Geometria. Przetwarzanie sygnałów. Uczenie maszynowe. Jak Flying Start przewiduje, kiedy przekroczysz linię startu — i co odróżnia go od sprzętu kosztującego 50× więcej.
Każde obliczenie Time-To-Line zaczyna się od problemu geometrycznego. Twoja pozycja GPS to punkt. Twój kurs nad ziemią definiuje promień rozciągający się od tego punktu. Linia startu to odcinek między powojem PIN a łodzią RC. Gdzie te dwie linie się spotykają — i jak daleko jest ten punkt przecięcia — określa, ile czasu minie do przekroczenia.
Flying Start używa parametrycznego algorytmu przecięcia promienia i odcinka, aby znaleźć dokładny punkt, w którym Twoja trajektoria przecina linię startu. W przeciwieństwie do prostego obliczenia prostopadłej odległości, uwzględnia kąt podejścia. Kurs pod kątem 45 stopni do linii? Twój TTL jest dłuższy niż wskazuje odległość w linii prostej. Kurs równoległy? TTL jest nieokreślony — nigdy nie przekroczysz.
To ta sama podstawowa geometria, której używają dedykowane instrumenty, takie jak Velocitek ProStart i Vakaros Atlas 2. Matematyka jest identyczna. Różni się dokładność danych wejściowych.
GPS ma złą reputację z powodu miejskich kanionów. W mieście sygnały odbijają się od budynków, a odbiornik nie może odróżnić sygnału bezpośredniego od odbitego. Wynikiem są zakłócenia wielościeżkowe — błędy pozycji wynoszące 5–15 metrów.
Żeglarstwo jest przeciwieństwem miasta. Jesteś na spokojnej wodzie z niezakłóconym widokiem na całe niebo. Nie ma od czego się odbić. Każdy sygnał satelitarny dociera czysty.
Telefony z dwupasmowym GPS (L1+L5) osiągają dokładność 1–2 metrów na otwartej wodzie. Pasmo L5 dodaje drugą częstotliwość, która eliminuje błędy jonosferyczne i pomaga odróżnić sygnały bezpośrednie od odbitych. Na wodzie zbliża cię to do praktycznych granic konsumenckiego GNSS. Telefony z jednopasmowym GPS (tylko L1) nadal osiągają 3–5 metrów na otwartej wodzie — znacznie lepiej niż w mieście.
iPhone: iPhone 15, 16 i 17 (wszystkie modele) i iPhone 14 Pro / Pro Max. Standardowe iPhone 14 i iPhone SE mają tylko L1.
Apple Watch: Ultra, Ultra 2 i Ultra 3. Standardowy Apple Watch (Series 9, 10, 11, SE) używa tylko L1.
Android: Większość flagowców od 2020 roku — w tym Pixel 5+, Samsung Galaxy S21+ i OnePlus 9+. Sprawdź specyfikacje swojego telefonu pod kątem "L5" lub "dwupasmowego" GNSS.
Flying Start działa na wszystkich urządzeniach z GPS. Dwupasmowość daje lepszą dokładność, ale filtr Kalmana i model ML ulepszają przewidywania niezależnie od tego, które pasmo obsługuje Twój sprzęt.
Dedykowany sprzęt, taki jak Vakaros Atlas 2, ma przewagę: częstotliwość aktualizacji 25 Hz i korekcje różnicowe, które zwiększają dokładność do ~25 centymetrów. To naprawdę lepsze. Ale różnica jest mniejsza niż większość ludzi zakłada — i pozostałą różnicę można rozwiązać w oprogramowaniu.
Vakaros Atlas 2 osiąga dokładność ~25 cm z dwupasmowym GNSS przy 25 Hz. Velocitek ProStart używa odbiornika wielosystemowego 25 Hz z augmentacją WAAS. Oba są zbudowane specjalnie do tego zadania i przy oficjalnym, sędziowskim wywoływaniu OCS na poziomie mistrzostw ta precyzja ma znaczenie. Podejście Flying Start polega na zmniejszeniu luki w dokładności przez przetwarzanie sygnałów i uczenie maszynowe, a nie przez sprzęt.
Surowy GPS podaje pozycję raz na sekundę. Między tymi aktualizacjami świat ciągle się porusza. Łódź płynąca 5 węzłami pokonuje 2,5 metra na sekundę — a pozycja GPS otrzymana pół sekundy temu jest już nieaktualna. Co gorsza, kolejne poprawki GPS losowo skaczą w kole dokładności, przez co odczyty prędkości i kursu są niestabilne.
To największe pojedyncze źródło niestabilności TTL w prostym instrumencie GPS. TTL obliczasz z prędkości i kursu. Jeśli prędkość skacze między 2,3 a 2,7 m/s od jednej poprawki do następnej, TTL skacze o kilka sekund przy każdej aktualizacji. W średniej jest poprawne, ale bezużyteczne do odmierzania czasu startu.
Flying Start używa Rozszerzonego Filtru Kalmana (EKF), który rozwiązuje oba problemy jednocześnie.
Filtr utrzymuje sześciowymiarowy stan: pozycja, prędkość i przyspieszenie w dwóch osiach. Cztery razy na sekundę przewiduje, gdzie powinna być łódź na podstawie fizyki — ekstrapolacja stałego przyspieszenia. Raz na sekundę, gdy dociera nowa poprawka GPS, miesza przewidywanie z pomiarem, ważąc każdy zgodnie z jego niepewnością.
Poprawki GPS o wysokiej dokładności bardziej przyciągają stan. Słabe poprawki przyciągają mniej. Między poprawkami przewidywanie wypełnia luki. Wynik: pozycja i prędkość aktualizujące się płynnie przy 4 Hz zamiast skakać przy 1 Hz.
Co to oznacza dla TTL: prędkość i kurs wprowadzane do obliczenia TTL to przefiltrowane, stabilne wartości — nie surowy szum GPS. Filtr śledzi też przyspieszenie, więc jeśli zwalniasz do zwrotu, szacowanie stanu odzwierciedla to zamiast zakładać stałą prędkość.
EKF to największa pojedyncza poprawa dokładności TTL. Eliminuje niestabilność, która sprawia, że obliczenia TTL z surowego GPS są zawodne, wygładza szum prędkości i kursu, i wypełnia luki 1 Hz przewidywaniem opartym na fizyce. Jest w pełni deterministyczny — nie potrzebuje danych treningowych, bez zależności od chmury, działa identycznie na iPhonie, Apple Watchu i Androidzie. Ta jedna warstwa zamyka około 80% luki dokładności między telefonem a dedykowanym instrumentem 25 Hz.
Filtr Kalmana zakłada stałe przyspieszenie. To dobry model dla łodzi płynącej w linii prostej, ale zawodzi w scenariuszach, które mają największe znaczenie: ostatnie 30 sekund podejścia do startu, gdy żeglarze regulują prędkość, odpadają od wiatru, wypełniają żagiel i wykonują zwroty.
Flying Start używa jednowymiarowej konwolucyjnej sieci neuronowej, która działa całkowicie na Twoim urządzeniu, aby przewidywać, gdzie Filtr Kalmana się myli. Jest trenowana na dziesiątkach tysięcy symulowanych podejść do startu z realistyczną fizyką żeglarską — zwrotami, zmianami prędkości, efektami prądu, szumem GPS — i uczy się wzorców, których proste modele fizyczne nie wychwytują.
Jak to działa: model patrzy na kroczące 30-sekundowe okno Twojego podejścia — profil prędkości, zmiany kursu, wzorzec przyspieszenia, odległość do linii, prędkość zbliżania i pozostałe odliczanie. Widział tysiące symulowanych scenariuszy, gdzie zna rzeczywisty czas przekroczenia, i nauczył się, jakie wzorce Filtr Kalmana błędnie ocenia.
Kiedy pomaga najbardziej: model dodaje największą wartość w ciągu ostatnich 15–30 sekund przed startem, gdy aktywnie manewrujesz. Żeglarz wypełniający żagiel, aby zmniejszyć prędkość, a następnie odpadający od wiatru, aby przyspieszyć — Filtr Kalmana przewiduje na podstawie bieżącego przyspieszenia, ale model rozpoznaje wzorzec i przewiduje nadchodzącą zmianę prędkości. W scenariuszach testowych ze zwrotami i zmianami prędkości warstwa ML redukuje błąd TTL o 1–3 sekundy w porównaniu do samego Filtru Kalmana.
Kiedy nie pomaga wiele: przy czystym, prostoliniowym podejściu ze stałą prędkością Filtr Kalmana jest już bardzo dokładny. Model ML nie dodaje wiele w tych sytuacjach — i jest tak zaprojektowany. Korekta jest ograniczona do ±30% Kalman TTL, więc model może doprecyzować szacowanie, ale nigdy nie może produkować dziko błędnego wyniku.
Ani Velocitek ProStart, ani Vakaros Atlas 2 nie używają uczenia maszynowego do przewidywania TTL. Polegają na kinematyce: odległość podzielona przez prędkość. To działa dobrze z GPS 25 Hz, ale ma tę samą ślepą plamę — nie potrafi przewidzieć manewrów. Warstwa ML to coś, co oprogramowanie może zrobić, czego sprzęt nie może, ponieważ poprawia się z czasem, ucząc się z coraz większej ilości danych.
Obecny model jest trenowany na danych syntetycznych — komputerowo symulowanych startach wyścigów z realistyczną fizyką żeglarską. To dobre, ale symulacje nie mogą uchwycić wszystkiego. Sposób, w jaki 420 podchodzi do linii startu, różni się od J/70 lub Lasera. Wzorce pływów w Solencie różnią się od zatoki San Francisco. Starty przy słabym wietrze w niczym nie przypominają startów na wietrze przy 25 węzłach.
Flying Start rejestruje zanonimizowane wskaźniki czasowe z rzeczywistych startów wyścigów — filtrowaną prędkość, kurs, odległość do linii i rzeczywisty moment przekroczenia — i używa tych danych do ponownego trenowania modelu. Każdy start, we wszystkich klasach i miejscach, sprawia, że przewidywania są dokładniejsze dla wszystkich.
Nie musisz nic robić. Jeśli nagrywanie śladu GPS jest włączone (domyślnie jest), Twoje starty automatycznie przyczyniają się do danych treningowych. Dane są anonimizowane przed treningiem — bez imion, bez lokalizacji, tylko kształt podejścia i czas przekroczenia. Możesz zrezygnować w dowolnym momencie w Ustawieniach.
Instrumenty sprzętowe nie mogą tego zrobić. Velocitek ProStart nie ma połączenia sieciowego i nie ma możliwości ulepszania algorytmów po opuszczeniu fabryki. Vakaros Atlas 2 ma łączność, ale jego obliczenie TTL to czysta kinematyka — nie ma pętli uczenia. Model Flying Start poprawia się z każdym sezonem.
Model podstawowy uczy się od wszystkich żeglarzy. Ale Twoje starty mają wzorce unikalne dla Ciebie — jak agresywnie przyspieszasz w ciągu ostatnich 10 sekund, ile prędkości tracisz w zwrocie, jak wcześnie zaczynasz ostateczne podejście.
Framework Core ML Apple'a obsługuje aktualizacje modelu na urządzeniu przez MLUpdateTask na iPhonie. Oznacza to, że Flying Start może dostroić model podstawowy do Twoich konkretnych wzorców po 20–30 startach — bez wysyłania danych do serwera. Personalizacja odbywa się całkowicie na Twoim telefonie.
Po wystarczającej liczbie startów Twoje przewidywania TTL nie będą już tylko odzwierciedlać, jak przeciętny żeglarz podchodzi do linii startu. Będą odzwierciedlać, jak you podchodzisz do niej — Twoja łódź, Twój styl, Twoje tendencje.
Personalizacja na urządzeniu wymaga iPhone'a. Apple Watch może uruchomić spersonalizowany model (zsynchronizowany z sparowanym iPhonem), ale nie może sam przeprowadzić treningu na urządzeniu. Obsługa Androida zależy od równoważnych frameworków treningu na urządzeniu. Personalizacja potrzebuje wystarczającej ilości danych — pierwsze 20–30 startów używa modelu podstawowego przed uruchomieniem personalizacji.
Jesteśmy inżynierami. Wierzymy w uczciwe porównania. Oto co instrument za 1000 dolarów daje Ci, czego oprogramowanie samo w sobie nie może odtworzyć.
Vakaros Atlas 2 osiąga dokładność ~25 cm z dwupasmowym GNSS 25 Hz i korekcjami różnicowymi w czasie rzeczywistym. Nawet przy naszym Filtrze Kalmana GPS telefonu ma poziom szumu 1–2 metrów. W oficjalnym, sędziowskim wywoływaniu OCS na poziomie mistrzostw — gdzie centymetry decydują, czy startujesz, czy odpadasz — dedykowany sprzęt ma przewagę.
25 Hz oznacza nową poprawkę pozycji co 40 milisekund. GPS telefonu działa przy 1 Hz (jedna poprawka na sekundę). Nasz Filtr Kalmana interpoluje między poprawkami przy 4 Hz, ale to przewidywanie, nie pomiar. W ciągu ostatnich 3–5 sekund startu, gdy zmiany zachodzą najszybciej, surowy GPS o wyższej częstotliwości ma wrodzoną przewagę.
Czytelny w słońcu 4,4" ekran z Gorilla Glass i baterią na 100 godzin jest zbudowany specjalnie dla kokpitu. Telefon w wodoodpornym etui jest dobry, ale to nadal telefon. Apple Watch na nadgarstku jest prawdopodobnie lepszy dla szybkiego sprawdzenia, ale ekran jest mały.
Pobierz Flying Start bezpłatnie. Ulepsz do Premium dla TTL, DTL, alertów OCS, Oceny startu, Apple Watch i wszystkiego innego.