Home / curiosità / Senna il più veloce nella storia della Formula 1 lo definisce il Machine Learning di AWS Il progetto “Fastest Driver” di Rob Smedley

Senna il più veloce nella storia della Formula 1 lo definisce il Machine Learning di AWS Il progetto “Fastest Driver” di Rob Smedley

In che modo AWS e la Formula 1 hanno utilizzato ML per trovare il pilota più veloce nella storia di questo sport

Le startup indiane sfruttano AI, IoT e AR / VR per la sfida dell’innovazione nella produzione pubblica
“F1 e Amazon Machine Learning Solutions Lab hanno impiegato un anno intero per creare l’algoritmo che ha portato al driver più veloce”.

La Formula 1 ha collaborato con Amazon Web Services (AWS) per classificare i propri piloti. Dopo un anno di lavori pesanti algoritmici, i risultati sono ora disponibili. In testa è uscito Ayrton Senna, il tre volte iridato brasiliano, seguito dal sette volte iridato Michael Schumacher con un differenziale di tempo di +0.114 secondi. Mentre l’attuale campione del mondo Lewis Hamilton si è classificato al 3 ° posto con un tempo relativo di +0,275 secondi.

La F1 è uno sport brutale. Il margine di errore in alto è quasi inesistente. Quindi, come e perché l’apprendimento automatico è stato sfruttato dagli analisti di F1?

Senna o Schumacher? Come lo sappiamo


Il progetto ” Fastest Driver” era diretto dal direttore dei sistemi di dati di Formula 1 Rob Smedley e dalla dottoressa Priya Ponnapalli, scienziata principale di Amazon ML Solutions Lab. Per mantenere le classifiche corrette, il team ha trovato il modo per mantenere il modello immune da valori anomali come incidenti, guasti alle auto e condizioni meteorologiche mutevoli.

I dati consistevano in schede attività di ogni sessione di qualifica dal 1983. I valori anomali sono stati eliminati ei dati sono stati normalizzati per creare una complessa rete di prestazioni dei piloti rispetto ai loro compagni di squadra.

Questi compagni di squadra, ha scritto il team di F1, da tenere in considerazione, dovrebbero aver completato almeno cinque sessioni di qualificazione l’uno contro l’altro. Sono stati considerati anche attributi come l’età insieme alle rimonte di pochi piloti dopo una pausa. I piloti che hanno dominato i loro compagni di squadra o hanno fatto bene contro giocatori forti hanno ricevuto un punteggio più alto.


Sebbene questi risultati non siano andati bene con i fan di F1 nei forum popolari , il direttore dei sistemi dati di F1 Smedley è certo dei metodi che hanno incorporato nella generazione delle classifiche.

“La velocità in qualifica è qualcosa su cui possiamo essere molto chiari”, ha detto Smedley. ” Il direttore dei sistemi di dati ha toccato le varie sfumature della modellazione e come non vi siano ambiguità riguardo ai punti di dati che hanno considerato. Ad esempio, un giro di qualifica è un giro singolo, in cui ci sono due piloti sulla stessa macchina che fanno un solo giro. Il pilota che fa meglio finirà con il giro migliore. “Non c’è molta ambiguità su quel singolo punto dati”, ha aggiunto Smedley.

C’è molto di più nella collaborazione tra AWS e F1


L’improbabile collaborazione tra F1 e AWS è venuta alla luce lo scorso anno , con il lancio di “F1 Insights powered by AWS “, una serie di grafici che istruiscono gli spettatori con l’analisi dei dati.


Secondo il team dietro questa iniziativa, queste grafiche hanno fornito intuizioni chiave e invisibili sul funzionamento interno della Formula 1 e le hanno rese pubbliche per la prima volta.

Queste ultime grafiche di F1 Insights tengono conto delle prestazioni in curva, delle prestazioni in rettilineo e del bilanciamento o della maneggevolezza dell’auto – gli aspetti chiave che i team lavorano per migliorare – e li mostrano al pubblico con immagini fantastiche. Quindi, questi algoritmi di apprendimento automatico basati su cloud non solo aiutano gli analisti nella fossa, ma offrono anche un’esperienza arricchita a chi guarda a casa.

I fan capiscono i dettagli microscopici che entrano in gioco a velocità vertiginose. La grafica utilizza la telemetria dell’auto, i dati di temporizzazione e tutti gli altri feed di input dei dati per dimostrare agli spettatori il lavoro interno del team. I dati storici vengono inviati ai complessi algoritmi di machine learning di Amazon SageMaker e le strategie di gara e i risultati vengono previsti con crescente precisione. Questi modelli sono stati utilizzati anche per prevedere scenari futuri utilizzando dati aggiornati in tempo reale mentre si svolgono le gare del Gran Premio.

“Poiché i conducenti sono il più delle volte la risorsa più costosa del team, è importante che il processo di selezione sia il più robusto possibile”, ha affermato Smedley.

Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi