忘掉速度与激情，AI赛车时代来临！

难以摆脱这样一种感觉：许多企业纷纷加入AI的炒作浪潮，更多是因为AI听起来很时髦，而非AI本身对它们的运营有实质性的帮助。因此，当通用汽车（General Motors）联系我，想要展示它们在NASCAR、跑车赛和IndyCar中使用的一些新的AI/机器学习工具时，我承认我内心有些固有的怀疑，甚至还有一丝好奇，但事实证明，这种怀疑是多余的。
通用汽车涉足许多赛车项目，但有四个顶级项目是它特别关注的。对于一家美国汽车制造商来说，首先是NASCAR——这里仍然是赛车运动的王者——雪佛兰为六支杯赛队伍提供引擎。IndyCar，曾经是美国最受欢迎的赛车赛事，现在有另外六支雪佛兰动力的队伍。还有跑车赛；目前，凯迪拉克正在参加IMSA的GTP级别和世界耐力锦标赛的Hypercar级别，加上Corvette Racing在IMSA的工厂车队。



通用汽车的赛车分析领导者Jonathan Bolenbaugh说：“在我们参加的所有系列赛中，我们要么有关键合作伙伴，要么有特定的团队驾驶我们的汽车。他们从我们这里得到的技术支持，包括我的团队的能力。”他位于北卡罗来纳州夏洛特技术中心。
与那些旨在取代人类从事创造性活动的生成性AI不同，通用汽车将AI和ML的角色视为支持人类专家，以便他们能让汽车跑得更快。它在多种应用中使用这些工具。
每个系列中的每个团队（显然）在每场比赛中都有现场人员，而且通常有更多的工程师和策略师从印第安纳波利斯、夏洛特或特定赛车队的基地帮助他们。但他们也会与通用汽车赛车团队联系，后者在夏洛特技术中心的多个指挥中心工作。

他们所说的是：

连接所有三个的是来自汽车本身的数据流（在允许车对维修区遥测的系列中），还有语音通讯、基于文本的消息、官方的计时和得分数据、赛道边的照片等。Bolenbaugh的团队和他们的工具套件能做的一件事是帮助快速理解这些数据，使其能够迅速采取行动。
“在像F1这样的系列赛中，很多团队会有学生，他们可能是团队的新成员，实际上在听收音机并打出正在发生的事情，然后说，‘嘿，这是关于进站。这是关于赛道条件，’”Bolenbaugh说。



通用汽车没有将这项工作交给实习生，而是建立了一个实时音频转录工具来完成这项工作。在试用了现成的商业解决方案后，它决定建立自己的工具，“一个开源和我们一些专有代码的结合，”Bolenbaugh说。正如任何去过赛车场的人都可以证明的那样，这是一个嘈杂的环境，所以通用汽车不得不用所有背景噪音来训练模型。
“我们已经能够真正提高工具的准确性和可用性，以至于一些手动支持这项功能现在正在减少，”他说，这样的好处是它释放了人类，否则他们将被转录，以更有用地应用他们的大脑。

看看这个：

Bolenbaugh和他的团队开发的另一个工具是为了快速分析赛道边摄影师为团队和OEM拍摄的图像。虽然他们拍摄的一些镜头可能用于市场营销或公关，但很多也是为了工程师。
两年前，从摄影师的相机到团队的照片需要两到三分钟。现在，“从NASCAR赛事的快门点击到AI标记到应用程序中，让我们从这些照片中获取信息只需要七秒钟，”Bolenbaugh说。
“时间就是一切，我们跑的最短圈速——体育馆会是例外，但可能像18秒是短圈速。所以我们需要比他们通过维修区入口到再次回来的速度更快，”他说。
在去年NASCAR赛事中推出这个特定工具时，通用汽车的一个合作伙伴团队能够避免在司机刮到墙壁后的警告性进站，当时开发该工具的年轻工程师能够向他们展示一张几秒钟前汽车右侧的照片，显示它没有受到任何损坏。
“他们不必等待观察员查看，他们不必等待司机的意见。他们知道没有损坏。那个团队在那个赛季的季后赛中以四分的优势晋级，所以如果他们进站了，他们可能就无法晋级，”他说。在汽车受损的情况下，图像分析工具可以自动标记并通过警报迅速通知。
并非所有图像都用于像那样的即时决策——工程师也可以从照片中了解很多关于他们的竞争对手的信息。
通用汽车赛车竞赛工程总监Patrick Canupp说：“我们非常感兴趣的是与汽车设置相关的几何形状——悬挂设置，翼角度……汽车的行驶高度，汽车离地面有多近——这些都是从工程角度来说很好知道的事情，这些将是我们进行图像分析的目标。”



“从一组静态图像中获取大量工程信息并不直接。所以我们正在积极研究这个问题，以帮助我们在比赛中周末收到的所有照片中获取所有信息——有数千张。所以我们有很多信息可以访问，我们想尝试最大化我们从所有这些数据中获得的工程信息。这是一个AI非常适合处理的大数据问题，”Canupp说。

计算机说我们现在应该进站

还记得之前转录的音频源吗？“如果许多车手开始在比赛中谈论类似的事情，比如赛道条件，我们可以根据……某些词的出现，推断赛道正在变化，”Bolenbaugh说。“可能不仅仅是你的车……如果车手在谈论赛道上的事情，警告的可能性，这是我们策略模型的一部分，可能会上升。”
这输入到一个策略工具中，该工具还获取计时和计分的圈速，以及在提供所有汽车的燃油效率数据的赛车系列中的数据，或者在像NASCAR和IndyCar这样的系列中进行预测模型，团队无法看到竞争对手的那种数据，以及轮胎磨损的模型。
“我们需要管理的最重要的事情是轮胎、燃油和圈速。一切都是在尽可能快速地执行比赛之间的权衡，”Bolenbaugh说。
显然，比赛是动态的情况，所以“随着场景的变化，我们每圈多次更新我们的建议。所以，随着轮胎磨损[轮胎磨损并失去抓地力]，你实时跟进，预测它将在哪里。我们在比赛期间不断发展，并进行迁移学习，以便在周末，随着比赛的展开，我们继续实时训练模型，”Bolenbaugh说。