作者:Mat Oxley
每当我写一个摩托车大奖赛科技故事 我完全意识到我只是触及了表面,因为维修站工程师越来越将他们最大的秘密藏在心里。这可能也不错,尤其是在 MotoGP 的计算方面,因为要理解这些东西,你确实需要电子工程博士学位。
最近我写了关于使用动作字幕技术的 Aprilia 的博客精确记录骑手在 RS-GP 机器上所做的每一个动作,因为这是自行车比赛中最未经探索的领域,也是最未知的领域。
Aprilia 系统采用了电影行业中使用的技术:演员穿着装满传感器的套装,他们的动作被拍摄下来,然后是另一个人或生物——咕噜指环王,例如 – 上传以记录演员的动作。
– 传统技术无法记录骑手的动作 –
骑手的位置和输入是摩托车比赛最后一个谜题,这是一个至关重要的领域,因为骑手如何在摩托车上移动以及他们在车把和脚踏上施加什么样的负载几乎是自行车比赛中最重要的因素,尤其是在MotoGP级别的比赛中,车手们在每个弯道上都在通过细微地调整身体位置来寻找千分之一秒的时间。
只有工程师掌握了这些信息,他们才能充分了解摩托车比赛的动态,因此这对于这项运动来说是一个巨大的飞跃。
杜卡迪至少五年来,这家工厂一直在这一领域开展自己的工作,这也是该工厂占据主导地位的原因之一,例如,在周六的泰国大奖赛冲刺赛中,其 Desmosedicis 占据了前八名。杜卡迪工程师从不谈论他的工作,但其母公司大众汽车却更加开放
克里斯托夫·维特 (Christoph Witte) 的采访Sigs Datacom 的大众数据实验室科学家 Marc Hilbert 和 Yury Dzerin 向我们详细介绍了大众如何帮助杜卡迪解决人机交互之谜,使 Desmosedici 及其骑手比现在更快。
这并不是杜卡迪 MotoGP 项目成为大众汽车家族的一部分而受益的唯一方式,该家族还包括宾利、保时捷、兰博基尼和直接负责杜卡迪的奥迪。
Desmosedici 的两项最重要的技术开发 — 调谐质量阻尼器(可消除颤动)和行驶高度装置(可提高加速度和最高速度) —由物理学家 Robin Tuluie 开发他从宾利借调到杜卡迪,担任车辆技术总监,负责大众集团的模拟策略和数字孪生技术,制作汽车、摩托车和其他任何东西的虚拟复制品。
大众汽车数据实验室位于慕尼黑,拥有约 80 名人工智能 (AI)、机器学习 (ML) 和数据分析领域的专家。人工智能和机器学习在摩托车和赛车中非常重要,因为它们利用大数据和现代计算的强大力量来帮助工程师更快地做出更好的决策。
“杜卡迪向我们提出了一项他们无法用传统方法解决的任务,”希尔伯特告诉维特。– 目的是使骑手在摩托车上的运动可测量,并用它来模拟比赛 – 并根据模拟对摩托车进行最佳调整以适应赛道和骑手行为。
– 骑手的动作不是线性的,而是非常个性化的,驾驶员 A 的动作与驾驶员 B 的动作不同。传统的测量技术无法记录这些动作。这就是为什么我们被问到这个问题是否可以通过人工智能来解决。”
此分析的数据来自安装在所有最快 Desmosedicis 上的前向座椅摄像头。Dorna 将这些摄像机安装在大多数 MotoGP 自行车上,但杜卡迪摄像机具有超高清晰度,因此它们可以以极佳的清晰度拍摄骑手的每一个动作。
这些视频被逐帧输入高性能计算机,由深度学习算法进行处理和分析。
这都是 MotoGP 人工智能及其子集高科技革命的一部分:机器学习、深度学习和几何深度学习。
这些奇怪的东西有什么作用呢?为什么现在呢?他们比人类处理数字、思考得更好、更快、更有独创性。由于技术的发展,这种情况现在才真正发生,这些发展使得所需的大量数据能够以令人难以置信的速度被捕获、分析和采取行动。
毫不奇怪,杜卡迪在所有这些技术上都处于领先地位,利用大众的大量资源,并与工厂团队赞助商联想电脑密切合作。这些技术至关重要,特别是因为 MotoGP 技术变得越来越复杂,而测试时间越来越少,冲刺赛制也减少了练习时间,因此在下一次练习赛前的几个小时内找到解决问题的方法或者种族比以往任何时候都更加重要。
深度学习(用于充分利用杜卡迪座椅摄像头的镜头)是一种人工智能方法,可教会计算机以受人脑启发的方式处理数据。它使用所谓的数字神经元和突触神经网络,从经验中学习并从复杂且看似不相关的数据集中找到答案。换句话说,它可以比人脑聪明很多很多倍。
杜卡迪的座椅摄像头算法可快速计算出骑手在赛道上每个点的位置(躯干、手臂和腿),并根据该信息计算出骑手的中心位置。重力,使工程师能够在机器平衡、电子、轮胎选择等方面做出更好的决策。它还允许杜卡迪车手与其他 Desmosedici 车手相比,准确分析他们在自行车上的位置,以便他们可以改进他们的骑行技术。
这对日常公路骑行者有好处吗?大众和杜卡迪表示可以,因为它将进一步完善越来越多的公路骑手可以使用的电子设置范围。