近幾個賽季Ducati之所以能蒐集比對手多一倍的數據，是因為他們場上的賽車比別人多兩倍，這讓他們擁有極大的優勢。不只是傳統的數據分析，工程師看著電腦螢幕上令人眼花撩亂的線條找尋更好的設定。而是他們能將龐大的遙測數據輸入人工智慧與機器學習系統，找出人類根本想不到的解法。
Ducati MotoGP負責人Gigi Dall'Igna表示：「近年來 AI 的進步非常迅速。以前我們也做過類似的事，但效果不佳，因為需要先建立龐大的資料庫。現在，AI 是讓我們取得好成績的關鍵。」
在所有賽車運動中，最重要的因素就是抓地力。因為最終決定你一圈可以跑多快，就是輪胎的抓地力。因此在比賽週末中，數據分析最重要的用途就是輪胎分析。尤其現在MotoGP的競爭非常激烈，前十名的時間差常常在20秒以內，輪胎選擇與管理變得至關重要。
AI 能分析MotoGP賽車所產生的龐大數據量，否則需要幾千名工程師花幾千小時才能分析完。AI 會聚焦在重要的數據並忽略其他部分，大大加快分析與運算效率。
工程師們依據這些資料來選擇正確的輪胎，更重要的是，告訴車手如何使用這些輪胎，細節精細到難以想像。
例如，數據分析結果可能告訴工程師：某個賽道區段會讓前輪溫度過高，他們就會要求車手盡可能減少該區段的輪胎負擔。又或者，他們可能知道輪胎在比賽跑完幾圈之後，在某些區域，輪胎的某一處會開始退化，於是提前提醒車手，調整騎乘方式來做應對。
這類高階分析最早是從F1開始的，畢竟F1是賽車界中最富有、最先進的領域。
英國汽車模擬大廠ESI的Mike Russell表示：「在F1，輪胎性能幾乎是他們唯一關注的問題。其他一切都是為了讓輪胎保持在理想的溫度範圍所做的妥協。
首先是你要如何讓輪胎保持在最佳溫度範圍？其餘的設定：幾何、避震、車架剛性等，都是為了讓輪胎能達到理想負載。」
F1工程師會對車手說：「『請晚三公尺轉進七號彎』，可能只是為了讓輪胎多撐三四圈。雖然這可能讓你在那個彎慢了0.001 秒，但對輪胎壽命的幫助更大。」
如果你覺得這一切太過高科技，不好意思，這就是現實。這是製造商最想投入的領域，因為這裡孕育最大的技術突破，無論在賽車部門還是市售車開發部門。
 |
| Takahiro Sumi stand in center |
Yamaha MotoGP計畫負責人、Yamaha Motor Racing總裁Takahiro Sumi（鷲見崇宏）表示：「我們也把MotoGP用的電腦模型拿來開發所有 Yamaha機車的先進電腦模擬系統。」
好處就是，摩托車比汽車還複雜，因為它更加地多樣化，而且車手本身也是整個車輛動態的一部分。這跟坐在車內的汽車駕駛不同，因此MotoGP仍比F1更有人性。
鷲見崇宏：「是的，摩托車賽仍與人高度相關。這讓我們很難得到明確答案，所以我們在模擬上還達不到F1的水準。這也是為什麼摩托車的動態模擬可能永遠都無法到達完美！」
這也解釋了為什麼MotoGP車手能做出的差異遠大於F1車手。這就是為何到目前為止Marc Marquez的積分幾乎是隊友Pecco Bagnaia的兩倍。
Marc Marquez已經連續贏下十場比賽：五場衝刺賽、五場正賽，他毫無疑問是目前場上最強的車手。他不只是快、更是聰明。
Marc在週日賽後表示，比賽跑完四分之三的距離，當Bezzecchi再次發動攻勢時，他只需每圈快上0.3至0.4 秒，就能穩住局勢！這顯示他對比賽的完全掌控。不只是圈速，他也能在各種情況下提升表現，總是領先對手一步。
舉例來說，看看Marc Marquez與Pecco Bagnaia在週六衝刺賽中接收到前輪胎壓警告時的反應差異。
Bagnaia是第一位在儀表板上收到「前輪胎壓過低」警示的車手，他必須讓一位對手超車並跟在後面，以提高前輪溫度與壓力。下一圈，Marc 也收到了相同的警示。
Bagnaia選擇在進入五號彎煞車區的下坡讓Pedro Acosta超車；而Marc則在七號彎的出彎加速區等待Acosta接近。
兩者的差距很大。Bagnaia讓Pedro Acosta超越後被拉開了至少十公尺的距離；反觀當Marc讓Acosta超過他時早已開始加速，與對手保持了僅一至兩公尺的距離。這不僅讓他的前輪更快升溫，也讓他守住了位置，而Bagnaia則立即被Enea Bastianini和Fabio Quartararo超越。
Marc一直以來都能比其他車手更好地應對突發狀況，因為他保持冷靜，思維清晰。想想他在2010年Estoril和2012年Motegi的逆轉，這些場景足以讓絕大多數車手傷透腦筋。
Sources:
沒有留言:
張貼留言