках, и в отборе молодых талантов, взращивая новые звезды большого спорта».
Разработка PC-SSAS отражает общий тренд на автоматизацию спортивной аналитики с помощью ИИ. Ранее подобные задачи решались вручную, что требовало значительных временных и трудовых затрат. Новый подход позволяет существенно ускорить процесс и повысить его точность. Использование архитектуры Mamba, которая является альтернативой трансформерам, может быть интересно специалистам в области ИИ, так как она демонстрирует эффективность при обработке длинных последовательностей, что важно для видеоаналитики.
Внедрение модели в спортивные школы и молодежные академии может способствовать более объективной оценке действий молодых спортсменов и помочь в отборе талантов. Это также открывает возможности для создания новых аналитических продуктов для клубов и лиг, которые смогут получать детализированную статистику в автоматическом режиме.
