구독자를 위한 읽기 · 전술·게임모델 · 아티클
이 팀의 선택은 어떤 경기 문제를 해결하려는 것일까?
<aside> 💡
30초 핵심
현재 모델은 전지전능한 선수를 가정한다 — 몸이 어디를 향하든 어느 방향으로나 패스할 수 있는 존재처럼 그려진다.
방향이 들어가면 공간 판단이 뒤집힌다 — 뒤로 달리는 선수가 실제로 통제하는 공간은 앞쪽이다.
같은 거리를 뛰어도 방향이 다르면 다른 훈련이다 — 그리고 설명되지 않는 데이터는 일하지 않는다.
</aside>
출발점은 단순한 관찰이다. 트래킹 시스템은 선수 위치에 관한 데이터를 전부 제공하지만 방향에 대해서는 아무것도 말해주지 않는다. Rodríguez는 이를 위치와 밀접하게 연결돼 있으면서도 비어 있는 기본 데이터라고 표현한다. 현재의 통계 모델 안에서 선수는 몸이 어디를 향하든 어느 방향으로나 패스할 수 있는 존재처럼 그려진다. 사실상 전지전능한 선수를 가정하고 있는 셈이다. 정작 대부분의 지도자는 선수가 공격과 수비의 여러 상황에서 어떻게 몸을 두어야 하는지를 가르치는 데 훈련 시간의 상당 부분을 쓴다.
방법은 컴퓨터 비전이다. 경기 영상을 프레임 단위로 분리하고 선수의 골격(skeleton)을 추출한 뒤, 머신러닝으로 모든 선수의 방향을 보다 견고하게 예측한다. Rodríguez는 지금을 기술 전환의 한가운데로 본다. 위치 변수에 대한 신뢰할 만한 트래킹 장비가 자리 잡은 것이 4~5년 전이고, 이제 컴퓨터 비전 영역으로 진입하는 단계라는 것이다. 서로 다른 성격의 데이터를 결합해 더 견고한 예측 모델을 만드는 국면이 열린다.
자료를 바탕으로 구성한 허브의 관찰·적용 제안이다.
선수의 위치와 역할, 상대 반응을 연결해 장면을 읽는다.
본문의 원리 하나를 골라 같은 상황의 두 경기 장면에서 선수들의 선택을 비교한다.
복기 질문: 같은 해법을 쓰려면 우리 팀에 어떤 조건이 필요한가?
적용 범위는 전술 분석에 머물지 않는다. 훈련 중 각 선수가 어느 방향으로 달렸는지 — 앞으로, 뒤로, 옆으로 — 를 구분할 수 있으면, 움직임 유형에 따라 동원되는 근육과 관절이 달라진다는 점을 부하 관리에 반영할 수 있다. Rodríguez는 이를 통해 선수와 포지션에 맞는 더 현실적인 프로그램을 짤 수 있다고 말한다. 같은 거리를 뛰어도 방향이 다르면 다른 훈련이라는 뜻이다.
마지막으로 보는 것이 공이어야 한다 — 축구에서의 스캐닝
본문의 관점을 다른 사례와 비교해 읽을 자료다.