Siga-nos

Conta-giro

A tecnologia por trás dos gráficos da F1

Desde 2018, a categoria tem usado computação em nuvem e machine learning para melhorar a qualidade das informações mostradas ao espectador durante as transmissões das corridas

O cronômetro sempre foi o companheiro número 1 do esporte a motor. O tempo de volta, o tempo de pit-stop, a diferença de tempo entre dois carros… Com a evolução das transmissões esportivas, o tempo foi ganhando novas roupagens para ser mostrado ao espectador. Ainda assim, bastava apenas um relógio.

Mas isso mudou.

Nos últimos anos, em um movimento que ficou ainda mais forte com a chegada do Liberty Media, a Fórmula 1 ampliou os gráficos e dados disponíveis para o espectador. Essa trajetória ganhou um novo capítulo no ano passado, quando a Amazon Web Services, plataforma de serviços de computação em nuvem da gigante da tecnologia e do e-commerce Amazon, se tornou parceira da Fórmula 1.

Tudo isso usando os dados dos próprios carros para melhor informar os fãs. Calma, vamos te explicar como isso acontece. 

(Alexander Albon (Foto: Red Bull Content Pool/Getty Images))

Os dados já fazem parte do dia a dia das equipes (Reprodução/Twitter/@F1)
Para começar, é preciso entender o quanto a F1 evoluiu no século 21. A telemetria está, hoje, quase em estado de arte. Com sensores espalhados nas mais diversas partes do carro, é medida não só a velocidade e as rotações do motor, mas também a pressão do óleo, dos pneus, a pressão hidráulica, o consumo de combustível, o ângulo do volante, a força G, o armazenamento do sistema de recuperação de energia e muito mais. Há, ainda, sensores no circuito, indicando as posições dos bólidos, o clima e, claro, a cronometria. 

Tudo isso em tempo real. No momento no qual os pilotos estão na pista disputando cada freada, as equipes estão processando esses dados e procurando entender qual é a melhor estratégia.

Quer um exemplo prático? Hannah Schmitz, engenheira-estrategista chefe da Red Bull, faz análises desses dados em tempo real, usando algoritmos e até conhecimentos em linguagens de programação como c++ e c# para indicar o melhor caminho. Foi ela quem decidiu que Max Verstappen deveria fazer o pit stop durante o primeiro safety-car no último GP do Brasil, analisando que, na pista, o holandês poderia usar os pneus novos para superar a Mercedes de Lewis Hamilton e vencer a corrida.

Sim, foi Hannah que subiu ao pódio de Interlagos para receber o troféu pela equipe construtora vitoriosa do domingo.

(Divulgação/Red Bull Content Pool)

Hannah Schmitz: a engenheira responsável pela estratégia certeira da Red Bull no GP do Brasil

“Eu gosto de pensar que a F1 é um esporte predatório entre os pilotos, e uma guerra virtual entre os engenheiros para produzir o melhor carro. É uma disputa em equipe, na qual um lado não pode vencer sem o outro”, explicou Ross Brawn, atual diretor-esportivo da F1, durante AWS re:Invent 2018, quando detalhou a parceria entre a categoria e a empresa de Seattle.

“Nós somos o esporte mais rico de informações do mundo, e dados são o combustível do nosso desempenho. Cada carro possui mais de 120 sensores, produzindo milhares de fluxos de informação, com mais de 1 milhão de pontos de informação por segundo – transmitidos entre o carro e os boxes durante a corrida”, contou Brawn, que foi chefe de equipe na Mercedes, Honda e, claro, na Brawn GP, além de ter sido o diretor-técnico da Ferrari nos anos de Michael Schumacher. 

Se no caso das equipes os dados servem para que carros e pilotos possam ir mais rápido, para a F1 a ideia é usá-los para melhorar a experiência do espectador, ajudando a entender justamente esses meandros de estratégia que não ficam claros para quem apenas vê a disputa pela televisão. “Queremos dar aos nossos fãs um entendimento maior do que está acontecendo na pista. E usando Amazon SageMarker, podemos criar modelos que nos ajudem a entender como um carro está sendo pilotado. O piloto está atacando, ou está conservando o equipamento? Então treinamos modelos de machine learning para lidar com esse grande volume de dados que temos na F1. E estamos usando esses modelos para prever o que irá acontecer na corrida. Nós chamamos isso de 'F1 Insights'”. 

O SageMaker é plataforma na nuvem da AWS responsável pelo chamado machine learning – ou, em português, algo como “aprendizado de máquina”. Basicamente, trata-se do reconhecimento de padrões usando inteligência artificial, aprendendo a partir deles e, dessa forma, resolvendo problemas ou fazendo previsões. A parte da nuvem é que você não precisa ter um computador ultra-avançado para fazer a gestão rápida desses dados: os recursos são disponibilizados sob demanda de servidores que não estão fisicamente com você, mas sim em data centers que podem estar até em outro país. Além da economia, você pode demandar maior capacidade de processamento a qualquer momento.

Explicar a disputa pela posição é um dos focos dos novos gráficos da F1 (AFP)

Até agora, o ápice dessa iniciativa é o Battle Forecast, lançado no GP da Alemanha de 2019. O gráfico é criado a partir do processamento dos dados de telemetria na nuvem e mostra, novamente em tempo real, uma previsão do que irá acontecer a seguir no embate entre dois pilotos. Em quantas voltas o adversário que está atrás alcançará o piloto à frente, entrando na distância que permite usar a asa móvel? E qual será a dificuldade para a ultrapassagem? Tudo isso levando em conta, entre outras informações, o tempo de volta, desempenho em cada setor, posição na pista, composto e estados dos pneus e pressão aerodinâmica dos carros envolvidos.

Outro gráfico, chamado Pit Strategy Battle, traz a chance de ultrapassagem durante o pit-stop, principalmente entre pilotos que param em momentos diferentes no GP. Isso é vital para entender as chamadas estratégias de undercut (quando um piloto vai ao pit antes e acelera tudo nas primeiras voltas após a parada, com pneus novos e 'ultrapassa' o adversário) e overcut (que é justamente a resposta, quando se acelera tudo com pneus velhos, antes da parada, para evitar a ultrapassagem de quem foi ao box antes). “O legal disso é que os times não tem todos esses dados. Nós da F1 temos os dados de dois carros e podemos fazer esse comparativo – o que nunca foi feito antes”, ressaltou Brawn. 

“Nós pegamos todos os dados e damos aos fãs uma perspectiva da razão pela qual pararam, e quando pararam, se o time e o piloto fizeram a escolha certa. A caixa de informações que fica na parte de baixo [da tela] dá aos fãs uma perspectiva do que está acontecendo, construída usando machine learning”. 

Saber a velocidade de um carro na curva é um dado relevante para entender a disputa na pista

Um terceiro gráfico é o Exit Speed, que compara entre dois carros que disputam posição a velocidade de saída de uma curva. Isso é vital na F1 atual, já que há muita pressão aerodinâmica e ser rápido ao fazer uma tangência pode significar uma aproximação maior para conseguir a ultrapassagem na reta (ou curva) seguinte.  

No entanto, o que tem causado mais polêmica nas transmissões brasileiras é o gráfico que mostra o consumo de pneus, já que é mais difícil acompanhar a olho nu se os dados correspondem ou não à realidade. De qualquer forma, é bom ressaltar que, por mais que os dados sejam extraídos de sensores nos pneus, nenhum número substituí a percepção do piloto ao volante – o que revela não só a importância deles, mas também do acesso às conversas de rádio durante as transmissões, que ajudam a compor o cenário geral do GP.

Isso tudo é apenas a ponta do iceberg. Além de prometer novos gráficos para o futuro – incluindo aí informações das condições do carro – Brawn também revelou que a parceria com a AWS está tendo impacto direto no regulamento da categoria para 2021. Afinal, os dados da telemetria analisados com machine learning foram o ponto de partida para entender a turbulência que acontece, durante as perseguições, no carro de trás – o que teve impacto na aerodinâmica do novo regulamento. 

Os dados também estão sendo usados para melhorar autódromos e as corridas em si. 

Pois é, em um esporte onde a tecnologia sempre fez a diferença dentro das pistas, até que demorou para começar a ser usada para melhorar a experiência fora dela. Que seja apenas o começo. 

Leia também

– Os segredos dos motores híbridos da F1

– A escolinha do professor Helmut Marko

– Ford, Ferrari e os últimos românticos

O projeto da F1 para 2021

 

© 1995 - 2020 - GrandePremio.com.br - Todos os direitos Reservados.

Connect