Geometri. Signalbehandling. Maskinlæring. Hvordan Flying Start predikerer når du vil krysse startlinjen — og hva som gjør det annerledes fra maskinvare som koster 50× mer.
Enhver Time-To-Line-beregning starter med et geometriproblem. GPS-posisjonen din er et punkt. Kursen din over bakken definerer en stråle som strekker seg fra dette punktet. Startlinjen er et segment mellom PIN- og RC-båten. Der disse to linjene møtes — og hvor langt unna skjæringen er — bestemmer hvor lenge det tar til du krysser.
Flying Start bruker en parametrisk stråle-segment-skjæringsalgoritme for å finne det eksakte punktet der banen din krysser startlinjen. I motsetning til en enkel loddrett avstandsberegning tar dette hensyn til vinkelen på anloppet ditt. Kurs 45 grader mot linjen? TTL-en din er lengre enn den rette linjen antyder. Parallell kurs? TTL er udefinert — du vil aldri krysse.
Dette er den samme grunnleggende geometrien som dedikerte instrumenter som Velocitek ProStart og Vakaros Atlas 2 bruker. Matematikken er identisk. Det som skiller seg er hvor nøyaktige inndataene er.
GPS har et dårlig rykte fra bycanyonene. I en by spretter signaler av bygninger og mottakeren kan ikke skille et direkte signal fra et reflektert. Resultatet er multipath-interferens — posisjonsfeeil på 5–15 meter.
Seiling er det motsatte av en by. Du er på flatt vann med uhindret sikt mot hele himmelen. Det er ingenting å reflektere av. Hvert satellittsignal ankommer rent.
Telefoner med dual-frekvens-GPS (L1+L5) oppnår 1–2 meters nøyaktighet på åpent vann. L5-båndet legger til en andre frekvens som eliminerer ionosfæriske feil og hjelper med å skille direkte signaler fra refleksjoner. På vannet kommer du nær de praktiske grensene for forbruker-GNSS. Telefoner med enkelt-frekvens-GPS (kun L1) oppnår fortsatt 3–5 meter på åpent vann — betydelig bedre enn 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) bruker kun L1.
Android: De fleste flaggskipene fra 2020 og fremover — inkludert Pixel 5+, Samsung Galaxy S21+ og OnePlus 9+. Sjekk telefonens spesifikasjoner for "L5" eller "dual-frekvens" GNSS.
Flying Start fungerer på alle GPS-utstyrte enheter. Dual-frekvens gir deg bedre nøyaktighet, men Kalman-filteret og ML-modellen forbedrer prediksjoner uavhengig av hvilket bånd maskinvaren din støtter.
Dedikert maskinvare som Vakaros Atlas 2 har en fordel: 25 Hz oppdateringshastigheter og differensialkorreksjoner som bringer nøyaktigheten til ~25 centimeter. Det er genuint bedre. Men gapet er smalere enn de fleste antar — og den gjenværende forskjellen kan adresseres i programvare.
Vakaros Atlas 2 oppnår ~25 cm nøyaktighet med dual-band GNSS ved 25 Hz. Velocitek ProStart bruker en 25 Hz multi-konstellasjons-mottaker med WAAS-augmentasjon. Begge er spesialbygde for denne jobben, og for offisiell OCS-calling på domernivå på mesterskapet, er den presisjonen viktig. Flying Starts tilnærming er å lukke nøyaktighetsgapet gjennom signalbehandling og maskinlæring snarere enn maskinvare.
Rå GPS gir deg en posisjon én gang per sekund. Mellom disse oppdateringene fortsetter verden å bevege seg. En båt som gjør 5 knop dekker 2,5 meter per sekund — og GPS-posisjonen du mottok et halvt sekund siden er allerede gammel. Verre er det at påfølgende GPS-fixar hopper tilfeldig rundt innenfor nøyaktighetssirkelen sin, noe som gjør hastighets- og kursavlesninger ujevne.
Dette er den største kilden til TTL-instabilitet i et enkelt GPS-instrument. Du beregner TTL fra hastighet og kurs. Hvis hastigheten rykker mellom 2,3 og 2,7 m/s fra én fix til neste, hopper TTL med flere sekunder ved hver oppdatering. Det er korrekt i gjennomsnitt, men ubrukelig for å time en start.
Flying Start kjører et Utvidet Kalman-filter (EKF) som løser begge problemene samtidig.
Filteret opprettholder en seksdimensjonal tilstand: posisjon, hastighet og akselerasjon i to akser. Fire ganger per sekund predikerer det hvor båten skal være basert på fysikk — konstant akselerasjonsekstrapolering. Én gang per sekund, når en ny GPS-fix ankommer, blander det prediksjonen med målingen og veier hver etter usikkerheten sin.
Høy-nøyaktighets GPS-fixar drar tilstanden mer. Dårlige fixar drar den mindre. Mellom fixar fyller prediksjonen hullene. Resultatet: posisjon og hastighet som oppdateres jevnt med 4 Hz i stedet for å hoppe med 1 Hz.
Hva dette betyr for TTL: hastigheten og kursen som mates inn i TTL-beregningen er filtrerte, stabile verdier — ikke rå GPS-støy. Filteret sporer også akselerasjon, så hvis du bremser inn i en stagvending, reflekterer tilstandsestimeringen det snarere enn å anta konstant hastighet.
EKF er den eneste største forbedringen av TTL-nøyaktighet. Den eliminerer rykkingen som gjør rå-GPS TTL-beregninger upålitelige, jevner ut hastighets- og kursstøy og fyller 1 Hz-hullene med fysikkbasert prediksjon. Den er fullt deterministisk — ingen treningsdata trengs, ingen skyavhengighet, fungerer identisk på iPhone, Apple Watch og Android. Dette ene laget lukker omtrent 80% av nøyaktighetsgapet mellom en telefon og et dedikert 25 Hz-instrument.
Kalman-filteret antar konstant akselerasjon. Det er en god modell for en båt som seiler i en rett linje, men det bryter ned i scenariene som betyr mest: de siste 30 sekundene av et startanlopp, når seilere justerer hastighet, faller av, lovgir og stagvender.
Flying Start bruker et 1D-konvolusjonelt nevralt nettverk som kjører helt på enheten din for å predikere hva Kalman-filteret gjør feil. Det er trent på titusenvis av simulerte startanlopp med realistisk seilfysikk — stagvendinger, hastighetsendringer, strømmingseffekter, GPS-støy — og lærer mønstrene som enkle fysikk-modeller går glipp av.
Slik fungerer det: modellen ser på et rullende 30-sekunders vindu av anloppet ditt — hastighetsprofil, kursendringer, akselerasjonsmønster, avstand til linjen, avtagende hastighet og gjenværende nedtelling. Den har sett tusenvis av simulerte scenarjer der den vet den faktiske kryssningstiden, og har lært hvilke mønstre Kalman-filteret feilvurderer.
Når det hjelper mest: modellen tilfører størst verdi de siste 15–30 sekundene før en start, når du aktivt manøvrerer. En seiler som lovgir for å drepe fart, deretter faller av for å akselerere — Kalman-filteret predikerer basert på nåværende akselerasjon, men modellen gjenkjenner mønsteret og forutser den kommende hastighetsendringen. I testscenarier med stagvendinger og hastighetsendringer reduserer ML-laget TTL-feilen med 1–3 sekunder sammenlignet med Kalman-filteret alene.
Når det ikke hjelper mye: ved et rent, retlinjeanlopp med jevn hastighet er Kalman-filteret allerede svært nøyaktig. ML-modellen tilfører ikke mye i disse situasjonene — og er designet for ikke å gjøre det. Korreksjonen er begrenset til ±30% av Kalman-TTL, så modellen kan avgrense estimatet men kan aldri produsere et fullstendig feil resultat.
Verken Velocitek ProStart eller Vakaros Atlas 2 bruker maskinlæring for TTL-prediksjon. De stoler på kinematikk: avstand dividert med hastighet. Det fungerer godt med 25 Hz GPS, men det har det samme blindepunktet — det kan ikke forutse manøvrer. ML-laget er noe programvare kan gjøre som maskinvare ikke kan, fordi det forbedres over tid ettersom det lærer av mer data.
Den nåværende modellen er trent på syntetiske data — datasimulerte racestarter med realistisk seilfysikk. Det er bra, men simuleringer kan ikke fange opp alt. Måten en 420 nærmer seg en startlinje på er annerledes enn en J/70 eller en Laser. Tidevannsmsønstre i Solent er annerledes enn i San Francisco Bay. Lett-vind-starters ser ingenting ut som 25-knops lovestarter.
Flying Start fanger opp anonymiserte tidsmålinger fra ekte racestarter — filtrert hastighet, kurs, avstand til linjen og det faktiske kryssingstidspunktet — og bruker disse dataene til å omtrene modellen. Hver start, på tvers av alle klasser og arrangementssteder, gjør prediksjonene mer nøyaktige for alle.
Du trenger ikke gjøre noe. Hvis GPS-sporopptak er aktivert (det er som standard), bidrar starterne dine automatisk til treningsdataene. Dataene anonymiseres før trening — ingen navn, ingen steder, bare formen på anloppet og tidspunktet for kryssingen. Du kan velge bort når som helst i Innstillinger.
Maskinvareinstrumenter kan ikke gjøre dette. En Velocitek ProStart har ingen nettverkstilkobling og ingen måte å forbedre algoritmene sine etter at den forlater fabrikken. En Vakaros Atlas 2 har tilkobling, men TTL-beregningen er ren kinematikk — det er ingen læringsloop. Flying Starts modell blir bedre hver sesong.
Basismodellen lærer av alle seilere. Men starterne dine har mønstre som er unike for deg — hvor aggressivt du akselererer de siste 10 sekundene, hvor mye fart du mister i en stagvending, hvor tidlig du begynner det endelige anloppet.
Apples Core ML-rammeverk støtter modellopppdateringer på enheten via MLUpdateTask på iPhone. Dette betyr at Flying Start kan finjustere basismodellen til de spesifikke mønstrene dine etter 20–30 starter — uten å sende noen data til en server. Personaliseringen skjer helt på telefonen din.
Etter nok starter vil TTL-prediksjonene dine ikke bare reflektere hvordan en gjennomsnittlig seiler nærmer seg en startlinje. De vil reflektere hvordan you du nærmer deg den — båten din, stilen din, tendensene dine.
Personalisering på enheten krever en iPhone. Apple Watch kan kjøre den personaliserte modellen (synkronisert fra den parde iPhonen) men kan ikke utføre on-device-treningen selv. Android-støtte avhenger av tilsvarende on-device-treningsrammeverk. Personalisering trenger nok data — de første 20–30 starterne bruker basismodellen før personalisering starter.
Vi er ingeniører. Vi tror på ærlige sammenligninger. Her er hva et $1 000-instrument gir deg som programvare alene ikke kan replikere.
Vakaros Atlas 2 oppnår ~25 cm nøyaktighet med 25 Hz dual-band GNSS og sanntids-differensialkorreksjoner. Selv med Kalman-filteret vårt har en telefons GPS et støygulv på 1–2 meter. For offisiell OCS-calling på domernivå på mesterskapet — der centimeter avgjør om du starter eller sitter ute — har dedikert maskinvare fordelen.
25 Hz betyr en ny posisjonsfix hvert 40. millisekund. Telefon-GPS kjører med 1 Hz (én fix per sekund). Kalman-filteret vårt interpolerer mellom fixar med 4 Hz, men det er prediksjon, ikke måling. De siste 3–5 sekundene av en start, når ting endrer seg raskest, har rå GPS med høyere frekvens en iboende fordel.
En 4,4" sollesbar skjerm med Gorilla Glass og 100-timers batteri er vanskelig å slå. En telefon i et vanntett deksel er bra, men det er fortsatt en telefon. Apple Watch på håndleddet er muligens bedre for raske blikk, men skjermen er liten.
Last ned Flying Start gratis. Oppgrader til Premium for TTL, DTL, OCS-varsler, Startvurdering, Apple Watch og alt annet.