始展现出一点点“理解”战术意图的雏形。
恰在此时，《人工智能导论》课程的期末项目答辩日临近。秦教授要求每个小组进行15分钟的展示，并提交完整的项目报告。压力之下，三人进行了最后冲刺。韩澈负责将复杂的篮球逻辑和模型设计初衷，用通俗易懂的方式呈现，并制作了直观的视频案例，对比模型识别结果与真实情况。王睿负责技术细节的讲解和演示系统的实时运行（虽然速度还达不到实时，但足以展示）。苏晚则负责整体框架的介绍、理论贡献的提炼，以及应对可能的最尖锐的学术提问。
答辩那天，韩澈罕见地有些紧张。这不同于球场上的万众瞩目，而是一种面对未知领域评判的忐忑。他们被安排在下午最后一个展示。前面各组展示的项目五花八门，有做古诗生成的，有做医疗影像分类的，有做游戏AI的，水平参差不齐，但大多中规中矩。
轮到他们时，韩澈深吸一口气，走上了讲台。他穿着简单的衬衫，身姿挺拔，但开口时，却不再是球场上的激昂，而是沉稳清晰的叙述。他从一个篮球爱好者的困惑讲起，谈到用AI理解比赛战术的挑战，引出“从过程识别到目标态势推断”的核心思路，再自然过渡到模型框架。他播放了精心剪辑的视频，展示了模型在复杂场景下的识别效果，对比了传统方法和他们方法的优劣。他的讲解深入浅出，将篮球知识与技术原理结合得恰到好处，连台下一些对篮球一窍不通的同学，也露出了感兴趣的神色。
接着是王睿，他语速飞快但条理清晰地介绍了模型的具体实现、关键技术和实验设置，并现场演示了他们的原型系统。虽然界面简陋，但运行起来有模有样，引起了小小的骚动。
最后是苏晚，她以冷静而富有逻辑性的语言，总结了项目的理论贡献、创新点及局限性，并对未来工作进行了展望。她的陈述严谨扎实，直面模型目前存在的不足（如对复杂联防战术识别率低、对球员个人能力差异建模不足等），并提出了可能的改进方向。当秦教授和其他评委提出一些相当专业和尖锐的问题时，她均能从容应对，解释清晰，甚至引申到更广泛的时空序列建模和多智能体协同识别领域。
答辩结束，台下响起了热烈的掌声。秦教授在点评时，毫不掩饰赞赏：“这是我今年看到的最有意思、也最具挑战性的项目之一。真正做到了跨学科融合，不仅技术上有创新，问题定义本身就有价值。更难能可贵的是，你们没有停留在空想，而是扎扎实实地解决了从问题定义、数据准备到模型实现的完整链条
本章未完，请点击下一页继续阅读！