AWS が FORMULA 1 AWS GRAND PRIX DU CANADA 2024 に生成 AI をもたらす
Amazon Web Services (AWS) は、FORMULA 1 AWS GRAND PRIX DU CANADA において、生成 AI に着想を得た史上初のトロフィーを発表しました。AWS は Amazon Bedrock を利用して、トロフィーのコンセプトを何百も作成しました。チームが FORMULA 1 AWS GRAND PRIX DU CANADA 2024 に向けて世界初の実験と設計を行った方法をご覧ください。
生成 AI を利用したレースの新時代
AWS は Formula 1 のイノベーションを推進します。a機械学習と AI が 1 秒あたり 110 万を超えるデータポイントを分析して F1 に関するインサイトを生成するこのテクノロジーにより、何百万人ものファンがレースのアクションをより身近に感じて熱狂できるようにします。
AWS を活用した F1 Insights | Alternative Strategy
AWS が提供する F1 インサイトである Alternative Strategy は、ドライバーやチームの決定がレースにどのように影響したかについて、ファンや放送局に別の見方を提供する新しいグラフィックです。つまり、異なる戦略的決定を下した場合にレースがどのように展開したかを分析します。すべての決定が重要であり、どれほど少ない情報でも、重要な瞬間にチームが適切な判断を下すのに役立ちます。
F1 Insights - ハイブリッドエネルギーシステム
AWS が提供する F1 インサイトであるハイブリッドエネルギーシステムは、ドライバーがどのように電気エネルギーを使って車から最大限の効果を引き出すかを識別します。この図は、前のラップで使用されたエネルギーに基づいて、3 つの異なるドライバー行動 (ニュートラル、リチャージ、デプロイ) を示しています。これはすべて、AWS クラウドの計算能力を使用してエネルギー収支方程式を解くことで達成されます。Insight は、コックピット内で行われている重要な戦略的決定を視聴者が理解するのに役立ちます。
Formula 1 のリモートオペレーションとプロダクションの活用方法
Formula 1 はイノベーションを推進し、より効率的な新しい運営方法の開発を目指しています。Formula 1 のクラウドアーキテクト兼クラウド & DevOps チームマネージャーである Ryan Kirk が、彼のチームがクラウドテクノロジーを活用して既存の運用、システム、ワークフローを改善したり、運用を実現するための新しい方法を導入したりする方法を語ります。
Formula 1 が AWS でクラウド変革を始めた経緯
AWS の主任スポーツパートナーシップマネージャーである Neil Ralph が、組織のクラウド変革の旗振り役だった F1 の IT 担当ディレクター、Chris Roberts 氏との対談の中で、5 年間の Formula 1 での仕事について振り返ります。
AWS がサポートする
F1 Insigh: Close to the Wall
Close to the Wall では、F1 マシンがチャンピオンシップの最もエキサイティングなコーナーでどれだけ壁に近づいているかというユニークな視点を、ファンや放送局に提供するものです。F1 は、特別なカメラとディープニューラルネットワークとコンピュータービジョンアルゴリズムの融合を用いて、F1 マシンの最も近い部分 (通常はタイヤ) の壁からの距離を計算します。これは、フレーム取得、車両の動き検知、軌跡推定、およびアルゴリズムの出力という 4 段階のプロセスを使用して行われます。
F1 が AWS を選んだ理由
イノベーションを加速させ、組織を将来へと駆り立てるテクノロジープロバイダーが必要だったので、AWS をパートナーにするのは明確な選択でした。AWS およびその革新的なクラウドテクノロジーの幅広さと深さを活用することで、ファンをトラック上での瞬間的な意思決定により近づけること、将来の F1 マシンを再設計し、豊富な F1 のデータをさらに理解することが可能になりました。また、分析および機械学習を行い、データの機能を活用することなども可能です。私たちは、今まで達成したことについて嬉しく思っており、さらなることに協力して取り組めるのを楽しみにしています。
- Ross Brawn、 F1、Motor Sports のマネージングディレクター
イノベーションを加速させ、組織を将来へと駆り立てるテクノロジープロバイダーが必要だったので、AWS をパートナーにするのは明確な選択でした。AWS およびその革新的なクラウドテクノロジーの幅広さと深さを活用することで、ファンをトラック上での瞬間的な意思決定により近づけること、将来の F1 マシンを再設計し、豊富な F1 のデータをさらに理解することが可能になりました。また、分析および機械学習を行い、データの機能を活用することなども可能です。私たちは、今まで達成したことについて嬉しく思っており、さらなることに協力して取り組めるのを楽しみにしています。
- Ross Brawn、F1、Motor Sports のマネージングディレクター
ドライバーは 230 mph という速度で 2 秒以内のピットストップを行いながら、5G の力でコーナーを飛び回ります。そのためフォーミュラ 1 (F1) では、その速度と同じくらいの速さのテクノロジープロバイダーが必要です。F1 は、世界最高のドライバー同士で繰り広げるバトルですが、世界で最も革新的なエンジニアのバトルでもあります。AWS を使用することで、F1 は機械学習 (ML) モデル、ハイパフォーマンスコンピューティング (HPC) などの革新的なテクノロジーを利用して、スポーツをデジタルに変換できます。
仕組みは次のとおりです。
スポーツの変革
AWS の最も広範で層の厚い機能および比類のないイノベーションのペースにより、F1 における意思決定ためのデータおよびコンテンツの収集、分析、活用方法が変化しつつあります。F1 の各レースカーには 300 個のセンサーが搭載されており、マシンからピットに送信されるデータポイントが 1 秒あたり 110 万個生成されます。このように、F1 は実にデータに基づいたスポーツです。
アクションの増加
トラックで
F1 および AWS はデータを使用して、車両とドライバー両方のパフォーマンスを向上させています。AWS ハイパフォーマンスコンピューティングを使用することで、F1 は空気抵抗のシュミレーションを実行し、次世代の F1 車の速度を以前より 70% 向上させ、ダウンフォース損失を 50% から 15% まで削減した車を作り出しています。この劇的な削減により、後を追うドライバーが追い越す可能性が高くなり、さらなるホイールツーホイールアクションをファンに提供できます。この次世代の F1 車は 2022 年のシーズンに導入されます。F1 はまた、シュミレーションのプロセスに機械学習の使用も導入しようとしています。これにより、5,000 以上の単独または複数のマシンのシュミレーションを通して収集される 5 億 5,000 万以上のデータポイントに対する新しいインサイトを提供します。
ファンを取り込み
喜ばせる
ファン体験はレースウィークエンド中に変化しています。AWS を使用すると、F1 はマシンおよびトラックサイドから配信される数百万ものデータポイントを F1 Insights を通じてファンを魅了するエクスペリエンスに変えることができます。F1 は Amazon S3 に保存されている 70 年分にものぼるレースの履歴データを使用しています。データは複雑なモデルで分析され、瞬時の意思決定における微妙な差異を明らかにするとともに、高度な統計を使用したパフォーマンスを強調する充実したデータインサイトとしてファンに公開されます。
スポーツのための生成 AI
生成 AI は、効率性を高め、ファンのエンゲージメントを強化することで、スポーツ業界の革新を支えています。AWS が最先端のテクノロジーを活用して、リーグ、チーム、メディアとエンターテインメントをどのようにサポートしているのかをご覧ください。
ファンとのエンゲージメント
AWS による F1 Insghts は各レース前、レース時、およびレース後のファン体験を変革します。異なるデータポイントを利用して各インサイトの情報を通知することで、F1 のファンはドライバーがどのように瞬間的な意思決定を行ったか、チームがどのようにレースの戦略を考案し実施しているかなど、レースの結果に影響する事項をリアルタイムで把握できます。どのように機能するのか、ここにいくつかの例を示します。
下記をクリックして拡大
F1 はタイミングデータを使用して、レース全体の結果に影響を与える個々のチームとドライバーのパフォーマンス、戦略、戦術をファンが客観的に分析できる可視的なインサイトを作成できます。
-
バトル予想
周回の履歴と予測されるドライバーのペースを使用して、バトル予想は、前走車が後続車の「射程距離」内となるまでに要するラップ数を予測します。
-
ピット戦略バトル
ピット戦略バトルのグラフィックは、リアルタイムで各ドライバーの戦略がどの程度成功するかの評価方法に関する追加のインサイトをファンに提供します。ファンは、微妙な戦略の変更を追跡し、最終的な結果への影響を確認できます。
-
ピットウィンドウ
タイヤコンパウンド、ラップタイム、車の分散の状況に基づいて、ピットストップウィンドウが推定されます。視聴者は、他のチームのレーシング戦略、セーフティカー、イエローフラッグを含むレースのダイナミクスに基づいて、レースがどのように変わり得るかを確認します。
-
予測されるピットストップ戦略
過去のデータがフォーメーションラップ中のレース戦略を計算するために使用され、予測されるタイヤとレースの戦略を比較します。このインサイトによって、視聴者はドライバーが次のピットストップを戦略的に行うべきタイミングを確認することができます。
データ分析によって、F1 は特定のレーシングカー、チーム、ドライバーのパフォーマンスを、関連するパラメータ全体で比較し、視覚的にランク付けして、ファンに情報提供することができます。
-
レーシングカー分析およびレーシングカー開発
このインサイトは、チームがどのようにレーシングカーを開発するか、どれだけ短期に開発するか、そしてシーズンを通して順調に進んだ場合の結果はどうなるかを示します。シーズン中に限らず毎年の開発レースは、F1 チームの主要な KPI です。これにより F1 の内部の動きと、この分野でチーム同士がどのような戦いを繰り広げるかに関する独自のインサイトが得られます。
-
カーパフォーマンススコア
このインサイトにより、個々のレーシングカーのパフォーマンスが分離され、ファンはそのパフォーマンスをさまざまな車両パフォーマンスと比較して、車両パフォーマンスを構成する構成要素、つまりコーナリングパフォーマンス、直線パフォーマンス、レーシングカーのバランスまたはハンドリングを直接比較できるようになります。
-
ドライバーパフォーマンス
ドライバーパフォーマンスは、チームメイトや競合と比較して、どのドライバーが自分の車のパフォーマンスを絶対的な限界まで発揮させているかに着目するものです。ラップ中に車のタイヤによって生成される力を計算し、それを車の最大能力と比較すると、ドライバーが車の潜在的なパフォーマンスをどれだけ引き出しているかがわかります。究極的な目標であるラップタイムに大きな影響を与えるドライバーパフォーマンスの 3 つの主要な領域に着目するために、3 つのパラメータ、すなわち、加速、ブレーキング、およびコーナーが表示されます。
-
ドライバーシーズンパフォーマンス
ここでは、レーシングカー、タイヤ、トラフィック、燃料などの影響に関する豊富なデータを分析することで、運転スキルの最も重要なサブセットに基づいて、ドライバーのパフォーマンスの内訳が提供されます。端的に言えば、7 つの主要なメトリクス (Qualifying Pace、Race Starts、Race Lap 1、Race Pace、Tyre Management、Driver Pit Stop Skill、Overtaking) に対するシーズン全体の各ドライバーのパフォーマンスのスコアが出力されます。これらのメトリクスは、0〜10 の範囲で正規化され、「スコア」型メトリクスが提供され、特定のドライバーの長所と短所はどこか、およびフィールド内の他のドライバーと比較する方法についてのインサイトが、視聴者、ファン、チームに対しても同じように提供されます。
-
Qualifying Pace
従来の主観的なセッションである AWS がサポートするこの F1 インサイトは、機械学習と分析手法を使用します。機械学習と分析手法では、練習データを取得し、土日のレース間でチームがどのように経過するかについての履歴データを使用します。
-
Start Analysis
F1 は、空気力学、タイヤ性能、パワーユニット、車両ダイナミクス、および車両最適化を綿密に調べて、ファンが全体的な車両パフォーマンスを解釈するのに役立つインサイトを提供します。
-
Braking Performance
Braking Performance は、コーナリング中のドライバーのブレーキングスタイルが、コーナーを抜ける際にどのようなメリットをもたらし得るかを示します。これは、ブレーキをかける前にドライバーがコーナーのエイペックスにどれだけ接近しているかを測定することにより、ドライバーのブレーキングスタイルとパフォーマンスを比較し、接近時の最高速度、ブレーキによる速度低下、利用されるブレーキ力、コーナリング中にドライバーが受ける巨大な重力加速度など、コーナリング時に車とドライバーがどのように連携するかを示します。
-
コーナー分析
F1 車のパフォーマンスにとって唯一の最重要エリアであり、ここでは、良い車と優れた車を比較するための優れたインサイトが得られます。コーナーが 4 つの主要セクション (ブレーキング、ターンイン、ミッドコーナー、エグジット) に分割され、カーテレメトリデータを介して、コーナーの主要セクションのパフォーマンスが分析および比較されます。
-
エグジットスピード
特定の (かつ重要な) コーナー周辺の最適なブレーキングポイントと加速ポイントによって特定される、コーナリングの分析です。コーナーは、各ドライバーにとって最も重要な領域です。このインサイトにより、視聴者はラップタイムの増減を詳細に理解し、F1 車同士の比較が可能になります。
-
タイヤ性能
レーシングカーの速度、縦方向と横方向の加速度、ジャイロなどの車両に関するデータを使用して、スリップ角の推定値を求め、各車の車両バランスモデルを導き出します。これは、タイヤの摩耗エネルギーの出力を示します。(注: タイヤの摩耗エネルギーは、物理的なタイヤの摩耗ではなく、路面を滑るタイヤ接地面のエネルギー伝達を指します。) 出力には、各コーナーのタイヤ性能が含まれますが、最終的な性能寿命に対してそのタイヤがどれだけ使用されたかを示します。
Fastest Driver
AWS の機械学習テクノロジーを使用すると、このインサイトにより、1983 年から現在までの全 F1 ドライバーのデータに基づく客観的なランキングが提供されます。方程式から F1 マシンの差異が排除されることで「誰が最速のドライバーなのか?」という昔ながらの疑問が明らかになります。 F1 および Amazon Machine Learning (ML) Solutions Lab のデータサイエンティストは、データに基づき、時代を越えた複雑で客観的なドライバーの速度ランキングを歴史上はじめて作成しました。
データから始まる
すべての F1 マシンには 300 個のセンサーが搭載されており、マシンからピットに送信されるテレメトリーデータポイントが 1 秒あたり 110 万個生成されます。このリアルタイムデータは、Amazon S3 に保存されている 70 年以上にわたる過去のレースデータと組み合わせて、豊富なインサイトを抽出します。これにより、ファンの体験に関する情報を提供し、教育し、豊かにする豊富なインサイトを抽出し、トラックで勝利のパフォーマンスを生み出すレース戦略についてより多くのインサイトをもたらします。
ファンの体験を大きく変える
履歴データを取得し、それを使用して Amazon SageMaker の複雑な機械学習アルゴリズムに学習させることで、F1 はチーム、車、ドライバーの精度を高めてレース戦略の結果を予測することができます。これらのモデルにより、グランプリレースの展開に合わせて、更新されたリアルタイムデータを使用して将来のシナリオを予測するため、豊かで魅力的な体験をファンに提供できます。
F1 データでの機械学習
ブログ
Formula 1 が AWS でクラウド変革を始めた経緯
AWS の主任スポーツパートナーシップマネージャーである Neil Ralph が、組織のクラウド変革の旗振り役だった F1 の IT 担当ディレクター、Chris Roberts 氏との対談の中で、5 年間の Formula 1 での仕事について振り返ります。
エキスパートからの Undercut Threat の脅威の詳細はこちら
チーフテクニカルエンジニア、Rob Smedley 氏: F1 グランプリのレースで最も魅力的な場面のひとつは、2 つのチームがバンパートゥテールでバトルを繰り広げ、ピットストップウィンドウ (タイヤ交換のためにピットインすることが予測されるレース中の時間帯) に入ろうとしているときです。車が接近しているとき、どちらが先に負けとなるかというケースがよくあります。これまでに多くの場面で見てきたように、勇敢な者が決断力の劣る相手を打ち負かすことが非常によくあります。
エキスパートからのピットレーンパフォーマンスの詳細はこちら
F1 パフォーマンスエンジニアリングおよび分析担当チーフテクニカルエンジニアの Rob Smedley 氏が、新しい F1 インサイト「ピットレーンパフォーマンス」の価値を詳しく説明しています。ピットストップは、フォーミュラ 1 の最もエキサイティングな要素のひとつになっています。ピットストップは、F1 がいかに人間のパフォーマンスとテクノロジーを完璧に融合させることができるかを示す、まさにショーウィンドウです。4 本のタイヤを 2 秒以内で交換できるということは、各 F1 チームがいかに完璧を求めて努力しなければならないかを示す、驚くべき偉業です。したがって、この新しいグラフィックを使って、いつものようにピットストップのイベント全体の分析を目指すことで、ドライバーがピットレーンに飛び込んだ瞬間から、どのような時間のロスがあったのかを理解することに役立ちます。
エキスパートから最高のレーススタートについて学ぶ
チーフエンジニア兼 F1 データシステム部門ディレクター、Rob Smedley。F1 内で知られているように、スタート、別名ローンチは、ファン、ドライバー、そしてエンジニアの絶対的な興味の的です。それは、グランプリレースで最もエキサイティングな部分の1つですが、すべては数秒で終わってしまいます。グランプリレースの最初の数秒の重要性を考えて、チームは細部に多大な労力を注ぎました。レースの終わりに決定的な差をもたらす可能性がある究極のスタートを切るためには、車両制御システムとパワーユニットと調和を保ってドライバーが行う必要がある正確で同時並行のアクションがいくつかあります。
ドライバーパフォーマンスの詳細はこちら
エキスパートから
F1 パフォーマンスエンジニアリングおよび分析担当チーフテクニカルエンジニアの Rob Smedley 氏が、AWS を利用することによって得られる最新の F1 インサイトを詳しく説明します。ドライバーパフォーマンスは、チームメイトや競合と比較して、どのドライバーが自分の車のパフォーマンスを絶対的な限界まで発揮させているかに着目するものです。
Braking Performance の詳細はこちら
エキスパートから
F1 パフォーマンスエンジニアリングおよび分析担当チーフテクニカルエンジニアの Rob Smedley 氏が、AWS を利用することによって得られる最新の F1 インサイトを詳しく説明します。Braking Performance は、接近時の最高速度、ブレーキによる速度低下、利用されるブレーキ力、コーナリング中にドライバーが受ける巨大な重力加速度など、コーナリング時に車とドライバーがどのように連携するかを示します。
エキスパートからのドライバーシーズンパフォーマンスの詳細はこちら
F1 パフォーマンスエンジニアリングおよび分析担当チーフテクニカルエンジニアの Rob Smedley 氏が、新しい F1 インサイトを詳しく説明します。ドライバーシーズンパフォーマンスは、運転スキルの最も重要なサブセットに基づくドライバーパフォーマンスの内訳を提供します。このインサイトでは、豊富なデータが分析され、7 つの主要なメトリクスにわたってシーズン中のドライバーのパフォーマンスが出力されます。
Qualifying Pace の詳細
エキスパートから
F1 パフォーマンスエンジニアリングおよび分析担当チーフテクニカルエンジニアの Rob Smedley 氏が、新しい F1 インサイトを詳しく説明します。Qualifying Pace は、週末の練習セッション中のチームのパフォーマンスの分析を通じて、予選中にチームから期待されるペースとパフォーマンスへの洞察を提供するのに役立ちます。この新しいインサイトでは、機械学習と分析手法が使用されます。機械学習と分析手法では、練習データが取得され、土日のレース間でチームがどのように進行するかについての履歴データが使用されて、予選結果がどのようになりそうかについての答えを導き出す試みがなされます。
レーシングカー分析の詳細
エキスパートによるレーシングカーの開発
F1 パフォーマンスエンジニアリングおよび分析担当チーフテクニカルエンジニアの Rob Smedley 氏が、新しい F1 インサイトの重要性を詳しく説明します。F1 車の開発の 3 つのコア要素に焦点を当てながら、ラップタイムの分析に基づいて構築され、テレメトリーデータをプライマリソース入力として使用する、空力抵抗、空力ダウンフォース、エンジンの出力におけるパフォーマンスの向上をグラフィックにより測定されます。
コーナー分析の詳細
エキスパートから
F1 パフォーマンスエンジニアリングおよび分析担当チーフテクニカルエンジニアの Rob Smedley 氏が、新しい F1 インサイト「コーナー分析」の重要性を詳しく説明します。ここでは、カーテレメトリデータを介して、コーナーの主要なセクションでのパフォーマンスを分析および比較することにより、高速コーナーと低速コーナー (F1 車のパフォーマンスにとって唯一の最重要エリア) で、一部の車が他の車よりもパフォーマンスが優れている理由の詳細についてのインサイトが提供されます。
レーシングカーパフォーマンスの詳細
エキスパートによるスコア
F1 パフォーマンスエンジニアリングおよび分析担当チーフテクニカルエンジニアの Rob Smedley 氏が、新しい F1 インサイト「カーパフォーマンススコア」の重要性を詳しく説明しています。フォーミュラ 1 車の性能のこれらの重要な側面は、さまざまなマシンの相対的なパフォーマンスについて、まさに最初からファンがより明確に理解できるようにします。
ファン体験を加速させる
マシンの詳細に移動して仕組みを確認したいですか? 新しいインサイトを配信し、トラック上でのアクションを増やす Amazon SageMaker を用いた機械学習アルゴリズムを AWS と F1 がどのように使用しているのか、F1 が次世代のレーシングカーの設計に AWS をどのように活用しているのかについての詳細はこちら。
に使用されている商品
F1 INSIGHTS
プロフェッショナルサービスの開始
F1 はプロフェッショナルサービスチームと Amazon ML Solutions Lab チームで革新を遂げ、ユースケースのプロトタイプを作成し、新しい概念実証を行うことで F1 Insights の開発を加速させています。その後、ProServ チームは F1 がモデルを本番環境に導入し、F1 インフラストラクチャに統合するできるように支援しています。