Geometría. Procesamiento de señal. Aprendizaje automático. Cómo Flying Start predice cuándo cruzarás la línea de salida — y qué lo diferencia del hardware que cuesta 50× más.
Cada cálculo de Tiempo-a-la-línea comienza con un problema de geometría. Tu posición GPS es un punto. Tu rumbo sobre el fondo define un rayo que se extiende desde ese punto. La línea de salida es un segmento entre el barco PIN y el RC. Donde esas dos líneas se encuentran — y a qué distancia está esa intersección — determina cuánto tiempo falta para cruzar.
Flying Start usa un algoritmo de intersección rayo-segmento paramétrico para encontrar el punto exacto donde tu trayectoria cruza la línea de salida. A diferencia de un simple cálculo de distancia perpendicular, esto tiene en cuenta el ángulo de tu aproximación. ¿Rumbo a 45 grados de la línea? Tu TTL es mayor de lo que sugiere la distancia en línea recta. ¿Paralelo? TTL indefinido — nunca cruzarás.
Es la misma geometría fundamental que usan los instrumentos dedicados como el Velocitek ProStart y el Vakaros Atlas 2. Las matemáticas son idénticas. Lo que difiere es la precisión de los datos de entrada.
El GPS tiene mala reputación por los cañones urbanos. En la ciudad, las señales rebotan en los edificios y el receptor no puede distinguir una señal directa de una reflejada. El resultado es interferencia multitrayecto — errores de posición de 5 a 15 metros.
La vela es lo opuesto de una ciudad. Estás en agua plana con una vista despejada de todo el cielo. No hay nada que refleje las señales. Cada señal satelital llega limpia.
Los teléfonos con GPS de doble frecuencia (L1+L5) alcanzan una precisión de 1 a 2 metros en aguas abiertas. La banda L5 añade una segunda frecuencia que elimina los errores ionosféricos y ayuda a distinguir las señales directas de los reflejos. En el agua, esto te acerca a los límites prácticos del GNSS de consumo. Los teléfonos con GPS de frecuencia simple (solo L1) aún logran 3–5 metros en aguas abiertas — significativamente mejor que en la ciudad.
iPhone: iPhone 15, 16 y 17 (todos los modelos), e iPhone 14 Pro / Pro Max. El iPhone 14 estándar y el iPhone SE son solo L1.
Apple Watch: Ultra, Ultra 2 y Ultra 3. El Apple Watch estándar (Series 9, 10, 11, SE) usa solo L1.
Android: La mayoría de los flagships desde 2020 — incluidos Pixel 5+, Samsung Galaxy S21+ y OnePlus 9+. Consulta las especificaciones de tu teléfono para «L5» o GNSS de «doble frecuencia».
Flying Start funciona en todos los dispositivos con GPS. La doble frecuencia ofrece mayor precisión, pero el filtro de Kalman y el modelo ML mejoran las predicciones independientemente de la banda que soporte tu hardware.
El hardware dedicado como el Vakaros Atlas 2 sí tiene una ventaja: tasas de actualización de 25 Hz y correcciones diferenciales que llevan la precisión a ~25 centímetros. Eso es genuinamente mejor. Pero la brecha es más estrecha de lo que la mayoría asume — y la diferencia restante puede abordarse por software.
El Vakaros Atlas 2 logra una precisión de ~25 cm con GNSS de doble banda a 25 Hz. El Velocitek ProStart usa un receptor multi-constelación a 25 Hz con aumentación WAAS. Ambos están diseñados específicamente para este trabajo, y para las llamadas OCS oficiales de nivel campeonato, esa precisión importa. El enfoque de Flying Start es cerrar la brecha de precisión mediante procesamiento de señal y aprendizaje automático en lugar de hardware.
El GPS bruto te da una posición una vez por segundo. Entre esas actualizaciones, el mundo sigue moviéndose. Un barco a 5 nudos recorre 2,5 metros por segundo — y la posición GPS que recibiste hace medio segundo ya está desactualizada. Peor aún, los fixes GPS consecutivos saltan aleatoriamente dentro de su círculo de precisión, haciendo que las lecturas de velocidad y rumbo sean inestables.
Esta es la mayor fuente de inestabilidad del TTL en un instrumento GPS simple. Calculas el TTL a partir de velocidad y rumbo. Si la velocidad oscila entre 2,3 y 2,7 m/s de un fix al siguiente, el TTL salta varios segundos en cada actualización. Es correcto en promedio, pero inútil para cronometrar una salida.
Flying Start ejecuta un filtro de Kalman extendido (EKF) que resuelve ambos problemas simultáneamente.
El filtro mantiene un estado de seis dimensiones: posición, velocidad y aceleración en dos ejes. Cuatro veces por segundo, predice dónde debería estar el barco basándose en la física — extrapolación a aceleración constante. Una vez por segundo, cuando llega un nuevo fix GPS, mezcla la predicción con la medición, ponderando cada una por su incertidumbre.
Los fixes GPS de alta precisión tiran más del estado. Los fixes pobres tiran menos. Entre fixes, la predicción rellena los huecos. El resultado: posición y velocidad que se actualizan suavemente a 4 Hz en lugar de saltar a 1 Hz.
Lo que esto significa para el TTL: la velocidad y el rumbo que alimentan el cálculo TTL son valores filtrados y estables — no ruido GPS bruto. El filtro también rastrea la aceleración, así que si estás desacelerando antes de una virada, la estimación del estado lo refleja en lugar de asumir velocidad constante.
El EKF es la mayor mejora individual en la precisión del TTL. Elimina el jitter que hace poco fiables los cálculos TTL de GPS bruto, suaviza el ruido de velocidad y rumbo, y rellena los huecos de 1 Hz con predicción basada en física. Es completamente determinista — sin datos de entrenamiento, sin dependencia de la nube, funciona de forma idéntica en iPhone, Apple Watch y Android. Esta sola capa cierra aproximadamente el 80% de la brecha de precisión entre un teléfono y un instrumento dedicado a 25 Hz.
El filtro de Kalman asume aceleración constante. Es un buen modelo para un barco navegando en línea recta, pero falla en los escenarios que más importan: los últimos 30 segundos de la aproximación a la salida, cuando los regatistas ajustan velocidad, abaten, orzean y viran.
Flying Start usa una red neuronal convolucional 1D que corre íntegramente en tu dispositivo para predecir lo que el filtro de Kalman falla. Está entrenada con decenas de miles de aproximaciones de salida simuladas con física de vela realista — viradas, cambios de velocidad, efectos de corriente, ruido GPS — y aprende los patrones que los modelos físicos simples pasan por alto.
Cómo funciona: el modelo analiza una ventana deslizante de 30 segundos de tu aproximación — perfil de velocidad, cambios de rumbo, patrón de aceleración, distancia a la línea, velocidad de cierre y cuenta atrás restante. Ha visto miles de escenarios simulados donde conoce el tiempo real de cruce, y ha aprendido qué patrones juzga mal el filtro de Kalman.
Cuándo ayuda más: el modelo aporta más valor en los últimos 15–30 segundos antes de una salida, cuando estás maniobrando activamente. Un regatista que orzea para matar velocidad y luego abate para acelerar — el filtro de Kalman predice basándose en la aceleración actual, pero el modelo reconoce el patrón y anticipa el próximo cambio de velocidad. En escenarios de prueba con viradas y cambios de velocidad, la capa ML reduce el error TTL en 1–3 segundos respecto al filtro de Kalman solo.
Cuándo no ayuda mucho: en una aproximación limpia en línea recta con velocidad constante, el filtro de Kalman ya es muy preciso. El modelo ML no añade mucho en esas situaciones — y está diseñado para eso. La corrección está limitada a ±30% del TTL de Kalman, por lo que el modelo puede refinar la estimación pero nunca puede producir un resultado completamente erróneo.
Ni el Velocitek ProStart ni el Vakaros Atlas 2 usan aprendizaje automático para la predicción TTL. Se basan en la cinemática: distancia dividida por velocidad. Eso funciona bien con GPS a 25 Hz, pero tiene el mismo punto ciego — no puede anticipar maniobras. La capa ML es algo que el software puede hacer y el hardware no, porque mejora con el tiempo a medida que aprende de más datos.
El modelo actual se entrena con datos sintéticos — salidas de regata simuladas por ordenador con física de vela realista. Es bueno, pero las simulaciones no pueden capturarlo todo. La forma en que un 420 se aproxima a una línea de salida es diferente a un J/70 o un Laser. Las corrientes en el Solent son diferentes a la bahía de San Francisco. Las salidas con viento suave no se parecen en nada a las salidas de ceñida a 25 nudos.
Flying Start captura métricas de tiempo anónimas de salidas reales — velocidad filtrada, rumbo, distancia a la línea y el momento real del cruce — y usa estos datos para reentrenar el modelo. Cada salida, en cada clase y lugar, hace las predicciones más precisas para todos.
No tienes que hacer nada. Si la grabación de ruta GPS está activada (lo está por defecto), tus salidas contribuyen automáticamente a los datos de entrenamiento. Los datos se anonimizan antes del entrenamiento — sin nombres, sin ubicaciones, solo la forma de la aproximación y el momento del cruce. Puedes optar por no participar en cualquier momento en Ajustes.
Los instrumentos de hardware no pueden hacer esto. Un Velocitek ProStart no tiene conexión de red y no hay forma de mejorar sus algoritmos después de salir de fábrica. Un Vakaros Atlas 2 tiene conectividad, pero su cálculo TTL es cinemática pura — no hay bucle de aprendizaje. El modelo de Flying Start mejora cada temporada.
El modelo base aprende de todos los regatistas. Pero tus salidas tienen patrones únicos para ti — con qué agresividad aceleras en los últimos 10 segundos, cuánta velocidad pierdes en una virada, con qué anticipación comienzas tu aproximación final.
El framework Core ML de Apple admite actualizaciones del modelo en el dispositivo via MLUpdateTask en iPhone. Esto significa que Flying Start puede ajustar el modelo base a tus patrones específicos después de 20–30 salidas — sin enviar ningún dato a un servidor. La personalización ocurre íntegramente en tu teléfono.
Después de suficientes salidas, tus predicciones TTL no reflejarán solo cómo un regatista promedio se aproxima a la línea de salida. Reflejarán cómo you la abordas tú — tu barco, tu estilo, tus tendencias.
La personalización en el dispositivo requiere un iPhone. Apple Watch puede ejecutar el modelo personalizado (sincronizado desde el iPhone emparejado) pero no puede realizar el entrenamiento en el dispositivo por sí mismo. El soporte para Android depende de frameworks de entrenamiento en el dispositivo equivalentes. La personalización necesita suficientes datos — las primeras 20–30 salidas usan el modelo base antes de que entre en juego la personalización.
Somos ingenieros. Creemos en las comparaciones honestas. Esto es lo que te da un instrumento de $1.000 que el software solo no puede replicar.
El Vakaros Atlas 2 logra una precisión de ~25 cm con GNSS de doble banda a 25 Hz y correcciones diferenciales en tiempo real. Incluso con nuestro filtro de Kalman, un GPS de teléfono tiene un piso de ruido de 1–2 metros. Para las llamadas OCS oficiales de nivel campeonato — donde los centímetros determinan si sales o no — el hardware dedicado tiene ventaja.
25 Hz significa un nuevo fix de posición cada 40 milisegundos. El GPS del teléfono funciona a 1 Hz (un fix por segundo). Nuestro filtro de Kalman interpola entre fixes a 4 Hz, pero es predicción, no medición. En los últimos 3–5 segundos de una salida, cuando las cosas cambian más rápido, el GPS bruto de alta tasa tiene una ventaja inherente.
Una pantalla de 4,4" legible a plena luz del sol con Gorilla Glass y batería de 100 horas está diseñada específicamente para el cockpit. Un teléfono en una funda impermeable está bien, pero sigue siendo un teléfono. El Apple Watch en la muñeca es posiblemente mejor para echar un vistazo rápido, pero la pantalla es pequeña.
Descarga Flying Start gratis. Actualiza a Premium para TTL, DTL, alertas OCS, valoración de salida, Apple Watch y todo lo demás.