Multi-Agent Systeem voor Uitgebreid Voetbalbegrip

Multi-Agent System for Comprehensive Soccer Understanding

May 6, 2025

Auteurs: Jiayuan Rao, Zifeng Li, Haoning Wu, Ya Zhang, Yanfeng Wang, Weidi Xie

cs.AI

Samenvatting

Recente ontwikkelingen in AI-gestuurd voetbalbegrip hebben een snelle vooruitgang laten zien, maar bestaand onderzoek richt zich voornamelijk op geïsoleerde of beperkte taken. Om deze kloof te overbruggen, stellen we een uitgebreid raamwerk voor voor holistisch voetbalbegrip. Specifiek doen we in dit artikel de volgende bijdragen: (i) we construeren SoccerWiki, de eerste grootschalige multimodale voetbalkennisbank, die rijke domeinkennis over spelers, teams, scheidsrechters en locaties integreert om kennisgestuurd redeneren mogelijk te maken; (ii) we presenteren SoccerBench, de grootste en meest uitgebreide voetbalspecifieke benchmark, met ongeveer 10K gestandaardiseerde multimodale (tekst, beeld, video) meerkeuzevraag-antwoordparen over 13 verschillende begriptaken, samengesteld via geautomatiseerde pipelines en handmatige verificatie; (iii) we introduceren SoccerAgent, een nieuw multi-agent systeem dat complexe voetbalvragen ontleedt via collaboratief redeneren, gebruikmakend van domeinexpertise uit SoccerWiki en robuuste prestaties behaalt; (iv) uitgebreide evaluaties en ablatiestudies die state-of-the-art MLLMs benchmarken op SoccerBench, waarbij de superioriteit van ons voorgestelde agentische systeem wordt benadrukt. Alle data en code zijn publiekelijk beschikbaar op: https://jyrao.github.io/SoccerAgent/.

English

Recent advancements in AI-driven soccer understanding have demonstrated rapid progress, yet existing research predominantly focuses on isolated or narrow tasks. To bridge this gap, we propose a comprehensive framework for holistic soccer understanding. Specifically, we make the following contributions in this paper: (i) we construct SoccerWiki, the first large-scale multimodal soccer knowledge base, integrating rich domain knowledge about players, teams, referees, and venues to enable knowledge-driven reasoning; (ii) we present SoccerBench, the largest and most comprehensive soccer-specific benchmark, featuring around 10K standardized multimodal (text, image, video) multi-choice QA pairs across 13 distinct understanding tasks, curated through automated pipelines and manual verification; (iii) we introduce SoccerAgent, a novel multi-agent system that decomposes complex soccer questions via collaborative reasoning, leveraging domain expertise from SoccerWiki and achieving robust performance; (iv) extensive evaluations and ablations that benchmark state-of-the-art MLLMs on SoccerBench, highlighting the superiority of our proposed agentic system. All data and code are publicly available at: https://jyrao.github.io/SoccerAgent/.