AI会改变Dirt Trial的车辆调校吗?——数据分析与路面适应的最前沿
每趟约两分钟,计时只有两趟。数据这么少,AI能学到什么?——DirtMan从车手的视角发问
AI已开始真正渗透进赛车运动的工程领域。遥测数据分析、单圈时间预测、轮胎衰减建模——在WRC和一级方程式中,这些早已是现实。那么,日本独有的赛事Dirt Trial又如何?路面时刻在变,只有一次性的计时冲刺,预算又十分有限——在这样特殊的环境里,AI究竟能发挥到什么程度?DirtMan结合自己的竞技经验,作出思考。
如今,数据是顶级赛车运动的核心。一辆F1赛车搭载着数百个传感器,车队在每个比赛周末都会细细研读记录下来的数据。那么,在Dirt Trial这样的运动中,人工智能会不会有一天也能帮上车辆调校的忙?作为一名Dirt Trial车手,我对这个问题充满好奇,同时也保持谨慎——因为这项运动格外难以仅凭数字来解读。
首先,数据少得惊人。在Dirt Trial中,赛车一辆接一辆地跑赛道,一趟大约两分钟,每位车手只有两趟计时机会,取较快的一趟。全日本锦标赛的基本形式通常是周六进行公开练习,周日跑两趟正式比赛。整个周末下来,每辆车也只跑寥寥几趟。机器学习要有大量数据才能发挥威力,而Dirt Trial能提供的数据少之又少。
其次是情况变化之快。全部赛车跑完一轮可能要花两到三个小时,这期间非铺装路面随着一辆辆车驶过而不断改变。今年6月在福岛县惠比寿举行的第5站,10个组别的冠军全部在第二趟跑出最好成绩,PN2的冠军第二趟快了将近九秒,从1:36.720提升到1:27.951。用第一趟数据训练出来的模型,到了第二趟很可能指错方向。何况车手所依赖的很多信息根本难以记录:走赛道时脚底感受到的地面,座椅和方向盘传来的赛车的“声音”。
但这并不意味着AI在这里毫无用处。如果用更朴素的方式,我能想到它可以帮忙的地方。把多年的调校记录、胎压、天气和成绩集中在一起,原本只存在于记忆中的规律,也许就能跨越赛季显现出来。还可以对比第一趟和第二趟的车载影像。公开的成绩表上列有两趟的时间,有的甚至列出了每辆车的轮胎品牌;从中可以更犀利地追问:对手究竟是在哪里找到了时间。这些都无法取代判断,却可以让判断更敏锐。
最终,做决定的仍然是站在起跑线上的人。走赛道时的感觉、先出发赛车的表现、留在手心的触感——凭着任何模型都没有的信息,由人来决定。真正的问题不是机器能否替我们跑完赛道,而是它能否让我们记得更牢、比得更准、察觉得更多一点。在一条从不保持原样的路面上,仅此一点,或许就能带来不同。
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

我为何选择砂石计时赛 — DirtMan
引领我走进砂石计时赛的,是全日本冠军的叔父。我本来就热爱WRC和拉力赛,一直梦想着有朝一日能在砾石路上奔驰,叔父的邀请让我第一次踏上了砂石赛道。那一天的感觉——恐惧与兴奋同时涌来的那个瞬间,成了我今天…
从转播画面到社交动态——社交媒体如何进入赛车赞助
长期以来,赛车上一块标志的价值主要看它在电视上出现了多少次。如今,社交媒体也被纳入了这笔账。公开的测量数据显示了社交媒体在顶级赛事中能带来多少附加价值;至于这能在多大程度上延伸到基层赛事,则是另一个问…
从越野计时赛到越野拉力赛——转型指南与现实的每一步
“如果打越野计时赛,应该也能在拉力赛中派上用场吧”——这个问题,相信不少车手都曾想过。越野计时赛练就的技术,确实与越野拉力赛的基础有重合之处。但越野拉力赛绝不是越野计时赛的延长线。认真考虑转型的人,应…
FOUNDING READER
This journal exists because 100 people believed in it before the world did.
Seat #001 could be yours.