포뮬러 1은 항상 엔지니어링과 혁신의 교차점에서 작동해 왔으며, 최근 몇 년 동안이 혁신은 인공 지능과 기계 학습으로 확장되었습니다. 타이어 전략에서부터 공기 역학적 디자인에 이르기까지 이러한 기술은 팀이 계획하고, 반응하고, 발전하는 방식을 변화시키고 있습니다.그들은 인간의 의사 결정자를 대체하지는 않지만 경쟁하는 데 사용되는 도구를 재구성하고 있습니다. Reinforcement Learning를 통해 전략 모델링 레이스 전략은 전통적으로 인간의 지식과 기본 시뮬레이션에 의존해 왔으며 최근 몇 년 동안 AI는이 의사 결정 과정에서 더 큰 역할을하기 시작했습니다. 이름 : Model Called 이 테스트에서 RSRL는 전통적인 몬테 카를로(Monte Carlo)보다 단순화된 ‘석에 넣은’ 접근 방식과 직접 비교되었습니다.결과: RSRL는 평균적으로 더 효과적인 타이어 전략을 선택했으며 반복된 시뮬레이션을 통해 더 일관된 결과를 얻었습니다. 레이스 전략 강화 학습(Race Strategy Reinforcement Learning, RSRL) 이 모델의 결정은 또한 설명이 가능했고, 반사 사실과 결정 나무 논리를 사용하여 각 선택에 대한 투명한 논리를 제공하여 엔지니어가 결과뿐만 아니라 그 뒤의 논리를 이해하는 데 도움이되었습니다. Pit Stop 예측 및 타이어 착용 분석 이 분야에서 정확성을 향상시키기 위해 연구자들은 EDNN이라는 모델을 개발했습니다. 2015-2022 시즌의 텔레메리아에 대해 훈련을 받았으며, 모델은 운전자가 타이어를 타야 할 때와 타이어 착용이 경주 조건에 따라 어떻게 진화 할 것인지를 예측합니다. 또한, 별도의 프로젝트를 사용하여 실시간으로 타이어 에너지 수준을 추정하여 팀이 안전 차량 기간을 포함하여 변화하는 조건에서 타이어의 접착, 손상 및 오버 스트레칭 위험을 예측할 수 있습니다. LSTM 및 GRU 신경 네트워크 두 모델 모두 라이브 레이스에서 더 빠르고 데이터 기반 전략 호출을 가능하게 하며, 특히 예측할 수없는 요소가 발생할 때. 게임 이론을 사용하여 드라이버 상호 작용 시뮬레이션 Formula 1 is not a static sport. One driver’s move affects the entire field. Positioning, energy use, and defensive actions are all interdependent. 2024 연구는이 복잡성을 사용하여 탐구했습니다. 이 모델은 Nash와 Stackelberg 균형 모델을 포함한 게임 이론을 통합하여 드라이버 간의 상호 작용을 시뮬레이션했습니다. 멀티 에이전트 강화 학습 단일 차량의 최고의 라인이나 피트 윈도우를 분석하는 대신, 시스템은 각 경쟁자가 다른 사람의 결정에 어떻게 반응할 수 있는지 평가했습니다.이로 인해 실제 경주 행동을 더 잘 반영하는 역동적 인 모델이 만들어졌습니다. 이 도구는 결국 라이브 전략 계획을 알려주거나 경주 주말에 사용되는 예측 시뮬레이션을 설계하는 데 도움이 될 수 있습니다. 운전자의 성능을 더 객관적으로 평가하는 방법 차량 품질, 팀 예산 및 트랙 조건의 차이점은 운전자를 평등하게 평가하는 것이 어렵습니다. 이 문제를 해결하기 위해 연구자들은 적용한 2015년부터 2019년까지의 경주 데이터를 기준으로, 타이어 보존 및 변화하는 조건에서의 성능과 같은 개별 운전자 능력과 가장 밀접하게 관련된 변수를 고립하는 것이 목표였다. 주요 구성 요소 분석 (PCA) 이 데이터 기반 접근 방식은 예전의 숫자 작업을 기반으로합니다. , 그는 McLaren과 페라리와 함께하는 동안 스포츠에 시뮬레이션과 확률 모델링을 가져 왔습니다. 닐 마틴 자동차 디자인 및 공기 역학에 대한 기계 학습 각 차량은 일반적으로 300 개 이상의 센서를 운반하고 매초 1 백만 개 이상의 데이터 포인트를 전송합니다. 이 데이터는 공기 역학 개발에 직접 공급됩니다.팀은 이제 AI 향상된 CFD (컴퓨터 액체 역학) 시뮬레이션을 사용하여 물리적 프로토 타입을 구축하지 않고 수천 개의 구성을 테스트합니다.이 기계 학습 모델은 공기 흐름 부족을 식별하고 엔지니어가 더 짧은 개발주기에서 디자인을 최적화하는 데 도움이됩니다. 실시간 예측(예약 가능성, 타이어 수명 및 속도 비교 등)은 이제 AI에 의해 구동되는 AWS 분석 플랫폼을 사용하여 라이브 방송에 통합됩니다. 미래의 개발 및 생성 디자인 인공지능 및 오토바이 스포츠 분야의 연구는 새로운 영역으로 계속 확장되고 있습니다.볼로냐 대학교에서 팀은 전체 경주 시나리오를 시뮬레이션하기 위해 멀티 에이전트 강화 모델을 개발하고 있습니다. 디자인 공간에서 엔지니어는 대형 언어 모델에서 사용되는 것과 같은 변압기 기반 아키텍처를 적용하여 새로운 자동차 부품을 생성하기 시작합니다. - 스타일 모델은 대체 뒷 날개 기하학 및 공기 흐름 솔루션을 탐구합니다. 관심은 당신이 필요로하는 모든 것입니다 이 사례 연구에 따르면, 이러한 모델은 레이싱 엔지니어를 지원하여 텔레메리아를 필터링하고, 레이스 위험을 예측하며, 실시간으로 실행 가능한 통찰력을 표면화합니다. AI와 비용 캡 : 제한 내에서의 성능 최적화 2021년부터 포뮬러 1은 A로 운영되고 있다. 현재 연간 예산은 약 £107 백만으로 제한되고 2026 년까지 £170 백만으로 증가함으로써 팀은 지출과 개발 방식에 대해 더 선택적이어야합니다. 비용 Cap 팀들이 사용하는 물리적으로 수백 개의 구성 요소를 구축하고 테스트하는 대신 AI-powered CFD 모델은 디지털 방식으로 수천 가지 변화를 시뮬레이션하고 가장 유망한 디자인을 식별합니다. 기계 학습 제조 프로세스도 개선되고 있습니다.콤보 생산에서, 이제 압력, 온도 및 배열 속도와 같은 변수를 조정하여 재료 폐기물을 최소화하고 일관성을 향상시키는 예측 알고리즘에 의해 지원됩니다. 자동 섬유 배치 운영 및 금융에서 팀은 적용 이러한 시뮬레이션은 FIA 규정 내에서 유지하는 동안 연구, 개발, 물류 및 인력에 대한 자원의 할당 방식을 안내하는 데 도움이됩니다. AI-Driven 계획 도구 이미 AI와 클라우드 기반 시스템을 채택하여 디자인에서부터 경주 운영에 이르기까지 모든 것을 간소화했습니다. 다른 팀들은 시간을 절약하고 비용을 절감하기 위해 물리적 센서와 테스트를 가상 시뮬레이션으로 대체하고 있습니다. 맥라렌 로이터 결론 인공 지능은 F1 팀이 준비하고 경쟁하고 발전하는 방식을 변화시키고 있습니다.경주 시뮬레이션에서 부품을 설계하고 타이어 착용을 예측할 때, 기계 학습은 스포츠의 핵심 인프라의 일부가되고 있습니다. 이러한 도구는 인간의 판단을 대체하지 않지만 강화합니다. 
 
 
 
 
 Strategy calls remain in the hands of engineers. 
 
 Development ideas still come from designers. 그러나 점점 더 AI는 모든 결정을 지원하는 시스템입니다.F1은 항상 기술을 통해 진화했습니다.오늘날, 그 진화는 가속화되고 있으며 AI는 다음 단계에서 핵심적인 역할을하고 있습니다.

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

Read My Stories

이 오디오는 이야기의 원래 언어로 제작되었습니다!

AI와 기계 학습이 어떻게 포뮬러 1의 미래를 운전하는가

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

작업 흐름을 10배 향상하는 방법: 17가지 필수 앱

볼츠만 뇌 이론에 대한 간략한 소개

성공적인 클라우드 마이그레이션을 위한 전체 가이드: 전략 및 모범 사례

독특한 생태계를 강화하는 비트코인 UTXO 모델

작업 흐름을 10배 향상하는 방법: 17가지 필수 앱

볼츠만 뇌 이론에 대한 간략한 소개

성공적인 클라우드 마이그레이션을 위한 전체 가이드: 전략 및 모범 사례

독특한 생태계를 강화하는 비트코인 UTXO 모델

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps