Формула 1 винаги е действала на кръстопътя на инженерството и иновациите.В последните години тази иновация се е разширила до изкуствен интелект и машинно обучение. От стратегията на гумите до аеродинамичния дизайн, тези технологии променят начина, по който екипите планират, реагират и се развиват. Стратегическо моделиране с укрепващо обучение Стратегията на състезанието традиционно се основава на човешки знания и основна симулация.В последните години AI започна да играе по-голяма роля в този процес на вземане на решения. Моделът, наречен В този тест RSRL се сравнява пряко с традиционния подход на Монте Карло, който е по-опростен и се основава на „поставяне в камък“.Резултатът: RSRL избира по-ефективни стратегии за гуми средно и произвежда по-последователни резултати в многократни симулации. Учене за укрепване на състезателна стратегия (RSRL) Решенията на модела също са обясними.Той предоставя прозрачно разсъждение за всеки избор, използвайки контрафактуали и логика на дървото за вземане на решения, което помага на инженерите да разберат не само резултата, но и логиката зад него. Pit Stop прогноза и анализ на гумите За да се подобри точността в тази област, изследователите разработиха модел, наречен EDNN. Обучен по телеметрия от сезоните 2015-2022, моделът предсказва кога шофьорите трябва да пипнат и как ще се развива износването на гумите въз основа на състезателните условия. Отделен проект, използван Това позволява на екипите да прогнозират сцеплението, деградацията и риска от прекомерно удължаване на гумите при променящи се условия, включително периоди на безопасност на автомобила. LSTM и GRU невронни мрежи И двата модела позволяват по-бързи, базирани на данни стратегически повиквания по време на състезания на живо, особено когато възникнат непредсказуеми елементи. Симулиране на шофьорските взаимодействия с помощта на теорията на игрите Формула 1 не е статичен спорт.Движението на един шофьор засяга целия терен.Позиционирането, използването на енергия и защитните действия са взаимозависими. Проучване от 2024 г. изследва тази сложност, като използва Моделът включва теорията на игрите, включително моделите на равновесие на Nash и Stackelberg, за да симулира взаимодействията между водачите. Многоагентно укрепване на обучението Вместо да анализира най-добрата линия или пит прозорец на един автомобил, системата оценява как всеки конкурент може да реагира на решенията на друг. Тези инструменти могат в крайна сметка да информират за стратегическото планиране на живо или да помогнат за проектирането на предсказуеми симулации, използвани по време на състезателните уикенди. Оценяване на ефективността на шофьорите по-обективно Ефективността на шофьорите е един от най-обсъжданите аспекти на Формула 1.Разликите в качеството на автомобила, екипните бюджети и условията на пистата затрудняват оценката на шофьорите на равни начала. За да се справят с този проблем, изследователите използват Целта е да се изолират променливите, които са най-тясно свързани с индивидуалните умения на водача, като например последователността в квалификациите, запазването на гумите и производителността при променящи се условия. Анализ на основните компоненти (PCA) Този подход, базиран на данни, се основава на предишна работа с цифри като , който донесе симулация и вероятностно моделиране в спорта по време на времето си с McLaren и Ferrari. Нийл Мартин Машинно обучение в автомобилния дизайн и аеродинамиката Всеки автомобил обикновено носи над 300 сензора и предава повече от един милион точки данни в секунда, според Financial Times. Тези данни се използват директно в аеродинамичното развитие. Сега екипите използват симулации на CFD (изчислителна динамика на флуидите), подобрени от AI, за да тестват хиляди конфигурации, без да изграждат физически прототипи.Тези модели за машинно обучение идентифицират неефективността на въздушния поток и помагат на инженерите да оптимизират дизайните в по-кратки цикли на развитие. Прогнозите в реално време, включително вероятността за преодоляване, продължителността на живота на гумите и сравнението на темпото, сега са интегрирани в предавания на живо, използващи платформи за анализ на AWS, задвижвани от AI. Бъдещи разработки и генеративен дизайн Изследванията в областта на ИИ и моторните спортове продължават да се разширяват в нови области.В Университета в Болоня екипът разработва модели за укрепване с множество агенти, за да симулира пълни състезателни сценарии.Те включват всички шофьори, външни променливи като времето и състезателни събития като спирки и автомобили за безопасност. В дизайнерското пространство инженерите започват да прилагат базирани на трансформатори архитектури, като тези, използвани в големи езикови модели, за да генерират нови автомобилни компоненти. - стилови модели за изследване на алтернативни геометрии на задните крила и решения за въздушен поток. Вниманието е всичко, от което се нуждаете Според това проучване тези модели подпомагат състезателните инженери чрез филтриране на телеметрията, прогнозиране на състезателните рискове и излагане на действащи прозрения в реално време. AI и разходите: оптимизиране на производителността в рамките на ограниченията От 2021 г. Формула 1 работи под контрола на С годишните бюджети, които сега са ограничени до около 107 милиона паунда и се увеличават до 170 милиона паунда до 2026 г., екипите трябва да бъдат по-селективни по отношение на начина, по който харчат и развиват. Цената на главата Екипите използват Вместо физически изграждане и тестване на стотици компоненти, моделите на CFD, задвижвани от AI, симулират хиляди вариации цифрово и идентифицират най-обещаващите дизайни, които да преследват. Машинно обучение Производствените процеси също се подобряват.В композитното производство, сега се поддържа от предсказуеми алгоритми, които коригират променливи като налягане, температура и скорост на подреждане, за да се сведе до минимум отпадъците от материали и да се подобри последователността. Автоматично поставяне на влакна В операциите и финансите, екипите се прилагат Тези симулации помагат за насочване на това как ресурсите се разпределят в областта на научните изследвания, развитието, логистиката и персонала, като същевременно остават в рамките на регламентите на FIA. AI-насочени инструменти за планиране вече е приела AI и системи, базирани на облак, за да рационализира всичко от дизайна до състезателните операции. Други екипи също заменят физическите сензори и тестове с виртуални симулации, за да спестят време и да намалят разходите. Макларън Рейтер Заключението Изкуственият интелект променя начина, по който екипите от Формула 1 се подготвят, състезават и развиват.От симулирането на състезания до проектирането на части и прогнозирането на износването на гумите, машинното обучение се превръща в част от основната инфраструктура на спорта. Тези инструменти не заменят човешката преценка, а я подобряват. 
 
 
 
 
 Strategy calls remain in the hands of engineers. 
 
 Development ideas still come from designers. Но все повече, AI е системата, която подкрепя всяко решение. Формула 1 винаги е еволюирала чрез технологии. Днес тази еволюция се ускорява и AI играе централна роля в това къде отива следващата.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

Това аудио е създадено на оригиналния език на историята!

Твърде дълго; Чета

Make resilience your competitive advantage

Как AI и машинното обучение движат бъдещето на Формула 1

About Author

КОМЕНТАРИ

ЗАКАЧВАЙТЕ ЕТИКЕТИ

ТАЗИ СТАТИЯ Е ПРЕДСТАВЕНА В

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps