Формула 1 отсекогаш работела на пресекот на инженеринг и иновации.Во последниве години, таа иновација се проширила во вештачка интелигенција и машинско учење. Од стратегијата на гумите до аеродинамичкиот дизајн, овие технологии го менуваат начинот на кој тимовите планираат, реагираат и се развиваат. Стратегија за моделирање со зајакнување на учењето Традиционално, трката стратегија се потпира на човечкото знаење и основните симулации.Во последниве години, вештачката интелигенција почна да игра поголема улога во овој процес на донесување одлуки. Модел наречен Во овој тест, RSRL беше директно споредено со традиционалниот, поедноставен, пристап базиран на Монте Карло.Резултатот: RSRL избра повеќе ефикасни стратегии за гуми во просек и произведе повеќе конзистентни резултати во текот на повторените симулации. Учење за зајакнување на тркачката стратегија (RSRL) Одлуките на моделот исто така беа објаснувачки, обезбедувајќи транспарентно размислување за секој избор со користење на контрафактуали и логика на дрвото за одлуки, помагајќи им на инженерите да ја разберат не само исходот, туку и логиката зад тоа. Предвидување на пит-стоп и анализа на гумите За да се подобри прецизноста во оваа област, истражувачите развиле модел наречен EDNN. Обучени во телеметрија од сезоните 2015-2022, моделот предвидува кога возачите треба да пиат и како ќе се развива носењето на гумите врз основа на условите на трката. Покрај тоа, посебен проект се користи Ова им овозможува на тимовите да го предвидат прицврстувањето, деградацијата и ризикот од претерано продолжување на гумите при менување на условите, вклучувајќи ги и периодите на безбедносни возила. LSTM и GRU невронски мрежи И двата модела овозможуваат побрзи, базирани на податоци стратешки повици за време на трките во живо, особено кога се појавуваат непредвидливи елементи. Симулација на интеракциите на возачите со користење на теоријата на играта Формула 1 не е статичен спорт. Движењето на еден возач влијае на целото поле. Студија од 2024 година ја истражува оваа комплексност со користење на Моделот ја вградува теоријата на игрите, вклучувајќи ги и моделите за рамнотежа на Наш и Стакелберг, за да ги симулира интеракциите меѓу возачите. Мулти-агент засилување на учење Наместо да ја анализираат најдобрата линија или пит прозорец на еден автомобил, системот оцени како секој конкурент би можел да реагира на одлуките на другиот. Овие алатки на крајот би можеле да информираат за планирање на стратегијата во живо или да помогнат во дизајнирањето на предвидувачки симулации кои се користат за време на трките викенди. Евалуација на перформансите на возачите пообјективно Перформансите на возачите се еден од најдебатираните аспекти на Формула 1.Разликите во квалитетот на автомобилите, буџетот на тимот и условите на патеката го отежнуваат оценувањето на возачите на еднакви услови. За да се одговори на ова, истражувачите се примени Целта беше да се изолираат променливите најтесно поврзани со индивидуалните вештини на возачот, како што се конзистентноста во квалификациите, зачувувањето на гумите и перформансите во променливите услови. Анализа на главните компоненти (PCA) Овој пристап базиран на податоци се базира на претходната работа со фигури како , кој го донел симулацијата и веројатност моделирање во спортот за време на неговото време со Мекларен и Ферари. Нил Мартин Машинско учење во дизајнот на автомобили и аеродинамиката Секој автомобил обично носи над 300 сензори и пренесува повеќе од еден милион точки на податоци во секунда, според „Фајненшл тајмс“. Овие податоци се внесуваат директно во развојот на аеродинамиката. Тимовите сега користат симулации на CFD (компјутеризирана динамика на течности) за да тестираат илјадници конфигурации без да градат физички прототипи. Овие модели за машинско учење ги идентификуваат неефикасностите на протокот на воздух и им помагаат на инженерите да ги оптимизираат дизајните во пократки циклуси на развој. Предвидувањата во реално време - вклучувајќи веројатност за надминување, животен век на гумите и споредба на темпото - сега се интегрирани во живите емитувања користејќи AWS аналитички платформи наменети за АИ. Иднината и генеративниот дизајн Истражувањата во областа на вештачката интелигенција и моторните спортови продолжуваат да се прошируваат во нови области.На Универзитетот во Болоња, тимот развива модели за засилување со повеќе агенти за да симулира целосни сценарија за трки.Овие вклучуваат сите возачи, надворешни променливи како што се времето и настаните во трките како што се питови и безбедносни автомобили. Во дизајнерскиот простор, инженерите почнуваат да ги применуваат архитектурите базирани на трансформатори, како оние што се користат во големите јазични модели, за да генерираат нови автомобилски компоненти. Модели со стил за истражување на алтернативните геометрии на задното крило и решенија за протокот на воздух. Вниманието е сè што ви треба Според оваа студија на случај, овие модели им помагаат на тркачките инженери со филтрирање на телеметрија, предвидување на тркачки ризици и поврзување на делотворни увид во реално време. АИ и трошоците: оптимизирање на перформансите во рамките на границите Од 2021 година Формула 1 функционира под Со годишните буџети кои сега се ограничени на околу 107 милиони фунти и се зголемуваат на 170 милиони фунти до 2026 година, тимовите мора да бидат поселективни во тоа како ги трошат и развиваат. Цената на главата Тимовите ги користат Наместо физички да се градат и тестираат стотици компоненти, моделите на CFD наменети за вештачка интелигенција дигитално симулираат илјадници варијации и ги идентификуваат најперспективните дизајни за да ги извршуваат. Машино учење Производствените процеси исто така се подобруваат.Во композитното производство, сега е поддржан од предвидувачки алгоритми кои прилагодуваат променливи како што се притисок, температура и брзина на поставување за да се минимизира отпадот на материјали и да се подобри конзистентноста. Автоматско поставување на влакна Во операциите и финансиите, тимовите се применуваат Овие симулации помагаат да се насочи како ресурси се распоредуваат низ истражување, развој, логистика и кадар, додека останува во рамките на регулативите на ФИА. AI-ориентирани алатки за планирање веќе ги усвои AI и системите базирани на облак за да рационализира сè од дизајн до тркачки операции. Други тимови, исто така, ги заменуваат физичките сензори и тестовите со виртуелни симулации за да заштедат време и да ги намалат трошоците. Макларен Рејтер Заклучок Вештачката интелигенција го менува начинот на кој Формула 1 тимовите се подготвуваат, се натпреваруваат и се развиваат.Од симулација на трки до дизајнирање на делови и предвидување на износот на гумите, машинското учење станува дел од основната инфраструктура на спортот. Овие алатки не ја заменуваат човечката пресуда, туку ја зајакнуваат. 
 
 
 
 
 Strategy calls remain in the hands of engineers. 
 
 Development ideas still come from designers. Но, сè повеќе, вештачката интелигенција е системот кој ги поддржува сите одлуки. Формула 1 отсекогаш еволуирала преку технологијата.Денес, таа еволуција се забрзува, а вештачката интелигенција игра централна улога во тоа каде оди понатаму.

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

Read My Stories

Ова аудио е произведено на оригиналниот јазик на приказната!

Премногу долго; Да чита

Make resilience your competitive advantage

Како вештачката интелигенција и машинското учење ја движат иднината на Формула 1

About Author

КОМЕНТАРИ

ВИСЕТЕ ТАГОВИ

ОВОЈ СТАТИЈА БЕШЕ ПРЕТСТАВЕН ВО

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps