Zespół badaczy zastosował regresję kwantylową do problemu time-to-arrival (TTA) w sporcie - oszacowania najkrótszego czasu potrzebnego zawodnikowi do dotarcia do dowolnego miejsca na polu gry biorąc pod uwagę jego obecne warunki kinematyczne. Zamiast tradycyjnych podejść opierających się na estymacji gęstości pozycji lub zamkniętych modelach fizyki, autorzy wytrenowali lekką sieć neuronową na danych ze śledzenia optical z 64 meczów Mistrzostw Świata FIFA 2022.
Zaproponowana metoda konsekwentnie pokonała sześć porównywanych modeli ruchu graczy opracowanych wcześniej w literaturze naukowej, a także baseline oparty na osiągalnym kadłubie wypukłym. Kluczowym aspektem podejścia jest uczenie się dolnej obwiedni czasów przemieszczenia - czyli znajdowanie najszybszych teoretycznie możliwych podróży dla danego stanu kinematycznego, co znacznie lepiej odzwierciedla rzeczywistą wykonalność ruchu niż wcześniejsze rozwiązania.
Ko znaczenia jest również fakt, że model wykazał zdolność generalizacji między dyscyplinami sportu. Naukowcy testowali wytrenowany model na danych śledzenia z koszykówki oraz z pojedynczego meczu futbolu amerykańskiego NFL, wykazując że dynamika ruchu gracza transferuje się między różnymi sportami. Taka uniwersalność sugeruje, że opracowany system może znaleźć praktyczne zastosowanie w analizie sportowej, ocenie pozycji taktycznych i przewidywaniu dostępności pola dla zawodników niezależnie od dyscypliny.