Jak innowatorzy z Formuły 1 wykorzystują chmurę AWS?

Sztuczna inteligencja pomaga inżynierom Formuły 1 szybciej wprowadzać innowacje. W tym procesie kluczowe jest wykorzystanie mocy obliczeniowej w chmurze, ponieważ projektowanie wydajnego pojazdu to przede wszystkim skomplikowane analizy i pełna gotowość na decyzje podejmowane w ułamku sekundy. Dowiedz się, jak to wszystko wygląda od podszewki!

4 minutes of reading

Sztuczna inteligencja pomaga inżynierom Formuły 1 szybciej wprowadzać innowacje. W tym procesie kluczowe jest wykorzystanie mocy obliczeniowej w chmurze, ponieważ projektowanie wydajnego pojazdu to przede wszystkim skomplikowane analizy i pełna gotowość na decyzje podejmowane w ułamku sekundy. Dowiedz się, jak to wszystko wygląda od podszewki!

Formuła 1 to nie tylko nieustanna walka pomiędzy najlepszymi kierowcami na świecie, ale także innowatorami. Pod względem technologicznym żaden inny sport nie rozwija się w tak zawrotnym tempie. Technologia w Formule 1 wpływa na dwa główne obszary:

  • Sportowy – czyli to właśnie dzięki niej kierowcy mogą pędzić 330 km/h, pokonywać PITstopy (zmiana opon) w mniej niż 2 sekundy i przejeżdżać zakręty z przeciążeniem 5G.
  • Doświadczenie kibica – Formuła 1 to prawie pół miliarda fanów na świecie. I to właśnie z uwagi na tę grupę Amazon Web Services został głównym partnerem technologicznym tej dyscypliny. Zadaniem AWS jest poprawa user expierience oraz dostarczenie usług z zakresu uczenia maszynowego.

Analiza danych i machine learning na żywo

Każdy bolid Formuły 1 wyposażony jest w około 120 różnych czujników, które generują 1,1 miliona data pointów na sekundę. Są one wysyłane bezpośrednio do inżynierów znajdujących się w boksach. Ci z kolei analizują obecne dane z tymi historycznymi sprzed nawet 70 lat. AWS przechowuje je na AWS S3. Dzięki tej technologii inżynierowie i fani mogą dowiedzieć się o przewidywanych strategiach wyścigowych czy potencjalnym wyniku zbliżającego się manewru wyprzedzania.

Przykładowe dane pobierane z bolidu prezentują się jak na poniższej grafice.

Te olbrzymie ilości danych przekazywane są zgodnie z poniższym schematem z wykorzystaniem AWS Machine Learning.

Strategia wyścigu w oparciu o dane

Poza AWS Machine Learning w Formule 1 używa się także AWS SageMaker. Służy on do 3 celów:

  1. Określenia strategii wyścigowej.
  2. Analizy rywali.
  3. Badania osiągów pojazdu.

Przyjrzyjmy się krótko każdej z nich.

Strategia wyścigowa

 W trakcie wyścigu możemy być świadkami wielu emocjonujących sytuacji na torze. Do najczęstszych należą wyprzedzanie oraz PITstopy, czyli zmiany opon. Na podstawie historycznych danych oraz aktualnego tempa kierowcy można określić, kiedy nastąpi wyprzedzanie i jak trudne będzie ono dla danego kierowcy.

Poniższa grafika przedstawia analizę właśnie tego manewru.

W strategii wyścigowej brane są pod uwagę różne możliwe scenariusze. Jednym z najczęstszych manewrów umożliwiających wyprzedzenie rywala poza torem jest tak zwane podcięcie. Polega ono na zjechaniu po świeże opony okrążenie przed rywalem i wypracowanie sobie dostatecznej przewagi na okrążeniu wyjazdowym, tak, aby wyjechać przed nim. Kluczowe są ułamki sekundy, gdyż manewr ten może zostać zrealizowany jedynie w przypadku, gdy przewaga rywala jest mniejsza niż około 2 sekundy. Dane pozwalają nam zdecydować, czy rzeczywiście dany zawodnik ma szansę wykonać takie zadanie z powodzeniem.

Grafika pokazuje przewidywaną szansę na podcięcie.

Analiza rywali

W trakcie wyścigów można analizować rywali pod każdym możliwym kątem. Możemy patrzeć na ich rozwój w trakcie sezonu czy izolować pojedynczego kierowcę w celu wyciągnięcia odpowiednich danych – np. analiza drogi hamowania, analiza przyspieszeń w zakrętach czy czasów w minisektorach.

Poniższa grafika przedstawia analizę drogi hamowania w oparciu o dane w chmurze.

Badanie osiągów pojazdu

Matematyka i fizyka kryjąca się za niektórymi grafikami jest dla laika skomplikowana, a szybka obróbka danych w chmurze pozwala uprościć te trudne procesy. Przykładowo grafika „Car Performance Scores” pokazuje, jak bolidy radzą sobie na zakrętach z dużą, średnią i niską prędkością, który jest najszybszy na prostych czy które bolidy są nadsterowne lub podsterowne.

Do określenia poszczególnych rezultatów wykorzystywane są dane telemetryczne z bolidów. Na ich podstawie określa się, ile czasu kierowca spędza w każdej z sekcji toru, do których wliczają się wolne, średnie i szybkie zakręty, a także proste. W ten sposób można ustalić zarówno osiągi kierowcy, jak i samochodu w tych sekcjach. Dla widza prezentuje się je jako prosty wynik w skali od 1 do 10.

F1 Inisghts by AWS – podsumowanie

Bez możliwości analizy danych w chmurze i rozwoju technologicznego Formuła 1 na pewno nie byłaby dziś tym samym sportem. Projekt F1 Insights by AWS daje kibicom możliwość nowego doświadczenia oraz głębszego poznania tej dyscypliny.

Obecnie zespół Amazon ML Solutions Lab we współpracy z przedstawicielami F1 prototypuje nowe modele rozwiązań, które mają jeszcze bardziej przyspieszyć rozwój wyścigów. Z kolei team ProServ pomaga wprowadzić te koncepcje w życie. W obu przypadkach możliwość podejmowania decyzji w oparciu o big data odgrywa kluczowe znaczenie.

Komentarze

0

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany.

Wypełnij to pole
Wypełnij to pole
Proszę wprowadzić prawidłowy adres e-mail.
You need to agree with the terms to proceed