ИИ-пит-стоп в Формуле-1

Формула-1 (F1) — один из самых высокотехнологичных видов спорта в мире. Болиды развивают ошеломляющую скорость до 370 км/ч, а пит-стопы длятся всего две секунды, что требует самых инновационных инженерных решений. F1 — это не только пилоты и машины, но и стратегии, которые создает команда механиков, анализируя ход гонки.

Во время гонки используется множество технологий, и ИИ становится одним из самых важных инструментов в распоряжении гоночной команды. Давай подробнее разберем, где именно в F1 применяется ИИ.

Link to this sectionКомпьютерное зрение на Гран-при Абу-Даби 2023 года#

Когда пилоты F1 выезжают за пределы трассы всеми четырьмя колесами, это считается нарушением границ трассы. Международная автомобильная федерация (FIA) проверяет такие нарушения, и на основе результатов выносятся штрафы.

Каждую гонку приходится обрабатывать сотни нарушений. Во время Гран-при Австрии 2023 года всего четыре человека обрабатывали около 1200 потенциальных нарушений границ трассы. В последующих гонках, несмотря на увеличение количества сотрудников, проверяющих эти нарушения, ресурсов все равно не хватало.

Рис. 1. Белая линия на изображении выше считается краем трассы.

Поэтому на Гран-при Абу-Даби 2023 года FIA обратилась к компьютерному зрению. Они используют анализ форм для определения края трассы и вычисления количества пикселей, выходящих за эту линию. Этот уровень системы будет использоваться для исключения случаев, где человеческое вмешательство явно не требуется. Это позволяет FIA сосредоточиться на ситуациях, которые действительно нуждаются в их внимании.

Link to this sectionПовышение вовлеченности болельщиков с помощью аналитики на базе ИИ#

Семьдесят один процент спортивных профессионалов считают, что вовлеченность болельщиков жизненно важна для достижения целей. Когда люди чувствуют эмоциональную связь со спортом, они продолжают следить за гонками, что помогает индустрии получать доход.

Гоночный уик-энд — это не только поддержка любимой команды. Amazon Web Services (AWS) объединилась с F1, чтобы предоставлять глубокую аналитику по решениям, принимаемым за доли секунды, и демонстрировать результаты с подробной статистикой. Они делают это, анализируя около 70 лет данных о гонках, хранящихся на Amazon S3. Помимо исторических данных, модели машинного обучения могут анализировать точки данных, собираемые с более чем 300 датчиков каждого болида F1. Речь идет о более чем 1,1 миллиона точек данных в секунду!

Неудивительно, что генеральный директор Oracle Red Bull Racing, Christian Horner, считает: «Данные — это основа жизни команды. Каждый элемент производительности — как мы проводим гонку, как разрабатываем болид, как выбираем и анализируем пилотов — все это управляется данными». Давай взглянем на некоторые статистические показатели, которые могут выдавать эти системы:

• Прогноз борьбы: этот прогноз предсказывает, сколько кругов останется до того момента, как преследующий болид окажется на «дистанции атаки» от впереди идущего. Прогнозы строятся с использованием данных об истории трассы и прогнозируемого темпа пилота.
• Битва стратегий пит-стопов: этот инструмент дает болельщикам дополнительное представление о том, насколько успешна стратегия каждого пилота, и позволяет видеть ее результаты в режиме реального времени. Болельщики также могут отслеживать тонкие изменения стратегии, вносимые пилотами, и видеть их влияние на исход гонки.
• Доминирование на трассе: дает болельщикам и комментаторам понимание того, где и как пилот доминирует над соперниками на трассе.
• Показатели производительности болида: этот инструмент позволяет болельщикам изолировать конкретный болид и сравнить его характеристики с другими. Сравнения основаны на прохождении поворотов (насколько хорошо машина поддерживает скорость, стабильность и контроль при поворотах), производительности на прямой (ускорение и максимальная скорость на прямых участках) и управляемости болидом (общая легкость и отзывчивость управления, включая рулевое управление, торможение и маневрирование).

Рис. 2. Пример визуализации доминирования на трассе, доступной для просмотра болельщиками.

Link to this sectionСим-рейсинг на базе ИИ#

Симуляционные гонки, или сим-рейсинг, — это виртуальный опыт гонок F1. Его часто используют для обучения пилотов, чтобы они лучше узнали трассу и улучшили свои навыки вождения, не рискуя получить травмы или повредить болиды. Внедряя ИИ в сим-рейсинг, команды могут моделировать динамические гоночные условия, производительность болида при различных настройках и даже поведение соперников на трассе.

Физические движки позволяют точно моделировать поведение автомобиля. Они учитывают такие факторы, как аэродинамика, сцепление шин и настройки подвески. В то же время данные как реальных гонок, так и симуляций постоянно анализируются для уточнения стратегий и улучшения результатов. Настройки для сим-рейсинга могут варьироваться от простых комплектов с рулем и педалями до полномасштабных симуляторов, включающих платформы подвижности, VR-гарнитуры и детальные копии кокпитов болидов F1.

Рис. 3. Пилот Формулы-1 Макс Ферстаппен на сим-рейсинге. (источник: shop.gperformance.eu)

Link to this sectionКоманды F1 и инноваторы в сфере ИИ: союз, заключенный на трассе#

Некоторые ведущие команды F1 активно используют ИИ и даже имеют ИИ-компании в качестве официальных спонсоров. Давай кратко рассмотрим несколько таких партнерств и их вклад.

Link to this sectionMercedes и G42#

G42 — ведущая компания в области ИИ и облачных вычислений, базирующаяся в ОАЭ. Они являются официальным спонсором команды Mercedes-AMG PETRONAS F1 Team. G42 предоставляет команде передовые возможности анализа данных и машинного обучения. Благодаря поддержке G42 команда может обрабатывать огромные объемы данных в реальном времени и извлекать ценную информацию для принятия решений на основе данных. Например, алгоритмы ИИ от G42 могут анализировать телеметрию для оптимизации настроек болида под конкретные трассы, улучшая производительность за счет тонкой настройки аэродинамики, давления в шинах и количества топлива.

Рис. 4. G42 — официальный партнер Mercedes-AMG F1.

Link to this sectionRed Bull и Oracle#

Команда Red Bull Racing использует ИИ для оптимизации расхода топлива, что помогает им расходовать горючее эффективнее и, следовательно, дольше сохранять высокую скорость, что может стать критическим фактором для победы в гонке. Эта команда Формулы-1 выиграла Чемпионат пилотов и Кубок конструкторов в 2023 году в ходе рекордного сезона. Команда опирается на облачную платформу Oracle для поддержки стратегии гонок, разработки двигателей, сим-рейсинга, вовлечения болельщиков и многого другого.

Рис. 5. Команду Red Bull Racing спонсирует Oracle.

Link to this sectionFerrari и AWS#

Amazon Web Services (AWS) — один из официальных спонсоров команды Scuderia Ferrari F1 Team. Scuderia Ferrari создала виртуальный датчик путевой скорости с помощью ИИ и машинного обучения через Amazon SageMaker. Они смогли передавать своим инженерам более быстрые и надежные данные. Команда смогла снизить вес болида, что является решающим фактором в спорте, где важен каждый грамм. Они также использовали AWS для разработки моделей машинного обучения на основе теории игр для анализа переменных в гоночной стратегии.

Рис. 6. Команду Scuderia Ferrari F1 Team поддерживает AWS (thelastcorner.it).

Link to this sectionЧто мы видим в этом сезоне?#

Сезон 2024 года начался в марте с Гран-при Бахрейна. Прошло всего четыре гонки, но начало сезона уже выдалось захватывающим. С самого старта мы наблюдаем дебют новых ИИ-инноваций в этом сезоне.

Начнем со стремления приблизить болельщиков к событиям на трассе. Это привело к появлению новых углов обзора камер. Команда вещания F1 тесно сотрудничает с Aston Martin для разработки камеры на заднем фонаре. Идея заключается в том, чтобы дать нам вид прямо с задней части болида, запечатлев интенсивность гонки так, как мы еще не видели. ИИ помогает гарантировать, что эти изображения будут четкими и ясными, регулируя фокус и экспозицию в режиме реального времени, чтобы справиться с проблемами скорости и меняющимися условиями освещения.

Что касается вещания, также появилась обновленная система повторов на базе ИИ. Эта ИИ-система может мгновенно сортировать кадры, выделяя ключевые моменты, чтобы болельщики не пропустили ничего важного. Она даже способна создавать замедленные повторы из обычных кадров, добавляя новый уровень глубины в просмотр.

Также много разговоров вызывает потенциальное использование дронов для съемки живых кадров, вдохновленное вирусным снимком от первого лица (FPV) Макса Ферстаппена на тестовом круге. Все еще существуют препятствия в вопросах безопасности, которые необходимо преодолеть. Но возможность включения кадров с дронов в будущем выглядит многообещающе. Все дело в поиске новых способов передать азарт гонки зрителям дома.

Рис. 7. Самый быстрый кадр F1.

Кстати, об азарте: аудиочасть трансляции также ожидает обновление. Цель этого обновления — создать у зрителей ощущение присутствия прямо на трассе, чтобы их окружал рев двигателей. Алгоритмы ИИ используются для тонкой настройки захвата и обработки звука, чтобы звук трансляции был иммерсивным, но не слишком шумным. Мы хотим слышать, как разгоняются двигатели, но при этом иметь возможность наслаждаться гонкой без слишком высокой громкости.

Link to this sectionФинишная черта#

Хотя ИИ может быть полезным инструментом, он не заменит пилотов и гоночную команду с многолетним опытом и талантом. Тем не менее, будет интересно посмотреть, как ИИ повлияет на Формулу-1 в будущем. Более совершенные технологии означают принятие более обоснованных решений на трассе, что приведет к потрясающим битвам за клетчатый флаг!

Загляни в наш репозиторий на GitHub, чтобы узнать больше об ИИ. Посети наши страницы решений, чтобы увидеть, как ИИ применяется в таких сферах, как производство и сельское хозяйство.