フォーミュラ1は常にエンジニアリングとイノベーションの交差点で活動しており、近年、そのイノベーションは人工知能と機械学習に広がっています。 タイヤ戦略からエアロダイナミックデザインまで、これらのテクノロジーはチームが計画し、反応し、発展する方法を変えています。 強化学習による戦略モデリング レース戦略は伝統的に人間の知識と基本的なシミュレーションに依存しており、近年、AIはこの意思決定プロセスにおいてより大きな役割を果たし始めています。 呼ばれるモデル このテストでは、RSRLは伝統的なモンテカルロ、より簡素化された「石に組み込まれた」アプローチに直接比較されました。結果:RSRLは平均的により効果的なタイヤ戦略を選択し、繰り返しのシミュレーションでより一貫した結果を生み出しました。 レース戦略強化学習(RSRL) モデルの決定も説明可能で、反事実と意思決定の木の論理を使用して、各選択に対して透明な推論を提供し、エンジニアが結果だけでなく、その背後にある論理を理解するのに役立ちました。 Pit Stop Prediction and Tyre Wear Analysis(ピットストップの予測とタイヤの着用分析) タイヤの劣化とピットタイミングはレースの成功に不可欠です。この分野における精度を向上させるために、研究者らはEDNと呼ばれるモデルを開発しました。2015年から2022年のシーズンからテレメトリに訓練されたこのモデルは、ドライバーがピットするべき時期と、タイヤの磨きがレース条件に応じてどのように進化するかを予測します。 さらに、個別プロジェクトで使われた タイヤのエネルギーレベルをリアルタイムで推定することにより、チームは、安全車の期間を含む変化する条件下でタイヤの耐性、劣化、およびタイヤの延長のリスクを予測することができます。 LSTMとGRUのニューラルネットワーク 両モデルとも、ライブレース中に、特に予測不能な要素が発生したときに、より速く、データベースの戦略通話を可能にします。 ゲーム理論を使用してドライバーの相互作用をシミュレートする フォーミュラ1は静的なスポーツではありません。一人のドライバーの動きは全体のフィールドに影響を与えます。位置付け、エネルギーの使用、防御行動はすべて相互依存しています。 2024年の研究では、この複雑さを調査した。 モデルは、ドライバー間の相互作用をシミュレートするために、ナッシュとスタッケルバーグの均衡モデルを含むゲーム理論を組み込んだ。 マルチエージェント強化学習 単一の車のベストラインやピットウィンドウを分析するのではなく、各競争相手が他者の決定にどのように反応するかを評価しました。 これらのツールは、最終的にライブ戦略計画を伝えるか、レース週末に使用される予測シミュレーションを設計するのに役立ちます。 ドライバーのパフォーマンスを客観的に評価 ドライバーのパフォーマンスは、F1で最も議論されている側面の1つです。車の品質、チーム予算、トラック条件の違いにより、ドライバーを平等に評価することは困難です。 この問題を解決するために、研究者は応用した 2015年から2019年にかけてのレースデータに基づき、タイヤの保全や変化する条件でのパフォーマンスなどの個々のドライバーのスキルに最も密接に関連する変数を隔離することを目指しました。 主要部品分析(PCA) このデータベースのアプローチは、以前の数字による作業に基づいて、 彼は、マクラーレンとフェラーリの間、シミュレーションと確率モデリングをスポーツに持ち込んだ。 ニール・マーティン 自動車デザインとエアロダイナミクスにおける機械学習 フォーミュラ1のクルマは膨大な量のデータを生成し、それぞれのクルマは通常300以上のセンサーを持ち、毎秒100万点以上のデータを送信しています。 このデータはエアロダイナミクスの開発に直接役立ちます。チームは現在、AI で強化された CFD シミュレーションを使用して、物理的なプロトタイプを構築することなく何千もの構成をテストします。 リアルタイムの予測 - 乗り越えの確率、タイヤの寿命、ペース比較を含む - は、現在、AI 駆動の AWS アナリティクスプラットフォームを使用したライブ放送に統合されています。 未来の発展と生成デザイン AIとモータースポーツの研究は新たな分野へと拡大し続けています。ボローニャ大学では、全レースシナリオをシミュレートするための複数のエージェントの強化モデルを開発しています。 設計領域では、エンジニアは、大規模な言語モデルで使用されるものと同様に、トランスフォーマーベースのアーキテクチャを適用し始め、新しい自動車部品を生成しています。 スタイルモデルは、後部翼の代替的なジオメトリーや空気流量ソリューションを探索する。 注意はあなたが必要とするすべて このケーススタディによると、これらのモデルはレースエンジニアを支援し、テレメトリーをフィルタリングし、レースリスクを予測し、リアルタイムで実行可能な洞察を表面化する。 AIとコストキャップ:限界内のパフォーマンスの最適化 2021年以降、F1はAの下で稼働している。 スポーツをより経済的に持続可能かつ競争力のあるものにするために導入され、年間予算は現在約10700万ポンドに制限され、2026年までに17000万ポンドに増加するため、チームはどのように支出し、開発するかについてより選択的でなければなりません。 コストキャップ チーム利用 数百のコンポーネントを物理的に構築し、テストする代わりに、AI駆動型のCFDモデルは数千の変異をデジタルでシミュレートし、追求する最も有望なデザインを特定します。 機械学習 製造プロセスも改善されていますが、複合生産においては、 現在は、圧力、温度、配置速度などの変数を調整し、材料廃棄物を最小限に抑え、一貫性を向上させる予測アルゴリズムによってサポートされています。 自動ファイバー配置 業務と財務においては、チームが適用する。 さまざまな予算シナリオをテストするために、これらのシミュレーションは、FIA規制の範囲内に留まる一方で、リソースが研究、開発、物流、スタッフに分配される方法を指導するのに役立ちます。 AI-Driven Planning Tools AIとクラウドベースのシステムを既に採用し、設計からレース操作まですべてを簡素化しています。 他のチームは、時間とコストを節約するために、物理的なセンサーやテストを仮想シミュレーションに置き換えています。 マクラーレン ロイター 結論 人工知能は、F1チームが準備し、競争し、開発する方法を変えています。レースのシミュレーションから部品の設計、タイヤの磨きを予測するまで、機械学習はスポーツのコアインフラストラクチャの一部となっています。 これらのツールは、人間の判断を置き換えるのではなく、それを強化します。 
 
 
 
 
 Strategy calls remain in the hands of engineers. 
 
 Development ideas still come from designers. しかし、ますます、AIはあらゆる決定をサポートするシステムです。F1は常にテクノロジーを通じて進化してきました。今日、その進化は加速し、AIは次に向かう上で中心的な役割を果たしています。

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

Read My Stories

このオーディオは、ストーリーの元の言語で制作されています。

AIと機械学習がF1の未来をどのように推進しているか

About Author

コメント

ラベル

この記事は

Related Stories

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

クラウド移行を成功させるための完全ガイド: 戦略とベストプラクティス

AI の力を解き放つ。最先端技術の体系的レビュー: 概要と序論

デジタルノマドの皆さん、タイの新しい DTV ビザについて知っておくべきこと

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

クラウド移行を成功させるための完全ガイド: 戦略とベストプラクティス

AI の力を解き放つ。最先端技術の体系的レビュー: 概要と序論

デジタルノマドの皆さん、タイの新しい DTV ビザについて知っておくべきこと

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps