Что если бы в динамичных киберспортивных играх (например, Rocket League) была система оценки точности решений, как Stockfish в шахматах?

Автор предлагает концепцию движка оценки качества решений для динамичных киберспортивных игр, аналогичного Stockfish в шахматах. Вместо измерения скорости или использования буста, система оценивала бы оптимальность позиционирования и действий с помощью офлайн-обучения с подкреплением (Trajectory Transformers, Implicit Q-Learning) на основе данных профессиональных игроков. Также предлагается использовать анализ частотного спектра и кинематических ограничений для обнаружения читов и смурфов.