F1 的 AI 进站

一级方程式（F1）是世界上技术含量最高的运动之一。赛车时速可达惊人的 230 英里，进站更换轮胎仅需两秒，这些都要求最前沿的工程技术。F1 不仅仅关乎车手和赛车，更关乎维修站工作人员在分析比赛时所制定的策略。

比赛过程中涉及多种技术，而 AI 正逐渐成为维修站工作人员手中最重要的工具之一。让我们仔细看看 AI 在 F1 中究竟是如何应用的。

Link to this section2023 年阿布扎比大奖赛上的计算机视觉#

当 F1 车手的四轮全部超出赛道边缘时，会被视为违反赛道限制。国际汽车联合会（FIA）会核实这些违规行为，并根据结果判罚。

每场比赛都有数百起违规行为需要处理。在 2023 年奥地利大奖赛期间，仅有四名工作人员处理了约 1,200 起潜在的赛道限制违规。在随后的比赛中，尽管增加了检查赛道限制违规的人数，但这仍然不够。

图 1. 上图中的白线被视为赛道的边缘。

因此，在 2023 年阿布扎比大奖赛上，FIA 开始转向使用计算机视觉。他们利用 形状分析 来识别赛道边缘，并计算超出该线的像素数量。系统的这一层功能将用于排除那些显然无需人工干预的情况。它让 FIA 能够专注于真正需要他们关注的案例。

Link to this section通过 AI 洞察提升粉丝参与度#

百分之七十一 的体育专业人士认为，粉丝参与度对于实现他们的目标至关重要。当人们对体育产生情感连接时，他们会持续关注，这也帮助行业创造了收入。

一个比赛周末不仅仅是为你最喜欢的车队加油。 Amazon Web Services (AWS) 已与 F1 合作，提供对瞬间决策的深刻见解，并通过详细统计数据展示表现。他们通过分析存储在 Amazon S3 上约 70 年的比赛数据来做到这一点。除了历史数据，机器学习模型还可以分析从每辆 F1 赛车上 300 多个传感器收集的数据点。我们谈论的是每秒超过 110 万个数据点！

甲骨文红牛车队（Oracle Red Bull Racing）的首席执行官 Christian Horner 认为：“数据是车队的命脉。表现的每一个要素——我们如何进行比赛、如何开发赛车、如何选择和分析车手——都是由数据驱动的。”让我们来看看这些系统能够输出的一些统计数据：

• 战斗预测（Battle Forecast）：战斗预测将预测追赶车辆在多少圈后能进入前方车辆的“打击距离”。该预测基于赛道历史数据和预期的车手速度。
• 进站策略对决（Pit Strategy Battle）：它为粉丝提供了额外的见解，以实时评估每位车手的策略成功与否及其结果。粉丝还可以追踪车手所做的细微策略调整，并观察它们对结果的影响。
• 赛道统治力（Track Dominance）：它为粉丝和解说员提供了关于车手在赛道上何处以及如何压制对手的洞察。
• 赛车表现评分（Car Performance Scores）：这一洞察允许粉丝选定特定赛车，并将其性能与其他赛车进行比较。比较基于弯道性能（赛车在转弯或导航曲线时保持速度、稳定性和控制的能力）、直道性能（赛车在直道上的加速和最高速度能力）以及操控性（控制车辆的整体轻松度和响应性，包括转向、制动和机动）。

图 2. 粉丝可以查看的赛道统治力可视化示例。

Link to this sectionAI 支持的模拟赛车#

模拟赛车（Sim racing）是一种虚拟 F1 赛车体验。它通常用于帮助车手更熟悉赛道，并在不冒受伤或损坏赛车风险的情况下提高他们的驾驶技巧。通过将 AI 融入模拟赛车，车队可以模拟动态竞赛条件、各种调校下的赛车表现，甚至赛道上竞争对手的行为。

物理引擎可以精确建模车辆行为。它们考虑了空气动力学、轮胎抓地力和悬挂设置等因素。同时，来自现实世界比赛和模拟的数据会不断被分析，以优化策略并提高表现。模拟赛车的设置范围很广，从带有方向盘和踏板的基础设置，到包括运动平台、VR 头显和详细的 F1 赛车座舱复制品的全面模拟器。

图 3. 一级方程式车手 Max Verstappen 在进行模拟赛车。（来源：shop.gperformance.eu）

Link to this sectionF1 车队与 AI 创新者：赛道上的天作之合#

一些顶级 F1 车队正在积极使用 AI，甚至拥有 AI 公司作为其官方赞助商。让我们快速探索一下其中一些合作伙伴关系及其带来的价值。

Link to this section梅赛德斯 & G42#

G42 是一家总部位于阿联酋的领先 AI 和云计算公司。他们是梅赛德斯-AMG 马石油 F1 车队的官方赞助商。 G42 为车队配备了 先进的数据分析和机器学习能力。在 G42 的支持下，车队能够实时处理海量数据并提取有价值的见解，从而做出数据驱动的决策。例如，G42 的 AI 算法可以分析遥测数据，为特定赛道优化赛车调校，通过微调空气动力学、轮胎压力和燃油负载来增强性能。

图 4. G42 是梅赛德斯-AMG F1 车队的官方合作伙伴。

Link to this section红牛 & 甲骨文#

红牛车队（Red Bull Racing Team）使用 AI 来优化燃料消耗，帮助他们优化用油，从而在更长时间内跑得更快，这可能是赢得比赛的关键因素。这支一级方程式车队在破纪录的赛季中赢得了 2023 年车手总冠军和车队总冠军。车队依靠甲骨文云（Oracle Cloud）来推动比赛策略、引擎开发、模拟赛车、粉丝互动等等。

图 5. 红牛车队由甲骨文赞助。

Link to this section法拉利 & AWS#

Amazon Web Services (AWS) 是法拉利 F1 车队的官方赞助商之一。法拉利车队通过 Amazon SageMaker 使用 AI 和机器学习制作了一个虚拟地面速度传感器。他们能够向工程师提供更快、更可靠的数据。车队能够减轻车辆重量，这在即使一克重量都很重要的运动中是一个关键因素。他们还利用 AWS 开发了植根于博弈论的机器学习模型，以分析比赛策略中的变量。

图 6. 法拉利 F1 车队由 AWS 支持（thelastcorner.it）。

Link to this section本赛季我们看到了什么？#

2024 赛季于 3 月在巴林大奖赛拉开帷幕。到目前为止我们只进行了四场比赛，但赛季的开局令人激动。从一开始，我们就看到新的 AI 创新在本赛季首次亮相。

让我们从拉近粉丝与赛事距离的努力开始。这促成了新摄像机角度的引入。F1 广播团队正与阿斯顿·马丁紧密合作，开发后车灯摄像机。其背后的理念是从赛车后方提供视角，捕捉我们以前从未见过的比赛强度。AI 有助于确保这些图像清晰锐利，实时调整对焦和曝光，以应对高速和不断变化的光线条件的挑战。

在广播方面，还有一个由 AI 驱动的全新升级的回放系统。该 AI 系统可以即时筛选镜头以突出关键时刻，确保粉丝不会错过任何精彩动作。它甚至有能力从普通镜头中创建慢动作回放，为观看体验增加了一个新的深度层次。

关于使用无人机捕捉实时镜头的潜力也有很多讨论，灵感来自于 Max Verstappen 在测试圈的一个病毒式传播的第一人称视角（FPV）镜头。在安全方面仍有障碍需要克服。但是，未来包含无人机镜头的可能性令人兴奋。这一切都是为了寻找新的方式，让家里的观众也能感受到比赛的刺激。

图 7. 最快的 F1 镜头。

说到刺激感，广播的音频部分也将升级。此次升级旨在让观众感觉仿佛就在赛道上，周围环绕着引擎的轰鸣声。AI 算法被用于微调音频捕捉和处理，使广播声音沉浸感十足且不会嘈杂。我们希望听到引擎加速的声音，但同时也能在不影响音量的情况下享受比赛。

Link to this section冲过终点线#

虽然 AI 可以是一个有用的工具，但它无法取代拥有多年经验和天赋的人类车手和维修站人员。话虽如此，观察 AI 将如何影响未来的 F1 将会非常有趣。更先进的技术意味着在赛道上做出更明智的决策，从而带来争夺方格旗的精彩较量！

请查看我们的 GitHub 存储库 以了解更多关于 AI 的信息。访问我们的解决方案页面，看看 AI 是如何应用于 制造业 和 农业 等领域的。