Jag har en bekännelse att göra, kära läsare. Jag följer inte riktigt fotboll mycket nära. Jag är bara vagt medveten om att det finns någon form av stor turnering just nu. Men det är okej, för Disney Research och California Institute of Technology bygger en AI som följer fotboll - och andra sporter också.

Specifikt är det ett automatiserat kamerasystem som lär sig hur man bäst kan filma matcher genom att titta på hur kamerans operatörer beter sig vid vissa tillfällen. Tidig testning visar att dess bilder är mycket mjukare än andra automatiserade kameror.

Optisk spårning just nu är inte riktigt bra för att på ett tillförlitligt sätt följa en boll på en pitch, så automatiserade kamerasystem försöker förutsäga flödet av ett spel genom att upptäcka spelarens positioner istället. Det systemet är inte perfekt, vilket resulterar i jittery, jerky footage - speciellt när det gissar fel om hur en situation kommer att utvecklas.

Mänskliga kameramän är å andra sidan mycket bättre att gissa på vad som kommer att hända - efter att ha sett många liknande situationer spelar ut tidigare. Så utvecklade forskare maskininlärningsalgoritmer som jämför rörelserna från en robotkamera till de som gjorts av människor, analyserar var de två avviker och lär sig från dessa skillnader.

Smidig och målmedveten

"Att ha ett smidigt kameraarbete är avgörande för att skapa en trevlig sportsändning", säger Peter Carr, en seniorforskningsingenjör på projektet och en medförfattare på ett papper som beskriver det. "Inramningen behöver inte vara perfekt, men rörelsen måste vara smidig och målmedveten."

Det fanns tider att robotarna gjorde ett bättre jobb än människorna. I en snabb paus i ett basketspel flyttade den mänskliga kamerans operatör linsen i väntan på en dunk, medan datorn tittade på spelarnas positioner och förutspådde ett pass i stället. Datorn visade sig vara rätt.

Faktum är att systemet faktiskt var lite bättre på basket än fotboll i allmänhet. Carr sa att detta beror på att fotbollsspelare brukar hålla sin formation, och så ger sina rörelser mindre information om var kameran ska se ut.

"Den här undersökningen visar ett betydande framsteg när det gäller användning av imitationlärande för att förbättra kamerans planering och kontroll under spelförhållandena", säger Jessica Hodgins, vicepresident vid Disney Research. "Det här är den typ av framsteg vi behöver för att inse den enorma potentialen för automatiserade sändningar av sport och andra levande händelser."

  • Dina wearables kan snart komma ihåg alla du träffas
  • Duncan Geere är TechRadars science writer. Varje dag hittar han de mest intressanta vetenskapsnyheterna och förklarar varför du borde bry sig. Du kan läsa mer av hans berättelser här, och du kan hitta honom på Twitter under handtaget @duncangeere.