Geometri. Signalbehandling. Maskinlæring. Sådan forudsiger Flying Start, hvornår du krydser startlinjen — og hvad der gør den anderledes end hardware til 50× mere.
Enhver Time-To-Line-beregning starter med et geometriproblem. Din GPS-position er et punkt. Din kurs over grunden definerer en stråle, der strækker sig fra dette punkt. Startlinjen er et segment mellem PIN- og RC-båden. Hvor disse to linjer mødes — og hvor langt væk det skæringspunkt er — bestemmer, hvor lang tid der går, inden du krydser.
Flying Start bruger en parametrisk stråle-segment-skæringsalgoritme til at finde det nøjagtige punkt, hvor din bane krydser startlinjen. I modsætning til en simpel vinkelret afstandsberegning tager dette hensyn til vinklen på din tilgang. Kurs på 45 grader til linjen? Din TTL er længere end den rette linjeavstand antyder. Kurs parallelt? TTL er udefineret — du vil aldrig krydse.
Dette er den samme grundlæggende geometri, som dedikerede instrumenter som Velocitek ProStart og Vakaros Atlas 2 bruger. Matematikken er identisk. Det, der adskiller dem, er, hvor nøjagtige inputtene er.
GPS har fået dårligt ry fra bymæssige kanyoner. I en by hopper signaler af bygninger, og modtageren kan ikke skelne et direkte signal fra et reflekteret. Resultatet er multipath-interferens — positionsfejl på 5–15 meter.
Sejlads er det modsatte af en by. Du er på fladt vand med uhindret udsigt til hele himlen. Der er intet at reflektere af. Hvert satellitsignal ankommer rent.
Telefoner med dual-frekvent GPS (L1+L5) opnår 1–2 meters nøjagtighed i åbent vand. L5-båndet tilføjer en anden frekvens, der eliminerer ionosfæriske fejl og hjælper med at skelne direkte signaler fra refleksioner. På vandet bringer dette dig tæt på de praktiske grænser for forbrugernes GNSS. Telefoner med enkelt-frekvent GPS (kun L1) opnår stadig 3–5 meter i åbent vand — væsentligt bedre end i en by.
iPhone: iPhone 15, 16 og 17 (alle modeller) og iPhone 14 Pro / Pro Max. Standard iPhone 14 og iPhone SE er kun L1.
Apple Watch: Ultra, Ultra 2 og Ultra 3. Standard Apple Watch (Series 9, 10, 11, SE) bruger kun L1.
Android: De fleste flagskibe fra 2020 og frem — inklusive Pixel 5+, Samsung Galaxy S21+ og OnePlus 9+. Tjek din telefons specifikationer for "L5" eller "dual-frekvent" GNSS.
Flying Start fungerer på alle GPS-udstyrede enheder. Dual-frekvens giver dig bedre nøjagtighed, men Kalman-filteret og ML-modellen forbedrer forudsigelserne uanset hvilken frekvens din hardware understøtter.
Dedikeret hardware som Vakaros Atlas 2 har en fordel: 25 Hz opdateringshastigheder og differentielle korrektioner, der presser nøjagtigheden til ~25 centimeter. Det er genuint bedre. Men kløften er smallere, end de fleste antager — og den resterende forskel kan adresseres i software.
Vakaros Atlas 2 opnår ~25 cm nøjagtighed med dual-band GNSS ved 25 Hz. Velocitek ProStart bruger en 25 Hz multi-constellation modtager med WAAS-augmentering. Begge er specialbygget til dette job, og til officiel, dommer-niveau OCS-kaldning ved mesterskabsniveau, er den præcision vigtig. Flying Starts tilgang er at lukke nøjagtighedsgabet gennem signalbehandling og maskinlæring snarere end hardware.
Rå GPS giver dig en position én gang i sekundet. Mellem disse opdateringer bliver verden ved med at bevæge sig. En båd der gør 5 knob dækker 2,5 meter i sekundet — og den GPS-position du modtog et halvt sekund siden er allerede forældet. Værre er det, at på hinanden følgende GPS-fixes hopper tilfældigt rundt inden for deres nøjagtighedscirkel, hvilket gør hastigheds- og kursaflæsninger rykkende.
Dette er den enkelt største kilde til TTL-instabilitet i et simpelt GPS-instrument. Du beregner TTL ud fra hastighed og kurs. Hvis hastigheden rycker mellem 2,3 og 2,7 m/s fra én fix til den næste, hopper TTL med flere sekunder ved hver opdatering. Det er korrekt i gennemsnit, men ubrugeligt til at time en start.
Flying Start kører et Extended Kalman Filter (EKF), der løser begge problemer simultant.
Filteret opretholder en seksdimensionel tilstand: position, hastighed og acceleration i to akser. Fire gange i sekundet forudsiger det, hvor båden bør være baseret på fysik — konstant accelerationsekstrapolation. Én gang i sekundet, når en ny GPS-fix ankommer, blender det forudsigelsen med målingen og vægter hver af dem efter sin usikkerhed.
Høj-nøjagtigheds GPS-fixes trækker tilstanden mere. Dårlige fixes trækker den mindre. Mellem fixes udfylder forudsigelsen hullerne. Resultatet: position og hastighed, der opdaterer jævnt ved 4 Hz i stedet for at hoppe ved 1 Hz.
Hvad dette betyder for TTL: hastigheden og kursen, der fødes ind i TTL-beregningen, er filtrerede, stabile værdier — ikke rå GPS-støj. Filteret sporer også acceleration, så hvis du decelererer ind i et kryds, afspejler tilstandsestimeringen det snarere end at antage konstant hastighed.
EKF er den enkelt største forbedring af TTL-nøjagtighed. Det eliminerer den rykning, der gør rå-GPS TTL-beregninger upålidelige, jævner hastigheds- og kursstøj ud og udfylder 1 Hz-hullerne med fysikbaseret forudsigelse. Det er fuldt deterministisk — ingen træningsdata nødvendigt, ingen cloud-afhængighed, fungerer identisk på iPhone, Apple Watch og Android. Dette ene lag lukker omtrent 80% af nøjagtighedsgabet mellem en telefon og et dedikeret 25 Hz-instrument.
Kalman-filteret antager konstant acceleration. Det er en god model for en båd, der sejler i en lige linje, men den bryder sammen i de scenarier, der betyder mest: de sidste 30 sekunder af en starttilgang, når sejlere justerer hastighed, faller af, luffer og krydser.
Flying Start bruger et 1D konvolutionelt neuralt netværk, der kører helt på din enhed til at forudsige, hvad Kalman-filteret tager fejl af. Det er trænet på titusindvis af simulerede starttilgange med realistisk sejlerfysik — kryds, hastighedsændringer, strømeffekter, GPS-støj — og lærer de mønstre, som simple fysikmodeller overser.
Sådan fungerer det: modellen kigger på et rullende 30-sekunders vindue af din tilgang — hastighedsprofil, kursændringer, accelerationsmønster, afstand til linjen, indhentningshastighed og resterende nedtælling. Den har set tusindvis af simulerede scenarier, hvor den kender den faktiske krydsningstid, og den har lært, hvilke mønstre Kalman-filteret fejlbedømmer.
Hvornår det hjælper mest: modellen tilføjer mest værdi i de sidste 15–30 sekunder inden en start, når du aktivt manøvrerer. En sejler der luffe for at reducere fart, derefter faller af for at accelerere — Kalman-filteret forudsiger baseret på nuværende acceleration, men modellen genkender mønsteret og forudser den kommende hastighedsændring. I testscenarier med kryds og hastighedsændringer reducerer ML-laget TTL-fejl med 1–3 sekunder sammenlignet med Kalman-filteret alene.
Hvornår det ikke hjælper meget: på en ren, retlinjet tilgang med jævn hastighed er Kalman-filteret allerede meget nøjagtigt. ML-modellen tilføjer ikke meget i disse situationer — og det er designet til ikke at gøre det. Korrektionen er begrænset til ±30% af Kalman TTL, så modellen kan forfine estimatet men aldrig producere et vildt forkert resultat.
Hverken Velocitek ProStart eller Vakaros Atlas 2 bruger maskinlæring til TTL-forudsigelse. De er afhængige af kinematik: afstand divideret med hastighed. Det fungerer godt med 25 Hz GPS, men det har den samme blinde vinkel — det kan ikke forudse manøvrer. ML-laget er noget software kan gøre, som hardware ikke kan, fordi det forbedres over tid, efterhånden som det lærer fra flere data.
Den nuværende model er trænet på syntetiske data — computersimulererede racestart med realistisk sejlerfysik. Det er godt, men simuleringer kan ikke fange alt. Måden en 420 nærmer sig en startlinje på er forskellig fra en J/70 eller en Laser. Tidevandsmønstre i Solent er anderledes end San Francisco Bay. Letvindsstart ligner slet ikke 25-knob-luv-start.
Flying Start optager anonymiserede timingmålinger fra rigtige racestart — filtreret hastighed, kurs, afstand til linje og det faktiske krydsningsøjeblik — og bruger disse data til at gentræne modellen. Hvert start, på tværs af alle klasser og venues, gør forudsigelserne mere nøjagtige for alle.
Du behøver ikke gøre noget. Hvis GPS-ruteoptagelse er aktiveret (det er det som standard), bidrager dine start automatisk til træningsdataene. Dataene anonymiseres inden træning — ingen navne, ingen steder, kun formen af tilgangen og timingen af krydset. Du kan til enhver tid fravælge i Indstillinger.
Hardwareinstrumenter kan ikke gøre dette. En Velocitek ProStart har ingen netværksforbindelse og ingen måde at forbedre sine algoritmer på, efter den forlader fabrikken. En Vakaros Atlas 2 har forbindelsesmuligheder, men dens TTL-beregning er ren kinematik — der er ingen læringsloop. Flying Starts model bliver bedre hver sæson.
Grundmodellen lærer fra alle sejlere. Men dine start har mønstre, der er unikke for dig — hvor aggressivt du accelererer i de sidste 10 sekunder, hvor meget hastighed du mister i et kryds, hvor tidligt du begynder din endelige tilgang.
Apples Core ML-framework understøtter on-device modelopdateringer via MLUpdateTask på iPhone. Det betyder, at Flying Start kan finjustere grundmodellen til dine specifikke mønstre efter 20–30 start — uden at sende data til en server. Personaliseringen sker helt på din telefon.
Efter nok start vil dine TTL-forudsigelser ikke bare afspejle, hvordan en gennemsnitlig sejler nærmer sig en startlinje. De vil afspejle, hvordan you nærmer sig den — din båd, din stil, dine tendenser.
On-device personalisering kræver en iPhone. Apple Watch kan køre den personaliserede model (synkroniseret fra den parrede iPhone), men kan ikke udføre on-device træningen selv. Android-support afhænger af tilsvarende on-device træningsframeworks. Personalisering kræver nok data — de første 20–30 start bruger grundmodellen, inden personaliseringen begynder.
Vi er ingeniører. Vi tror på ærlige sammenligninger. Her er, hvad et $1.000 instrument giver dig, som software alene ikke kan replikere.
Vakaros Atlas 2 opnår ~25 cm nøjagtighed med 25 Hz dual-band GNSS og realtids differentielle korrektioner. Selv med vores Kalman-filter har en telefon-GPS et støjniveau på 1–2 meter. Til officiel, dommer-niveau OCS-kaldning ved mesterskabsniveau — hvor centimeter afgør, om du starter eller sidder ude — har dedikeret hardware fordelen.
25 Hz betyder en ny positionsfix hvert 40. millisekund. Telefon-GPS kører ved 1 Hz (én fix pr. sekund). Vores Kalman-filter interpolerer mellem fixes ved 4 Hz, men det er forudsigelse, ikke måling. I de sidste 3–5 sekunder af en start, når tingene ændrer sig hurtigst, har højere-rate rå GPS en iboende fordel.
En solafskærmbar 4,4" skærm med Gorilla Glass og 100-timers batteri er specialbygget til cockpittet. En telefon i et vandtæt etui er god, men det er stadig en telefon. Apple Watch på håndleddet er måske bedre til et hurtigt blik, men skærmen er lille.
Download Flying Start gratis. Opgrader til Premium for TTL, DTL, OCS-advarsler, Startbedømmelse, Apple Watch og alt det andet.