在 2019 年麻省理工学院斯隆体育分析大会上，几乎每一个想法或产品都可以追溯到同事之间 "如果......会怎样 "的对话。
STATS 早在 2009 年就参与了 NBA 的球员追踪，1999 年又参与了职业足球的球员追踪，它已经找到了一个答案："如果我们能通过转播视频来追踪球员，而不是通过内部摄像机呢？
通过 AutoStats（首个通过广播视频捕捉体育追踪数据的AI专利技术），STATS 发掘出了从过去或现在的任何比赛中捕捉追踪数据的潜力。
The Ringer》的杰森-康塞普西翁（Jason Concepcion）在他的 NBA Desktop 节目中发现并强调，"不可能比较不同年代的球员 "这一论点现在可能已经过时了。
STATS 人工智能AI) 副总裁 Patrick Lucey 博士是 "释放潜能：下一代追踪数据 "专题讨论小组成员，他在讨论中谈到了 AutoStats 对未来追踪数据的作用和影响。
"在 STATS，我们从 1999 年起就开始收集跟踪数据。跟踪数据并不是一个新事物。它已经有 20 年的历史了。但跟踪数据是有限的，因为你必须在每个场地都有计算机vision 。这确实限制了规模，"卢西在开场白中说道。"......如果你有视频，我们就能获得跟踪数据。我们可以收集到非常详细的跟踪数据。
"利用这项技术，我们可以将其数字化，进行查询和分析"。
STATS 计算机vision 主管 Sujoy Ganguly 发表了题为 "超越追踪数据：使用人体姿态进行下一代分析"，为 AutoStats 增添了一抹亮色，并讨论了如何使用 OpenPose（卡内基梅隆大学授权生产的产品）直接从广播视频中跟踪球员，从而扩大跟踪数据的可用性，并通过提供人体姿态估计来深化数据质量。
前美国职业棒球联盟投手、麻省理工学院斯隆商学院研究员、"释放潜能 "小组成员克里斯-卡普阿诺说："（追踪数据）太有价值了，不能不用：下一代追踪数据 "小组成员克里斯-卡普阿诺在讨论中的一次发言中说道。
小组接着讨论了与球员追踪有关的一系列话题，包括最新发展、数据所有权、道德规范以及对球迷体验的潜在影响。完整的小组讨论请点击这里。
2 月 25 日，STATS 和奥兰多魔术队宣布了一项独家协议，允许魔术队使用 AutoStats 数据帮助分析大学球员，以改进 NBA 选秀的评估和决策。
了解有关 AutoStats 的更多信息，请访问https://www.stats.com/auto-stats/
