آیا هوش مصنوعی تنظیمات خودرو در دیرت تریل را تغییر میدهد؟ — خط مقدم تحلیل داده و سازگاری با سطح مسیر
تنها دو حرکت زماندار، هر کدام حدود دو دقیقه: هوش مصنوعی از دادهای به این کمی چه میتواند بیاموزد؟ DirtMan از صندلی راننده میپرسد
هوش مصنوعی بهطور جدی وارد مهندسی ورزشهای موتوری شده است. تحلیل تلهمتری، پیشبینی زمان دور، مدلسازی فرسایش لاستیک — در WRC و فرمول 1 اینها همین حالا واقعیتاند. اما رشتهٔ بومی ژاپن، یعنی دیرت تریل، چه؟ سطح مسیری که مدام تغییر میکند، رقابت زمانی تکگذر و بودجهٔ محدود — هوش مصنوعی در این محیط خاص تا کجا میتواند کارآمد باشد؟ DirtMan از دل تجربهٔ رقابتی خودش به این پرسش میاندیشد.
امروز داده در قلب موتوراسپرت سطح اول جای دارد. یک خودروی فرمول 1 صدها حسگر با خود دارد و تیمها در هر آخر هفته مسابقه آنچه را ثبت میکنند موشکافانه بررسی میکنند. پس طبیعی است بپرسیم آیا هوش مصنوعی روزی میتواند در تنظیم خودرو در رشتهای مانند دیرت تریل هم کمک کند. بهعنوان یک راننده دیرت تریل، با کنجکاوی واقعی به این پرسش نگاه میکنم — و با احتیاط، چون این ورزش را بهطور غیرعادی سخت میتوان تنها از روی اعداد خواند.
از کمبود داده شروع کنیم. در دیرت تریل خودروها یکییکی وارد مسیر میشوند، هر حرکت حدود دو دقیقه طول میکشد و هر راننده فقط دو حرکت زماندار دارد که سریعترینش حساب میشود. در مراحل قهرمانی سراسری ژاپن معمولاً شنبه یک جلسه تمرین آزاد برگزار میشود و یکشنبه دو دور اصلی. در کل یک آخر هفته، سهم هر خودرو فقط چند حرکت است. یادگیری ماشین با حجم انبوه داده رشد میکند؛ دیرت تریل داده بسیار کمی به آن میدهد.
بعد سرعت تغییر شرایط است. وقتی همه خودروها حرکت میکنند، یک دور کامل ممکن است دو تا سه ساعت طول بکشد و سطح آسفالتنشده با عبور هر خودرو مدام تغییر میکند. در مرحله 5 در ابیسوی فوکوشیما در ژوئن امسال، هر 10 برنده کلاسها بهترین زمانشان را در حرکت دوم ثبت کردند و برنده PN2 در بار دوم نزدیک به نه ثانیه سریعتر بود و از 1:36.720 به 1:27.951 رسید. مدلی که با حرکت اول آموزش دیده، ممکن است بهراحتی برای حرکت دوم مسیر اشتباه را نشان دهد. و بسیاری از آنچه راننده به آن تکیه میکند اصلاً بهسختی ثبت میشود: حسی که زمین هنگام پیاده پیمودن مسیر زیر پا داشت، یا آنچه خودرو از راه صندلی و فرمان میگوید.
با این حال، این به معنای بیفایده بودن هوش مصنوعی در اینجا نیست. میتوانم تصور کنم که به شکلهای فروتنانهتری کمک کند. جمع کردن سالها برگه تنظیمات، فشار لاستیک، وضعیت هوا و نتایج در یک جا، تا الگوها در طول فصلها نمایان شوند، نه اینکه فقط در حافظه بمانند. مقایسه ویدیوی داخل خودرو در یک حرکت با حرکت بعدی. گردآوری نتایج منتشرشده — برگههایی که زمان هر دو دور را از قبل دارند و گاهی حتی برند لاستیک هر خودرو را — و طرح پرسشهای دقیقتر درباره اینکه رقیب کجا زمان به دست آورده است. هیچکدام از اینها جای قضاوت را نمیگیرد، اما میتواند آن را تیزتر کند.
در نهایت، تصمیم همچنان پشت خط شروع گرفته میشود؛ به دست یک انسان و با اطلاعاتی که هیچ مدلی ندارد: پیمودن پیاده مسیر، خودروهایی که پیشتر رفتهاند، حسی که در دستها مانده است. پرسش واقعی این نیست که آیا ماشینی میتواند به جای ما مسیر را براند. پرسش این است که آیا میتواند کمک کند کمی بهتر به یاد بسپاریم، مقایسه کنیم و متوجه شویم — و روی سطحی که هرگز یکسان نمیماند، همین بهتنهایی میتواند تفاوت بسازد.
This column space is a paid placement for sponsor companies. Exposure across all World Stage Journal articles, distributed in 23 languages worldwide.
Inquire About Placement →Share this article
Comments
0Related Articles

چرا درتترایال را انتخاب کردم — DirtMan
عمویم — قهرمان سراسری ژاپن در درتترایال — کسی بود که مرا به این رشته ورزشی آورد. من همیشه عاشق WRC …
از قاب تلویزیون تا فید شبکههای اجتماعی — شبکههای اجتماعی چگونه وارد حمایت مالی موتوراسپرت شدند
مدتها ارزش یک لوگو روی خودروی مسابقه بیشتر با شمار دفعاتی سنجیده میشد که در تلویزیون دیده میشد. ا…
از رالی خاکی تا رالی کراسکانتری — راهنمای انتقال و گامهای واقعی موردنیاز
"اگر در رالی خاکی رقابت کنم، مطمئناً به رالی هم منتقل میشود" — این پرسشی است که بسیاری از رانندگان …
FOUNDING READER
This journal exists because 100 people believed in it before the world did.
Seat #001 could be yours.