Что будет, если применить аналитику уровня CS2 и Dota 2 к файтингу 1995 года?
Когда говорят про киберспортивную аналитику, обычно вспоминают Dota 2, CS2 или Valorant.
Там есть всё: статистика игроков, разбор матчей, аналитика действий, тепловые карты, паттерны поведения, ИИ-анализ и десятки метрик, которые помогают понять, почему один игрок или команда одержали победу
Но что если попробовать сделать то же самое для игры 1995 года на Sega Mega Drive?
Я занимаюсь сообществом UMK3 на Sega уже много лет. Мы регулярно проводим онлайн и офлайн турниры, ведём рейтинги игроков и продолжаем развивать игру, которой уже больше 30 лет.
Недавно я даже подробно рассказывал о наших офлайн-турнирах, которые мы проводим в формате настоящих киберспортивных соревнований с трансляциями, комментаторами и игроками из разных городов.
Именно благодаря существованию активного сообщества появилась возможность пойти ещё дальше и попробовать посмотреть на UMK3 не просто как на ретро-игру, а как на полноценную соревновательную дисциплину.
Так появился проект, над которым я работаю уже довольно долгое время.
Проблема всех старых файтингов
Если посмотреть на современные файтинги, то там уже существуют различные инструменты аналитики, но чаще всего они ограничиваются базовой статистикой:
- кто победил;
- каким персонажем играли;
- счёт по раундам;
- иногда количество использованных приёмов.
В классических файтингах ситуация ещё проще — обычно после матча остаются только воспоминания игроков и запись трансляции.
Но ведь любой файтинг — это огромное количество данных:
- перемещения по арене;
- дистанции между игроками;
- агрессия и оборона;
- использование пространства;
- количество прыжков;
- контроль углов арены;
- эффективность атак;
- паттерны поведения;
- адаптация по ходу матча.
Фактически всё то, что давно анализируют в больших киберспортивных дисциплинах.
Что получилось сделать
Мне удалось создать систему, которая анализирует матчи UMK3, используя эмулятор и адреса памяти игры, практически как современную киберспортивную дисциплину.
Я один раз в неделю делаю обзор боёв на рейтинг и попутно прогоняю матчи через анализатор.
После каждого боя можно получить огромный объём информации:
- статистику игроков;
- статистику персонажей;
- контроль углов арены;
- анализ прыжков;
- анализ атакующих и защитных действий;
- сравнительные графики игроков;
- автоматическое определение игровых паттернов;
- сбор фрейм даты игры;
- количество нажатых кнопок игроком.
Например, можно увидеть, что один игрок провёл большую часть матча на дальней дистанции, контролировал пространство и заставлял соперника совершать рискованные действия.
Или наоборот — понять, что игрок выиграл исключительно за счёт постоянного давления и превосходства в ближнем бою.
Как выглядит это примерно, есть короткое видео тут.
Самое интересное — ИИ-анализ матчей
В какой-то момент я решил пойти ещё дальше.
Система начала автоматически формировать аналитические отчёты по матчам с использованием искусственного интеллекта.
То есть после окончания боя можно получить не просто сухую статистику, а полноценный разбор:
Игрок А успешно контролировал центр арены, ограничивая мобильность соперника. Игрок Б пытался компенсировать это агрессивными прыжками, однако эффективность воздушных атак оказалась значительно ниже ожидаемой. Переломным моментом матча стало изменение дистанции ведения боя во втором раунде.
Фактически получается что-то похожее на работу аналитиков в профессиональном киберспорте.
Неожиданное открытие
Когда я начал смотреть на матчи через цифры, оказалось, что многие устоявшиеся мнения внутри сообщества вообще не совпадают с реальностью.
Например:
- игрок может казаться очень агрессивным, но статистически играть осторожнее остальных;
- некоторые персонажи оказываются намного сильнее в каком-то matchup, чем принято считать;
- отдельные стратегии, которые выглядят "хаотичными", на самом деле имеют стабильные повторяющиеся паттерны;
- опытные игроки часто принимают решения, которые практически невозможно заметить во время обычного просмотра трансляции.
Получается, что аналитика начинает показывать игру совершенно под другим углом.
Возможно, такого ещё никто не делал
Самое любопытное, что, насколько мне удалось найти информацию, подобного уровня аналитики практически нет даже у большинства файтинговых сообществ.
Да, существуют инструменты для разбора современных файтингов.
Да, есть статистические сайты для турниров.
Но чтобы для файтинга 1995 года существовала система анализа на киберспортивном уровне, такого я пока не встречал.
И меня больше всего удивляет не сам факт, что это удалось сделать.
А то, что игра, которой больше 30 лет, внезапно начала выглядеть как полноценная современная киберспортивная дисциплина, где можно не только играть, но и исследовать саму игру.
Спасибо за внимание, подписывайтесь и оставляйте свои комментарии! У меня еще много безумных идей.