Sistema Multiagente para Compreensão Abrangente de Futebol

Multi-Agent System for Comprehensive Soccer Understanding

May 6, 2025

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

cs.AI

Resumo

Os recentes avanços na compreensão de futebol impulsionada por IA têm demonstrado progresso rápido, mas as pesquisas existentes se concentram predominantemente em tarefas isoladas ou restritas. Para preencher essa lacuna, propomos um framework abrangente para a compreensão holística do futebol. Especificamente, fazemos as seguintes contribuições neste artigo: (i) construímos o SoccerWiki, a primeira base de conhecimento multimodal em larga escala sobre futebol, integrando conhecimento rico do domínio sobre jogadores, times, árbitros e locais para permitir raciocínio baseado em conhecimento; (ii) apresentamos o SoccerBench, o maior e mais abrangente benchmark específico para futebol, contendo cerca de 10 mil pares de perguntas e respostas de múltipla escolha padronizados e multimodais (texto, imagem, vídeo) em 13 tarefas distintas de compreensão, curados por meio de pipelines automatizados e verificação manual; (iii) introduzimos o SoccerAgent, um sistema multiagente inovador que decompõe questões complexas de futebol por meio de raciocínio colaborativo, aproveitando a expertise do domínio do SoccerWiki e alcançando desempenho robusto; (iv) avaliações extensivas e análises ablativas que comparam os MLLMs (Modelos Multimodais de Linguagem) de última geração no SoccerBench, destacando a superioridade do nosso sistema agencial proposto. Todos os dados e códigos estão disponíveis publicamente em: 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/.