Công thức 1 luôn hoạt động ở ngã tư của kỹ thuật và đổi mới.Trong những năm gần đây, sự đổi mới đó đã mở rộng sang trí tuệ nhân tạo và học máy. Từ chiến lược lốp xe đến thiết kế khí động học, những công nghệ này đang thay đổi cách các nhóm lập kế hoạch, phản ứng và phát triển. Chiến lược mô hình hóa với học tập củng cố Chiến lược đua xe truyền thống dựa vào kiến thức của con người và mô phỏng cơ bản.Trong những năm gần đây, AI đã bắt đầu đóng một vai trò lớn hơn trong quá trình ra quyết định này. Một mô hình gọi là đã được đánh giá bằng cách sử dụng mô phỏng Grand Prix Bahrain 2023 .Trong bài kiểm tra này, RSRL đã được so sánh trực tiếp với một phương pháp truyền thống Monte Carlo, đơn giản hơn, dựa trên 'đặt đá'. Kết quả: RSRL chọn chiến lược lốp xe hiệu quả hơn trung bình và tạo ra kết quả nhất quán hơn trên các mô phỏng lặp đi lặp lại. Học tập tăng cường chiến lược đua xe (Race Strategy Reinforcement Learning - RSRL) Các quyết định của mô hình cũng có thể giải thích được. nó cung cấp lý luận minh bạch cho mỗi lựa chọn bằng cách sử dụng chống thực tế và logic cây quyết định, giúp các kỹ sư hiểu không chỉ kết quả, mà cả logic đằng sau nó. Pit Stop dự đoán và lốp wear phân tích Để cải thiện độ chính xác trong lĩnh vực này, các nhà nghiên cứu đã phát triển một mô hình được gọi là EDNN. Được đào tạo về viễn thám từ mùa 2015-2022, mô hình này dự đoán khi nào người lái xe nên đâm và độ mòn lốp xe sẽ phát triển như thế nào dựa trên điều kiện cuộc đua. Ngoài ra, một dự án riêng biệt được sử dụng để ước tính mức năng lượng lốp xe trong thời gian thực. Điều này cho phép các nhóm dự đoán độ bám, sự suy giảm và nguy cơ kéo dài quá mức lốp xe trong điều kiện thay đổi, bao gồm thời gian xe an toàn. Mạng lưới thần kinh LSTM và GRU Cả hai mô hình cho phép các cuộc gọi chiến lược nhanh hơn, dựa trên dữ liệu trong các cuộc đua trực tiếp, đặc biệt là khi các yếu tố không thể đoán trước xuất hiện. Mô phỏng tương tác của người lái bằng cách sử dụng lý thuyết trò chơi Công thức 1 không phải là một môn thể thao tĩnh. di chuyển của một người lái xe ảnh hưởng đến toàn bộ lĩnh vực. vị trí, sử dụng năng lượng, và các hành động phòng thủ đều phụ thuộc lẫn nhau. Một nghiên cứu năm 2024 đã khám phá sự phức tạp này bằng cách sử dụng Mô hình này kết hợp lý thuyết trò chơi, bao gồm các mô hình cân bằng Nash và Stackelberg, để mô phỏng tương tác giữa các trình điều khiển. Học tập Multi-Agent Reinforcement Thay vì phân tích dòng tốt nhất hoặc cửa sổ pit của một chiếc xe duy nhất, hệ thống đã đánh giá cách mỗi đối thủ cạnh tranh có thể phản ứng với các quyết định của người khác. Những công cụ này cuối cùng có thể thông báo kế hoạch chiến lược trực tiếp hoặc giúp thiết kế mô phỏng dự đoán được sử dụng trong những ngày cuối tuần của cuộc đua. Đánh giá hiệu suất lái xe một cách khách quan hơn Hiệu suất của người lái xe là một trong những khía cạnh được tranh luận nhiều nhất của Formula 1. sự khác biệt về chất lượng xe, ngân sách đội và điều kiện đường đua làm cho nó khó khăn để đánh giá người lái xe trên các điều khoản bình đẳng. Để giải quyết vấn đề này, các nhà nghiên cứu đã áp dụng Theo dữ liệu đua xe từ năm 2015 đến năm 2019, mục tiêu là tách biệt các biến có liên quan chặt chẽ nhất đến kỹ năng lái xe cá nhân, chẳng hạn như sự nhất quán trong việc chuẩn bị, bảo tồn lốp xe và hiệu suất trong điều kiện thay đổi. Phân tích thành phần chính (PCA) Cách tiếp cận dựa trên dữ liệu này dựa trên công việc trước đó của các con số như , người đã đưa mô phỏng và mô hình xác suất vào môn thể thao trong thời gian của mình với McLaren và Ferrari. Neil Martin Machine Learning trong thiết kế xe hơi và khí động học Mỗi chiếc xe thường mang trên 300 cảm biến và truyền hơn một triệu điểm dữ liệu mỗi giây, theo Financial Times. Các nhóm hiện đang sử dụng các mô phỏng CFD (Dynamics of Computational Fluid) được tăng cường bởi AI để thử nghiệm hàng ngàn cấu hình mà không cần xây dựng nguyên mẫu vật lý. những mô hình học máy này xác định sự thiếu hiệu quả của luồng không khí và giúp các kỹ sư tối ưu hóa thiết kế trong chu kỳ phát triển ngắn hơn. Máy học cũng đóng một vai trò trong công nghệ hướng tới người hâm mộ. dự đoán thời gian thực - bao gồm xác suất vượt qua, tuổi thọ lốp xe và so sánh tốc độ - bây giờ được tích hợp vào phát sóng trực tiếp bằng cách sử dụng các nền tảng phân tích AWS được hỗ trợ bởi AI. Sự phát triển tương lai và thiết kế phát triển Nghiên cứu về AI và thể thao ô tô tiếp tục mở rộng sang các lĩnh vực mới. tại Đại học Bologna, một nhóm đang phát triển các mô hình tăng cường đa đại lý để mô phỏng các kịch bản đua xe đầy đủ. Những điều này bao gồm tất cả các tài xế, các biến bên ngoài như thời tiết và các sự kiện trong cuộc đua như dừng chân và xe an toàn. Trong không gian thiết kế, các kỹ sư đang bắt đầu áp dụng các kiến trúc dựa trên máy biến áp, giống như những kiến trúc được sử dụng trong các mô hình ngôn ngữ lớn, để tạo ra các thành phần xe hơi mới. Mô hình phong cách để khám phá các hình học cánh phía sau thay thế và các giải pháp luồng không khí. Chú ý là tất cả những gì bạn cần Theo nghiên cứu trường hợp này, các mô hình này hỗ trợ các kỹ sư đua xe bằng cách lọc viễn thông, dự đoán rủi ro đua xe và bề mặt những hiểu biết có thể thực hiện trong thời gian thực. AI và Chi phí Cap: Tối ưu hóa hiệu suất trong giới hạn Từ năm 2021, Công thức 1 đã hoạt động dưới một Với ngân sách hàng năm hiện giới hạn ở mức khoảng 107 triệu bảng và tăng lên 170 triệu bảng vào năm 2026, các đội phải chọn lọc hơn về cách họ chi tiêu và phát triển. Chi phí Cap Các đội đang sử dụng Thay vì xây dựng và thử nghiệm hàng trăm thành phần về mặt vật lý, các mô hình CFD được thúc đẩy bởi AI mô phỏng hàng ngàn biến thể kỹ thuật số và xác định các thiết kế hứa hẹn nhất để theo đuổi. máy học Các quy trình sản xuất cũng đang được cải thiện. Trong sản xuất composite, bây giờ được hỗ trợ bởi các thuật toán dự đoán điều chỉnh các biến như áp suất, nhiệt độ và tốc độ bố trí để giảm thiểu chất thải vật liệu và cải thiện tính nhất quán. Tự động Fiber Placement Trong hoạt động và tài chính, các nhóm áp dụng Để kiểm tra các kịch bản ngân sách khác nhau, các mô phỏng này giúp hướng dẫn cách phân bổ nguồn lực trên các lĩnh vực nghiên cứu, phát triển, hậu cần và nhân sự trong khi vẫn tuân thủ các quy định của FIA. Công cụ lập kế hoạch AI-Driven đã áp dụng AI và các hệ thống dựa trên đám mây để hợp lý hóa mọi thứ từ thiết kế đến hoạt động đua xe. Các nhóm khác cũng đang thay thế các cảm biến vật lý và thử nghiệm bằng các mô phỏng ảo để tiết kiệm thời gian và giảm chi phí. McLaren Reuters Kết luận Trí tuệ nhân tạo đang thay đổi cách các đội Formula 1 chuẩn bị, cạnh tranh và phát triển.Từ mô phỏng các cuộc đua đến thiết kế các bộ phận và dự đoán độ mòn lốp xe, học máy đang trở thành một phần của cơ sở hạ tầng cốt lõi của môn thể thao. Những công cụ này không thay thế sự phán xét của con người nhưng tăng cường nó. 
 
 
 
 
 Strategy calls remain in the hands of engineers. 
 
 Development ideas still come from designers. Nhưng ngày càng, AI là hệ thống hỗ trợ mọi quyết định. công thức 1 luôn luôn phát triển thông qua công nghệ. Ngày nay, sự tiến hóa đó đang tăng tốc, và AI đang đóng một vai trò trung tâm trong nơi nó đi tiếp.

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

Read My Stories

Nghe bài viết này bằng Tiếng Anh, đọc bởi robot thông minh của HackerNoon

Làm thế nào AI và Machine Learning đang thúc đẩy tương lai của Formula 1

About Author

BÌNH LUẬN

chuyên mục

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI

Related Stories

145 Stories To Learn About Book

128 Stories To Learn About Charles Dickens

147 Stories To Learn About Reading Books Online

72 Stories To Learn About Adam Smith

145 Stories To Learn About Book

128 Stories To Learn About Charles Dickens

147 Stories To Learn About Reading Books Online

72 Stories To Learn About Adam Smith

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps