Semi-automatiske offside-avgjørelser: Slik funker teknologien

Tusenvis av datapunkter hvert eneste sekund, maskinlæringsmodeller trent i offsidereglene og algoritmer som velger den beste vinkelen for å overbevise publikum om at avgjørelsen var riktig.

Det er ingrediensene i Fifas ferske teknologi SOAT, eller Semi-automated offside Technology. Nå innføres løsningen i både den meksikanske og den italienske topp-ligaen, melder Reuters.

Målet er at menneskelige feil ikke skal avgjøre fotballkamper – og at publikum skal kunne stole på dommeravgjørelsene.

Digi har sett nærmere på hvordan teknologien fungerer.

Kontroversielt

Da videodømming gjennom VAR-systemet for første gang ble tatt i bruk i 2016, skapte det debatt.

− Det tar for lang tid, det forstyrrer flyten og spontaniteten, det er ikke objektivt, og det ødelegger sporten, mente kritikerne.

I snitt tar det 70 sekunder fra dommeren tegner en TV i lufta for å signalisere at han skal sjekke VAR, til beslutningen er klar. Den tidsbruken vil Fifa få ned, mens kvaliteten skal opp.

− Selv de beste dommerne kan gjøre feil, det er grunnen til at vi tar i bruk løsninger som gjør at menneskelige feil ikke kan påvirke sluttresultatet, sa fotballdommer Pierluigi Collina da Fifa lanserte den nye tekniske løsningen i forkant av VM i Qatar.

Offside er utfordrende for dommere. Det er snakk om ørsmå marginer, og spillerne spiller smart rundt offside-linja.

Ikke bare enkelt

For selv om offsideregelen nok regnes som ganske så enkel, er det kompleksitet i den som gir noen interessante tekniske utfordringer.

En spiller står i offside når hun, i angrepsposisjon, står nærmere mållinjen enn både ballen og nærmeste motspiller, utenom målvakta.

Å stå i offside er det ikke noe galt i, det er først når spilleren som står i offside blir en del av spillet, at det regnes som en forseelse. For å være «en del av spillet» må spilleren ta imot ballen, forstyrre spillet eller motstander eller «dra en fordel av å være i offsideposisjon».

Hender og armer opp til armhulen regnes ikke med når dommeren vurderer om spilleren står i offsideposisjon, men alle andre kroppsdeler teller. Derfor er ikke sporing som viser midten av en spiller godt nok, man må ha kontroll på både tær, knær og neser.

Øyeblikket som er avgjørende for om det er offside eller ikke, er det øyeblikket foten til spilleren som sender ballen fra seg, treffer ballen.

Marginene kan altså ligge på både millimeter og millisekund.

Detaljorientert sporing

Datagrunnlaget til løsningen kommer derfor fra en mildt sagt detaljorientert sporingsmekanisme.

12 kameraer som er dedikert til SAOT-en, overvåker opptil 29 datapunkter på hver eneste spiller. Datapunktene hentes 50 ganger i sekundet.

Disse målingene trianguleres. En kombinasjon av vinkelmålinger og avstandsmålinger gir en pinlig nøyaktig posisjon på hver eneste spillers lemmer.

I Adidas-ballen som ble brukt i Quatar, ligger to sensorer pakket sammen. En Ultra-Wideband eller UWB-sensor, som er bygget på radioteknologi laget spesielt for å få nøyaktig posisjon på gjenstander. Og en såkalt IMU-sensor (Inertial measurement unit) − en ganske så avansert bevegelsessensor. Sensoren henger midt i ballen, fra kabler koblet til «ytterveggen», og sender data 500 ganger hvert eneste sekund.

Sensoren gjør det mulig å plukke opp ikke bare nøyaktig hvor ballen er, hvor fort den beveger seg og hvordan den skrur, men hver minste berøring og bevegelse i ballen.

Hvem var på ballen sist? Heretter blir det vanskelig å ta æren for mål der ballen strengt tatt tok en nydelig bue fire millimeter fra pannebrasken din.

Selvlært modell

Samlet snakker vi om titalls tusen datapunkter i sekundet, som fôres inn i en modell basert på maskinlæring.

Det betyr at modellen ikke har blitt programmert med regler som sier når det skal blåses offside og ikke. Den har derimot blitt matet med store mengder data om tidligere situasjoner og utfallet av dem, slik at den selv lærer seg å trekke slutningen på best mulig måte.

Modellen tegner opp hvor offside-linja til en hver tid går og flagger spillere som står med så mye som ei tå i offside.

Blir flaggede spillere involvert i spillet, går en alarm på VAR-rommet.

Her hjelper modellen teamet videre, ved både å tegne opp en offsidelinje i 3D-grafikk og velge den beste kameravinkelen for å vise situasjonen.

Det blir ikke alltid perfekt. Derfor er det vanlig at maskinlæringsalgoritmer trenes videre gjennom tilbakemeldinger fra mennesker.

VAR-teamet sjekker varselet manuelt, før de eventuelt varsler dommeren på banen.

Når VAR-teamet så gir modellen beskjed om at avgjørelsen var riktig, produserer den en videosnutt av hendelsen fra vinkelen som best viser situasjonen – og legger på grafikk

Videoen vises på storskjerm til publikum for å gi dem «best mulig informasjon». Eller med andre ord: Få dem til å sette seg ned igjen.

Ikke aktuelt i Norge

− Vi har ikke planer om dette nå, primært fordi det er en veldig ressurskrevende løsning, med sensor i ballene, flere sensorer montert på arenaen og dedikerte kameraer utover det som er i vår produksjon, svarer Knut Kristvang, prosjektleder for VAR i Norges fotballforbund (NFF) når Digi spør om det finnes norske planer for teknologien.

Denne sesongen er det innføringen av VAR som står på planen, inkludert virtuelle offside-linjer. Men NFF følger spent med på utviklingen, og har tett kontakt med teknologimiljøet i FIFA, forteller Kristvang videre,

− Vi ser at dette gir en ekstra dimensjon til VAR, både som mer nøyaktig verktøy for dommerne, samt et bedre medieprodukt for TV-seerne. Så var interessant å se bruken under VM nå i desember, sier Kristvang.

Om teknologien betyr slutten for offside-diskusjonen på puben etter kampen? Det gjenstår å se.