論文の概要: Explainable Time Series Prediction of Tyre Energy in Formula One Race Strategy

• arxiv url: http://arxiv.org/abs/2501.04067v1
• Date: Tue, 07 Jan 2025 12:38:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-09 14:56:42.837762
• Title: Explainable Time Series Prediction of Tyre Energy in Formula One Race Strategy
• Title（参考訳）: フォーミュラ1レース戦略におけるタイヤエネルギーの時系列予測
• Authors: Jamie Todd, Junqi Jiang, Aaron Russo, Steffen Winkler, Stuart Sale, Joseph McMillan, Antonio Rago,
• Abstract要約: フォーミュラ1(F1)のレース戦略は、高圧で速いペースで行われる。 レース戦略の中核となる2つの決定は、いつピットストップし、どのタイヤ化合物を選ぶかである。 本研究では,メルセデス・AMGPETRONAS F1チームの歴史的なレースデータを用いて,ディープラーニングモデルを訓練した。
• 参考スコア（独自算出の注目度）: 2.6667819481058928
• License:
• Abstract: Formula One (F1) race strategy takes place in a high-pressure and fast-paced environment where split-second decisions can drastically affect race results. Two of the core decisions of race strategy are when to make pit stops (i.e. replace the cars' tyres) and which tyre compounds (hard, medium or soft, in normal conditions) to select. The optimal pit stop decisions can be determined by estimating the tyre degradation of these compounds, which in turn can be computed from the energy applied to each tyre, i.e. the tyre energy. In this work, we trained deep learning models, using the Mercedes-AMG PETRONAS F1 team's historic race data consisting of telemetry, to forecast tyre energies during races. Additionally, we fitted XGBoost, a decision tree-based machine learning algorithm, to the same dataset and compared the results, with both giving impressive performance. Furthermore, we incorporated two different explainable AI methods, namely feature importance and counterfactual explanations, to gain insights into the reasoning behind the forecasts. Our contributions thus result in an explainable, automated method which could assist F1 teams in optimising their race strategy.
• Abstract（参考訳）: フォーミュラ1(F1)レース戦略は、スプリット秒の決定がレース結果に劇的な影響を与えうる高圧で速いペースの環境で行われる。 レース戦略の中核となる2つの決定は、ピットストップ(車のタイヤを交換する)をいつ行うか、どのタイヤ(通常状態では硬い、中、柔らかい)を選ぶかである。 最適ピット停止決定は、これらの化合物のタイヤ劣化を推定することにより決定され、タイヤの各タイヤに適用されるエネルギー、すなわちタイヤエネルギーから計算される。 本研究では,Mercedes-AMG PETRONAS F1チームによるテレメトリによる歴史的レースデータを用いて,レース中のタイヤエネルギーを予測する深層学習モデルを訓練した。 さらに、決定木ベースの機械学習アルゴリズムであるXGBoostを同じデータセットに組み込んで、結果を比較しました。 さらに、予測の背後にある推論の洞察を得るために、2つの異なる説明可能なAI手法、すなわち特徴の重要性と反事実的説明を組み込んだ。 私たちのコントリビューションによって、F1チームのレース戦略の最適化を支援する、説明可能な自動化された方法が実現しました。

関連論文リスト

• Explainable Reinforcement Learning for Formula One Race Strategy [8.158206540652179]
  シミュレーションにおけるレース戦略を制御するための強化学習モデルRSRLを導入する。 RSRLはテストレースの2023年のバーレーングランプリでP5.33の平均フィニッシュポジションを達成した。 次に、一般的な研究で、1つのトラックや複数のトラックのパフォーマンスが、トレーニングによって優先されるかを実証する。
  論文  参考訳（メタデータ） (2025-01-07T13:54:19Z)
• Valeo4Cast: A Modular Approach to End-to-End Forecasting [93.86257326005726]
  我々のソリューションはArgoverse 2 end-to-end Forecasting Challengeで63.82 mAPfでランクインした。 私たちは、知覚から予測までエンドツーエンドのトレーニングを通じて、このタスクに取り組む現在のトレンドから離れ、代わりにモジュラーアプローチを使用します。 私たちは、昨年の優勝者より+17.1ポイント、今年の優勝者より+13.3ポイント、予測結果を+17.1ポイント上回る。
  論文  参考訳（メタデータ） (2024-06-12T11:50:51Z)
• DriveCoT: Integrating Chain-of-Thought Reasoning with End-to-End Driving [81.04174379726251]
  本稿では,DriveCoTというエンド・ツー・エンドの運転データセットを総合的に収集する。 センサーデータ、制御決定、および推論プロセスを示すチェーン・オブ・シークレット・ラベルが含まれている。 我々は,私たちのデータセットに基づいてトレーニングされたDriveCoT-Agentと呼ばれるベースラインモデルを提案し,連鎖予測と最終決定を生成する。
  論文  参考訳（メタデータ） (2024-03-25T17:59:01Z)
• er.autopilot 1.0: The Full Autonomous Stack for Oval Racing at High Speeds [61.91756903900903]
  インディ・オートノラティカル・チャレンジ (IAC) は、オープンホイールのレースカー上で独立して開発されたソフトウェアを使用して、前例のないスピードとヘッド・ツー・ヘッドのシナリオで競う9つの自律レースチームを集めた。 本稿では,チームTII EuroRacing (TII-ER) が使用するソフトウェアアーキテクチャについて述べる。静的障害物を避け,アクティブオーバーテイクを行い,75m/s (270 km/h) 以上の速度に達するために必要なモジュールをすべて網羅する。 総合的な結果と各モジュールのパフォーマンス、および、チームがそれぞれ2番目と3番目を置く楕円軌道上の競技の最初の2つのイベントで学んだ教訓について説明する。
  論文  参考訳（メタデータ） (2023-10-27T12:52:34Z)
• RaceLens: A Machine Intelligence-Based Application for Racing Photo Analysis [0.2443208492624608]
  RaceLensは、高度なディープラーニングとコンピュータビジョンモデルを利用して、レース写真の包括的な分析を行う新しいアプリケーションである。 モデルトレーニングに必要な堅牢なデータセット収集のプロセスについて議論し、このデータセットを継続的に拡張および改善するために設計したアプローチについて述べる。 本研究は,NASCARチームによる4シーズンにわたる展開の成功に焦点を当て,RaceLensの実践的応用の図示に重点を置いている。
  論文  参考訳（メタデータ） (2023-10-20T13:58:31Z)
• Mastering Nordschleife -- A comprehensive race simulation for AI strategy decision-making in motorsports [0.0]
  本稿では,GTレースに適した新しいシミュレーションモデルを開発する。 シミュレーションをOpenAIのGymフレームワークに統合することにより、強化学習環境を作成し、エージェントを訓練する。 本論文は,レースシミュレーションにおける強化学習の広範な適用に寄与し,FIAフォーミュラ1を超えるレース戦略最適化の可能性の解放に寄与する。
  論文  参考訳（メタデータ） (2023-06-28T10:39:31Z)
• Vehicle Dynamics Modeling for Autonomous Racing Using Gaussian Processes [0.0]
  本稿では,自動走行における車両動力学の近似におけるGPモデルの適用性について,最も詳細な解析を行った。 人気のあるF1TENTHレーシングプラットフォームのための動的および拡張キネマティックモデルを構築した。
  論文  参考訳（メタデータ） (2023-06-06T04:53:06Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• Complementing the Linear-Programming Learning Experience with the Design and Use of Computerized Games: The Formula 1 Championship Game [0.0]
  この文書は、競争の激しい状況の中で優位性を達成するために複雑な状況をモデル化することに焦点を当てている。 数学モデリングプロセスと最適化問題定式化を実行するコンピュータゲームを導入する。
  論文  参考訳（メタデータ） (2021-09-19T03:48:00Z)
• A model for traffic incident prediction using emergency braking data [77.34726150561087]
  道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。 メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
  論文  参考訳（メタデータ） (2021-02-12T18:17:12Z)
• Deep Structured Reactive Planning [94.92994828905984]
  自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。 本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
  論文  参考訳（メタデータ） (2021-01-18T01:43:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。