教练在复盘里最常说的一句话是：“他应该传的。”可这句话背后其实是一连串判断：传给谁，从哪条线路，防守者当时在哪，球出手后对方还有没有补救时间。把这句话变成可以核对的数据，就是篮球决策分析要做的事。
这篇文章讨论的是一个很窄的场景：挡拆已经成立，防守已经做出了选择，持球人手里有球。关于掩护本身如何被识别，可以先读《挡拆不是“两个人做一个动作”这么简单：od体育篮球AI如何识别掩护、换防和错位》；这里从那之后的一两秒开始讲起。
持球人手里有哪几张牌
挡拆之后，持球人的选择在战术上大致可以归为四类：自己突破上篮或制造犯规；自己在中距离或三分线外出手；把球分给顺下的掩护人（也就是“罗尔”）；把球转移给弱侧的射手或第二次挡拆的参与者。模型的第一步，就是为这四类选项分别建一条“候选”，而不是直接猜他会做什么。
每一个候选都需要三样输入：一是它的物理可行性，比如传球线路是否被防守者的身体或手臂挡住，突破路径是否有足够宽度；二是防守响应，也就是防守方在这个选项发生的瞬间，有谁能够补上；三是结果价值，即这个选项走完之后，这次进攻大概能得到多少分。
传球线路：不是连一条直线那么简单
判断一条传球线路是否“开着”，最粗糙的做法，是在传球者与接球者之间画一条直线，看有没有防守者离这条线小于某个距离。这个做法容易实现，但至少有三点不够。
- 球速与拦截时间。球飞行需要时间，防守者只要在这段时间内够得着，就有拦截可能。所以需要估计球速，再判断防守者能不能在球到达之前移动到线上。
- 传球类型。击地传球、高吊球、绕过防守者的弧线传球，走的不是同一条线。模型如果只看直线，会把这些传球当成被封死。
- 接球者的位置在变化。顺下的掩护人在移动，传球需要提前量；线路应该以“接球点”为终点，而不是接球者当前所在位置。
公开资料显示，职业联赛的追踪数据提供球员与球的连续位置，光学系统的采样频率大致在每秒 25 到 60 次之间。这样的数据足以估计球速和防守者的移动速度，也是分析传球线路的基础。使用普通视频时，球本身很小，常在手中或被身体遮挡，球的位置估计比人更不稳定，因此 od体育在视频输入下通常会把“球的位置”作为需要单独核对的输入。
防守响应：为什么同一个传球在不同防守下价值不同
同一次“传给顺下的掩护人”，在沉退（掩护人防守者向篮下后撤）的防守下几乎不会是好选择，因为对方本来就守在那里；但在换防或延误之后，它可能是最有价值的选择，因为掩护人的防守者被拉出去了。这就是为什么模型必须先知道防守做了什么，再评价进攻的选择。
一个具体的对应关系（模拟示例）如下：
| 防守选择 | 通常留出的空间 | 持球人常见的合理选项 |
|---|---|---|
| 沉退 | 持球人面前的中距离 | 接球投篮，或制造挡拆的第二拍 |
| 延误（短暂上前） | 掩护人顺下的空间，短暂的 4 打 3 | 快速传给掩护人，或转移弱侧 |
| 绕掩护 | 被追防者身后的空当 | 反向变向突破，或拉开后再挡拆 |
| 换防 | 对位错位处的一对一 | 决定是否单打，或传给错位方 |
在轨迹上，防守响应的量化并不复杂：每个防守者到各个候选终点（篮下、接球点、射手位置）的距离，以及他们在接下来一秒内能覆盖的范围。难点在于，防守者在持球人做出决定的瞬间，往往也在改变站位——防守者会“读”进攻者的眼神和身体朝向。这些细节，追踪数据里没有，只能靠 Pose Estimation 得到的头部和肩部朝向去近似。
把选项放在一起：从“合适”到“更优”
有了物理可行性和防守响应，每个选项都可以估计一个期望得分：命中概率乘以分值，再考虑失误的概率和后续的进攻价值。比如（模拟示例），向掩护人传球可能有 15% 的失误风险，但成功后往往是篮下高质量的出手；自己投中距离风险低，但期望得分可能一般。模型输出的不应是“他必须传”，而是类似“在这个防守状态下，传球的期望价值高于自投，差距大约多少”。空间与防守距离是这些估计共同的基础，关于半步之差如何被量化，可以参考《防守站位差半步有多大区别？od体育AI如何量化篮球场上的空间》。
这里需要特别指出，这个差距是基于联盟平均或历史数据的估计。一名球员的传球准确率、突破能力、出手手感不同，同一个选项的价值也会不同。所以更好的做法，是把球员自身的历史表现也作为输入，让模型输出“对这名球员，这个选项相对更好”，而不是所有球员一个标准。
模型会在哪里判断错
- 看不到视线与假动作。持球人可能用眼神骗过防守者，传球线路才会打开；模型只看到位置。
- 对“决策时间”的忽略。持球人只有很短的时间做决定；模型给出的“最优选项”可能需要更长时间才能发现。
- 球的位置误差。视频输入下，球被手或身体遮挡时位置不准，线路判断会一起失真。
- 战术意图。球员可能是按照战术设计选择了“次优”选项，比如故意等待第二次挡拆。
- 结果偏差。一次成功的自投，不一定说明选择正确；一次失误的传球，也不一定说明选择错。
因此，这种分析的合理位置，是“提出可以被讨论的问题”。比如：“这次挡拆之后的十次持球，有几次传球线路是开着的，实际传了几次？”把这些数字交给教练，比给球员打分更有用。
教练和球员怎么使用
对教练来说，这样的分析可以用于两件事。一是选片段：把“线路开着而球员没传”的回合挑出来，集中看，判断是球员没看到、不信任队友，还是战术要求本来就如此。二是设计训练：针对某种防守（比如沉退）设置专门的决策训练，让球员在特定防守下练习读取空间。
对球员来说，价值更多在于事后对比：自己的选择与模型给出的候选之间有什么差异，差异出在哪一步。想进一步了解无球一侧如何为持球人创造空位，可以阅读《无球掩护怎么产生空位？od体育篮球AI开始理解不碰球的进攻价值》。总体上，od体育篮球AI 在这里做的，是把“他应该传的”这句话，变成一条可以追问的证据链，而不是替球员做决定。
