LA IA AMA LOS DATOS DE LA F1

La llegada de la Inteligencia Artificial (IA) ha transformado y revolucionado todos los campos como sabemos y la F1, punta de la vanguardia de la tecnología en el deporte no podía ser menos ni quedarse atrás. A diferencia de muchos inventos de las últimas décadas, la IA no tenía manual de usuario, pero tenía muchas posibilidades, especialmente en la Fórmula 1, que comparte un rasgo importante en común con la IA: le encantan los datos, no en vano desde hace 40 años, las diferentes escuderías los han recopilado con la intención de obtener un beneficio en las mejoras de los monoplazas.

Uno de los principales beneficios de la IA se basa en qué en lugar de mantener enormes bibliotecas de estadísticas que en gran medida no se utilizan, la IA puede decirnos lo que necesitamos y sintetizarlo en conocimientos prácticos. El ahorro de tiempo es astronómico. Y no solo se ahorra tiempo al producir informes existentes, sino que también es posible obtener nuevos tipos de aprendizaje que nunca podríamos haber intentado antes de la IA. Se habrían desperdiciado tantos datos valiosos.

¿Qué es la IA y por qué se utiliza en la F1?

La IA, abreviatura de Inteligencia Artificial, aprende recibiendo datos e instrucciones, detallando qué son los datos y cómo utilizarlos. Cuanta más información consume y más instrucciones recibe, mejor realiza sus tareas.

En el equipo McLaren F1, líder en el campeonato de constructores trabajan con una empresa como es Dell Technologies, que es un catalizador de la industria para la innovación en IA, utilizando su AI Factory, un sistema de servicios, hardware, gestión de datos e integraciones de socios, que permitan poder poner en funcionamiento rápidamente todos los componentes necesarios para planificar e implementar las soluciones de AI.

Las posibilidades de la IA son prácticamente infinitas, especialmente a largo plazo, pero algunos ejemplos actuales relevantes para la Fórmula 1 incluyen organizar y categorizar datos, detectar anomalías y errores e incluso buscar imágenes. También puede ayudarnos a escribir instrucciones, correos electrónicos o cualquier otra forma de copia.

Como decíamos desde los años 80 se están recopilando datos que se remontan a la época de Ayrton Senna y Alain Prost en McLaren. A diferencia de la mayoría de los pilotos de la época, Ayrton y Alain eran grandes defensores de la recopilación de datos porque podían ver los resultados traducidos en la pista.

Pero en ese momento, había muy poco que se pudiera rastrear y todo se hacía físicamente con un cronómetro, un bolígrafo y una libreta de papel. Se Estaba principalmente limitado a la velocidad con la que un coche recorría cada sección del circuito.

Al analizar esos datos, se podía explorar dónde eran más rápidos otros autos y usarlos para determinar cómo: ya fuera en el frenado y la aceleración, las líneas de carrera que tomaban o cómo se acercaban a las curvas.

La evolución de los datos en la F1

Nuestro uso de datos se ha desarrollado y la primera gran revolución se produjo cuando estuvo disponible la transmisión inalámbrica, que permitió la transferencia de datos desde los sensores del automóvil a un centro de datos de Dell Technologies.

El segundo cambio significativo fue el ahorro de peso, ya que los sensores del coche se volvieron considerablemente más ligeros y, por tanto, afectaron menos a la velocidad.

La recopilación de datos ha aumentado desde entonces y los automóviles ahora están equipados con entre 300 y 600 sensores durante las sesiones, que transfieren datos a la fábrica de inteligencia artificial. Se añaden más durante los entrenamientos, cuando el peso no es relevante, y menos durante la clasificación y el Gran Premio, cuando se necesita ser más ágiles. Los sensores miden todo, desde la temperatura del motor y los neumáticos hasta la entrada de aire, las relaciones de transmisión y el flujo de aire sobre nuestros autos. El diferencial más significativo, sin duda, son los datos aerodinámicos.

Algunos de estos datos se utilizan en vivo durante la sesión por razones operativas o para tomar decisiones, y otros se envían al equipo de fábrica, que está trabajando en futuras carreras y actualizaciones y los utilizan para mejorar el diseño del coche y hacerlo más rápido. Los datos pueden decir cuáles son las fortalezas y debilidades del automóvil.

La flexibilidad de los datos 

Pero no es únicamente por motivos de mejora del rendimiento. Gran parte de los datos son operativos y se utilizan para monitorear y administrar el automóvil para garantizar que funcione correctamente.

"Los coches son ahora mucho más complicados que nunca", explican los expertos. “Tienen motores híbridos eléctricos, por lo que se necesita medir el voltaje y la carga de la batería, así como el combustible, la temperatura y la presión del aceite. Luego está la caja de cambios, que está controlada por computadora para cambiar de marcha más rápido que un abrir y cerrar de ojos, pero puede romperse con la misma rapidez si no se detecta un problema de inmediato. A medida que el coche se ha vuelto más complicado, nos hemos adaptado a él y recopilamos datos para gestionarlo”.

Gran parte de esos datos van directamente al equipo en el muro de boxes, a quienes verá desplazándose por pantallas de datos que monitorean el estado del automóvil.

“Si se trata de una decisión relacionada con el pit lane, es posible que solo tengas un tercio de vuelta antes de que el auto pase el pit lane, y después de eso, habrás perdido tu oportunidad, por lo que debes ser rápido. Podrías tener terabytes y terabytes para analizar, lo que podría llevar medio día o más para responder una sola pregunta sin IA.

“Pero incluso cuando se trata del equipo que está en la fábrica trabajando en el desarrollo del coche, la velocidad importa. Es posible que tengas cinco preguntas, y si te toma medio día responder cada una, eso ralentiza todo. La IA acelera todo eso, y cuanto más rápido podamos responder estas preguntas, más rápido podremos desarrollar el coche y más probabilidades tendremos de ganar campeonatos”.

El tiempo es un bien preciado en la F1, pero la IA puede garantizar que cada segundo cuente.Ya sea en la fábrica o en la pista, los equipos de F1 nunca tienen suficiente. Siempre ha sido intenso, pero en los últimos años se ha apretado más la tuerca, con sesiones de práctica más cortas, fines de semana de Sprint comprimidos, menos días de pruebas y más carreras consecutivas.

Creando mejores sims

El fin de semana de carreras estándar de F1 tiene tres sesiones de práctica de una hora repartidas entre el viernes y el sábado, tiempo durante el cual el equipo perfeccionará la configuración mecánica y electrónica del coche. La mejor manera de garantizar que el rendimiento esté optimizado es tener un buen coche para empezar. Conseguir que esta especificación básica sea correcta es un trabajo que consume mucho tiempo en la fábrica antes de la carrera.

Hay una gran cantidad de datos disponibles con los que trabajar: registros históricos, escaneos aéreos fuera de línea, carreras del simulador y pronósticos meteorológicos, por nombrar solo algunos de ellos, y eso es mucho para que el equipo asimile, pero la IA nunca podrá hacerlo. demasiados datos.

Anjum Sayed científico de datos principal de McLaren, responsable de entrenar modelos de configuración de IA explica: “Realizaremos simulaciones para ver cómo se comporta cada parte del coche, pero los distintos sistemas no funcionan de forma aislada. La generación actual de automóviles, por ejemplo, es muy sensible a la altura de manejo, pero la altura de manejo trasera se ve afectada por la altura de manejo delantera, que a su vez se ve afectada por el alerón delantero que hayamos instalado.

El rendimiento histórico y los ajustes son el punto de partida para la preparación de la carrera, pero pueden ser contradictorios y difíciles de juzgar... ¿Se pueden utilizar los coches anteriores como una buena guía? ¿Debería el equipo confiar más en los últimos años o en condiciones similares? ¿O sería mejor priorizar las carreras de esta temporada en pistas similares? Cuando las personas hacen estos juicios, hay una cantidad limitada de información que pueden integrar, pero AI Factory no tiene esas limitaciones.

La mayor parte del equipo se concentra en el propio desempeño durante un fin de semana de carrera, pero algunos tienen la tarea de comprender lo que están haciendo los competidores. A menudo desprovistos de contexto, los datos acumulados sobre los automóviles pueden ser difíciles de entender, pero la IA ayuda a convertirlos en algo un poco más útil.

Este tipo de investigación de la oposición no se trata sólo de hacer cálculos numéricos. La IA también puede ayudar con algunas de las tareas más físicas. La tarea principal de la puesta a punto no es hacer un auto que gire lo más rápido posible sino más bien hacer un auto que gire lo más competitivo posible. Parecen lo mismo, pero no lo son.

“Comprender el equilibrio entre resistencia y carga aerodinámica es un buen ejemplo. Por ejemplo, si llegamos a un circuito donde todos los demás tienen una velocidad de final de recta mucho mayor. Necesitamos determinar rápidamente qué está causando eso. ¿Corren con menos resistencia? ¿Tienen un motor mejor? ¿Están desplegando energía de otra manera? Podemos responder a la primera de esas preguntas mirando fotografías”.

Sin embargo, no toda esta investigación está destinada al consumo inmediato. “Los datos de los 20 coches se comparten entre los equipos y podemos intentar comprender qué están haciendo nuestros competidores estudiando su seguimiento GPS y evaluando dónde son más rápidos. Eso informará algunas de nuestras decisiones de configuración, pero a largo plazo también nos dirá dónde debemos centrar nuestros esfuerzos de desarrollo.

"Si vemos que un competidor puede tomar una curva de baja velocidad más rápido que nosotros, sabemos que existe una solución para mejorar nuestro desempeño en esa área y podemos encargarle a un equipo de desarrollo que la busque".

La IA que susurra los neumáticos

Por último, el valor de la IA para el equipo en pista no termina con la práctica. La gestión de neumáticos sigue siendo una de las grandes lagunas oscuras de la F1.

Hay demasiadas variables diferentes: las líneas de carrera, las temperaturas, los pilotos, los cambios de pista y las opciones de configuración modificadas pueden crear resultados tremendamente diferentes. Se recopilan datos útiles cada vez que el coche sale a la pista, pero extrapolarlos a partir del ruido de fondo es difícil, especialmente cuando esos datos se necesitan en tiempo real. Es un trabajo para expertos en neumáticos, pero incluso ellos se benefician del apoyo de un modelo de neumáticos entrenado por IA.

“Así como se puede utilizar un modelo de IA para pronosticar el tiempo, podemos usarlo para pronosticar el comportamiento de los neumáticos. Ayuda a nuestros ingenieros de carrera y estrategas a comprender si podemos esforzarnos por dar otras cinco o diez vueltas y cuándo será la ventana óptima para entrar en boxes”.

La frase clave aquí es "ayuda". Así como no puedes competir con un equipo de una sola persona, la IA no puede competir sola. La IA prospera como parte del equipo, trabajando junto a nuestros ingenieros experimentados y conocedores para tomar decisiones más rápido, basadas en mejores datos. La IA nunca se cansa ni se siente abrumada por el gran volumen de información que tiene que analizar. Juntos, con la IA, el equipo es más fuerte, juntos el equipo puede vencer la presión del tiempo.