Durant la roda de premsa posterior al recent Ral·li de Sardenya, el director de l’equip Hyundai, Cyril Abiteboul, va admetre que part de la victòria es va obtenir gràcies als molt bons ingredients de l’equip, com un excel·lent tren motriu o un molt bon xassís, però també gràcies a «un gran esforç en termes de ciència de dades, anàlisi de rendiment i enginyeria de ral·li». No pot ser una sorpresa que un dels papers clau en els equips actuals del WRC sigui la Ciència de Dades. Però, a què es refereix? I quina és la seva contribució al desenvolupament aerodinàmic? Això és el que intentarem explicar en les properes línies.

La ciència de dades és un camp multidisciplinari en creixement que extreu coneixement de conjunts de dades enormes. Com es fa? Amb matemàtiques i estadística, és clar. Però també mitjançant programació especialitzada, analítica avançada i, el que és més important, amb tècniques d’intel·ligència artificial (IA).

Una de les millors aplicacions de la ciència de dades és la que s’ocupa de la física difícil de resoldre. L’aerodinàmica continua sent una de les ciències més difícils de resoldre, a causa de la dificultat que encara avui representa reproduir exactament el flux d’aire. Per aquest motiu, totes les dades generades durant el disseny i el desenvolupament de l’aerodinàmica d’un cotxe de carreres constitueixen un bé molt preuat. Des dels resultats obtinguts mitjançant simulacions numèriques/dinàmica de fluids computacional (CFD), passant per les dades obtingudes durant la validació i el perfeccionament realitzades en túnels de vent i fins a les dades recollides de dissenys actuals que han demostrat un bon rendiment, tot és útil.

Totes aquestes dades es fan servir per entrenar un model, que dilucida la relació entre les diferents variables implicades (conegudes com a predictors) amb el problema a resoldre, el flux d’aire en el nostre cas (la resposta). Un cop entrenats, els models, coneguts com a Aprenentatge Automàtic (Machine Learning en anglès), permeten als enginyers realitzar «proves virtuals» i obtenir prediccions per a nous dissenys, en noves condicions, en un temps reduït.

L’ús d’aquestes tècniques és molt comú en altres disciplines automobilístiques, com ara el WEC o la F1. Al món dels ral·lis, on el secretisme és una obligació, no hi ha constància que s’utilitzin, però és molt probable que ja s’hagin incorporat als seus procediments habituals de treball.

Un exemple molt aclaridor dels avantatges de fer servir aquestes tècniques el va fer públic l’equip Toyota Gazoo Racing (TGR) del WEC, en col·laboració amb Acronis. L’objectiu era potenciar els processos aerodinàmics de TGR per conèixer maneres de millorar el rendiment de l’hipercotxe híbrid GR010, mitjançant tècniques d’Aprenentatge Automàtic.

La solució generada per Acronis es va integrar en els processos de túnel de vent i CFD de Toyota, cosa que es va traduir en una major eficiència operativa, ja que la reducció del nombre d’hores d’enginyeria (tant en proves com en càlculs) va donar a l’equip l’oportunitat de cercar altres millores, apropant-se així més i més ràpid al disseny i la configuració òptims. Trobareu informació més detallada al Cas pràctic publicat per Acronis.

Un procés similar dut a terme per l’equip Jota Racing del WEC amb Monolith AI va reportar una reducció del 70% en el temps de proves a pista, a més d’una reducció del 45% en els costos generals associats.

Un altre bon exemple d’aplicació de ML en el disseny aerodinàmic, a Fórmula 1 en aquest cas, es pot trobar explicat aquí. Conté una bona explicació de com subrogar el modelatge i l’optimització del disseny, comparant tres enfocaments d’enginyeria diferents que un enginyer aerodinàmic pot adoptar quan es troba a càrrec d’un projecte per dissenyar la forma d’un aleró de F1 utilitzant CFD.

Què sabem dels esforços de l’actual equip del WRC a Ciència de Dades? Algunes associacions poden donar bones indicacions sobre com poden anar les coses en aquest camp.

L’acord entre Acronis i l’equip Toyota del WEC podria haver-se estès a l’equip WRC per al disseny dels darrers models. De la mateixa manera, Acronis ja es va associar amb M-Sport el 2019 per a la protecció cibernètica. Una associació que encara continua, i que també es podria haver estès a la ciència de dades.

D.Sordo/C.Carrera, Hyundai i20 N Rally1, Ral·li Itàlia Sardenya 2023, ret. – imatge d’Austral © Hyundai Motorsport GmbH

Menys coneguts són els socis potencials de Hyundai en aquest camp. Dins del grup Hyundai, els darrers anys s’han fet públiques algunes iniciatives d’IA, que abasten temes com l’anàlisi de patrons de conducció per a un sistema de control de creuer intel·ligent (SCC-ML) o la detecció d’imatges d’objectes en 3D per a la conducció autònoma, així com la participació al Boston Dynamics AI Institute per liderar els avenços  en Intel·ligència Artificial  i  Robòtica. Però, segons les paraules d’Abiteboul, el cert és que l’equip dedica importants esforços a la Ciència de Dades, ja sigui amb recursos interns o externs.

La Ciència de Dades i la IA tenen moltes altres aplicacions en un equip de ral·li, a banda de l’aerodinàmica: poden ser molt útils per definir estratègies de ral·li o reduir els temps de les proves. En definitiva, una prova més que la Ciència de Dades i la IA han arribat per quedar-s’hi.