Geometria. Processamento de sinal. Aprendizagem automática. Como o Flying Start prevê quando vais cruzar a linha de partida — e o que o distingue de hardware que custa 50× mais.
Cada cálculo de Tempo-à-linha começa com um problema de geometria. A tua posição GPS é um ponto. O teu rumo sobre o fundo define um raio que se estende a partir desse ponto. A linha de partida é um segmento entre o barco PIN e o RC. Onde essas duas linhas se encontram — e a que distância está essa interseção — determina quanto tempo falta para cruzar.
O Flying Start usa um algoritmo de interseção raio-segmento paramétrico para encontrar o ponto exato onde a tua trajetória cruza a linha de partida. Ao contrário de um simples cálculo de distância perpendicular, este tem em conta o ângulo de aproximação. Rumo a 45 graus da linha? O teu TTL é maior do que a distância em linha reta sugere. Rumo paralelo? TTL indefinido — nunca vais cruzar.
É a mesma geometria fundamental que os instrumentos dedicados como o Velocitek ProStart e o Vakaros Atlas 2 usam. A matemática é idêntica. O que difere é a precisão dos dados de entrada.
O GPS tem má reputação por causa dos canyons urbanos. Numa cidade, os sinais refletem nos edifícios e o recetor não consegue distinguir um sinal direto de um refletido. O resultado é interferência multipercurso — erros de posição de 5 a 15 metros.
A vela é o oposto de uma cidade. Estás em água plana com uma visão desobstruída de todo o céu. Não há nada que reflita os sinais. Cada sinal de satélite chega limpo.
Os telemóveis com GPS de dupla frequência (L1+L5) atingem uma precisão de 1–2 metros em mar aberto. A banda L5 adiciona uma segunda frequência que elimina os erros ionosféricos e ajuda a distinguir os sinais diretos dos refletidos. Na água, isto aproxima-te dos limites práticos do GNSS de consumo. Os telemóveis com GPS de frequência única (apenas L1) ainda atingem 3–5 metros em mar aberto — significativamente melhor do que na cidade.
iPhone: iPhone 15, 16 e 17 (todos os modelos) e iPhone 14 Pro / Pro Max. O iPhone 14 standard e o iPhone SE são apenas L1.
Apple Watch: Ultra, Ultra 2 e Ultra 3. O Apple Watch standard (Series 9, 10, 11, SE) usa apenas L1.
Android: A maioria dos flagships a partir de 2020 — incluindo Pixel 5+, Samsung Galaxy S21+ e OnePlus 9+. Verifica as especificações do teu telemóvel para «L5» ou GNSS de «dupla frequência».
O Flying Start funciona em todos os dispositivos com GPS. A dupla frequência oferece melhor precisão, mas o filtro de Kalman e o modelo ML melhoram as previsões independentemente da banda suportada pelo teu hardware.
O hardware dedicado como o Vakaros Atlas 2 tem uma vantagem: taxas de atualização de 25 Hz e correções diferenciais que levam a precisão a ~25 centímetros. Isso é genuinamente melhor. Mas a diferença é mais estreita do que a maioria assume — e a diferença restante pode ser resolvida via software.
O Vakaros Atlas 2 atinge uma precisão de ~25 cm com GNSS de dupla banda a 25 Hz. O Velocitek ProStart usa um recetor multi-constelação a 25 Hz com aumentação WAAS. Ambos são construídos especificamente para este trabalho, e para chamadas OCS oficiais de nível campeonato, essa precisão importa. A abordagem do Flying Start é fechar a diferença de precisão através do processamento de sinal e aprendizagem automática em vez de hardware.
O GPS bruto dá-te uma posição uma vez por segundo. Entre essas atualizações, o mundo continua a mover-se. Um barco a 5 nós percorre 2,5 metros por segundo — e a posição GPS que recebeste há meio segundo já está desatualizada. Pior ainda, os fixes GPS consecutivos saltam aleatoriamente dentro do seu círculo de precisão, tornando as leituras de velocidade e rumo instáveis.
Esta é a maior fonte de instabilidade do TTL num instrumento GPS simples. Calculas o TTL a partir da velocidade e do rumo. Se a velocidade oscila entre 2,3 e 2,7 m/s de um fix para o seguinte, o TTL salta vários segundos em cada atualização. Está correto em média, mas é inútil para cronometrar uma largada.
O Flying Start executa um filtro de Kalman estendido (EKF) que resolve ambos os problemas simultaneamente.
O filtro mantém um estado de seis dimensões: posição, velocidade e aceleração em dois eixos. Quatro vezes por segundo, prevê onde o barco deve estar com base na física — extrapolação de aceleração constante. Uma vez por segundo, quando chega um novo fix GPS, combina a previsão com a medição, pesando cada uma pela sua incerteza.
Os fixes GPS de alta precisão puxam mais o estado. Os fixes fracos puxam menos. Entre os fixes, a previsão preenche as lacunas. O resultado: posição e velocidade que se atualizam suavemente a 4 Hz em vez de saltarem a 1 Hz.
O que isto significa para o TTL: a velocidade e o rumo que alimentam o cálculo TTL são valores filtrados e estáveis — não ruído GPS bruto. O filtro também rastreia a aceleração, portanto se estás a desacelerar antes de uma talha, a estimativa de estado reflete isso em vez de assumir velocidade constante.
O EKF é o maior melhoramento individual na precisão do TTL. Elimina o jitter que torna os cálculos TTL de GPS bruto não confiáveis, suaviza o ruído de velocidade e rumo, e preenche as lacunas de 1 Hz com previsão baseada na física. É completamente determinístico — sem dados de treino necessários, sem dependência de cloud, funciona de forma idêntica no iPhone, Apple Watch e Android. Esta única camada fecha aproximadamente 80% da diferença de precisão entre um telemóvel e um instrumento dedicado a 25 Hz.
O filtro de Kalman assume aceleração constante. É um bom modelo para um barco a navegar em linha reta, mas falha nos cenários que mais importam: os últimos 30 segundos de aproximação à largada, quando os velejadores ajustam a velocidade, abatam, amuram e fazem talhas.
O Flying Start usa uma rede neuronal convolucional 1D que corre inteiramente no teu dispositivo para prever o que o filtro de Kalman erra. Está treinada em dezenas de milhares de aproximações simuladas à largada com física de vela realista — talhas, mudanças de velocidade, efeitos de corrente, ruído GPS — e aprende os padrões que os modelos físicos simples ignoram.
Como funciona: o modelo analisa uma janela deslizante de 30 segundos da tua aproximação — perfil de velocidade, mudanças de rumo, padrão de aceleração, distância à linha, velocidade de aproximação e contagem decrescente restante. Viu milhares de cenários simulados onde conhece o tempo real de cruzamento, e aprendeu quais padrões o filtro de Kalman avalia mal.
Quando ajuda mais: o modelo acrescenta mais valor nos últimos 15–30 segundos antes de uma largada, quando estás a manobrar ativamente. Um velejador a amura para matar velocidade, depois a abater para acelerar — o filtro de Kalman prevê com base na aceleração atual, mas o modelo reconhece o padrão e antecipa a próxima mudança de velocidade. Em cenários de teste com talhas e mudanças de velocidade, a camada ML reduz o erro TTL em 1–3 segundos em comparação com o filtro de Kalman sozinho.
Quando não ajuda muito: numa aproximação limpa em linha reta com velocidade constante, o filtro de Kalman já é muito preciso. O modelo ML não acrescenta muito nessas situações — e está concebido para não o fazer. A correção está limitada a ±30% do TTL de Kalman, pelo que o modelo pode refinar a estimativa mas nunca pode produzir um resultado completamente errado.
Nem o Velocitek ProStart nem o Vakaros Atlas 2 usam aprendizagem automática para a previsão TTL. Baseiam-se na cinemática: distância dividida por velocidade. Isso funciona bem com GPS a 25 Hz, mas tem o mesmo ponto cego — não pode antecipar manobras. A camada ML é algo que o software pode fazer e o hardware não, porque melhora com o tempo à medida que aprende com mais dados.
O modelo atual é treinado em dados sintéticos — largadas de regata simuladas por computador com física de vela realista. É bom, mas as simulações não conseguem capturar tudo. A forma como um 420 se aproxima de uma linha de partida é diferente de um J/70 ou de um Laser. Os padrões de maré no Solent são diferentes da baía de São Francisco. As largadas com vento fraco não se assemelham em nada às largadas de bolina a 25 nós.
O Flying Start captura métricas de tempo anonimizadas de largadas reais — velocidade filtrada, rumo, distância à linha e o momento real de cruzamento — e usa estes dados para retreinar o modelo. Cada largada, em todas as classes e locais, torna as previsões mais precisas para todos.
Não precisas de fazer nada. Se a gravação de rasto GPS estiver ativada (está por defeito), as tuas largadas contribuem automaticamente para os dados de treino. Os dados são anonimizados antes do treino — sem nomes, sem locais, apenas a forma da aproximação e o momento do cruzamento. Podes optar por não participar em qualquer momento nas Definições.
Os instrumentos de hardware não conseguem fazer isto. Um Velocitek ProStart não tem ligação de rede e não tem forma de melhorar os seus algoritmos depois de sair da fábrica. Um Vakaros Atlas 2 tem conectividade, mas o seu cálculo TTL é pura cinemática — não há um ciclo de aprendizagem. O modelo do Flying Start melhora a cada época.
O modelo base aprende com todos os velejadores. Mas as tuas largadas têm padrões únicos para ti — com que agressividade aceleras nos últimos 10 segundos, quanta velocidade perdes numa talha, com que antecedência começas a tua aproximação final.
O framework Core ML da Apple suporta atualizações do modelo no dispositivo via MLUpdateTask no iPhone. Isto significa que o Flying Start pode ajustar o modelo base aos teus padrões específicos após 20–30 largadas — sem enviar quaisquer dados para um servidor. A personalização acontece inteiramente no teu telefone.
Após largadas suficientes, as tuas previsões TTL não vão apenas refletir como um velejador médio se aproxima de uma linha de partida. Vão refletir como you tu a abordas — o teu barco, o teu estilo, as tuas tendências.
A personalização no dispositivo requer um iPhone. O Apple Watch pode executar o modelo personalizado (sincronizado do iPhone emparelhado) mas não pode realizar o treino no dispositivo por si mesmo. O suporte Android depende de frameworks de treino no dispositivo equivalentes. A personalização precisa de dados suficientes — as primeiras 20–30 largadas usam o modelo base antes de a personalização entrar em ação.
Somos engenheiros. Acreditamos em comparações honestas. Aqui está o que um instrumento de $1.000 te dá que o software sozinho não consegue replicar.
O Vakaros Atlas 2 atinge uma precisão de ~25 cm com GNSS de dupla banda a 25 Hz e correções diferenciais em tempo real. Mesmo com o nosso filtro de Kalman, um GPS de telemóvel tem um ruído de fundo de 1–2 metros. Para chamadas OCS oficiais de nível campeonato — onde os centímetros determinam se partes ou não — o hardware dedicado tem vantagem.
25 Hz significa um novo fix de posição a cada 40 milissegundos. O GPS do telemóvel funciona a 1 Hz (um fix por segundo). O nosso filtro de Kalman interpola entre fixes a 4 Hz, mas é previsão, não medição. Nos últimos 3–5 segundos de uma largada, quando as coisas mudam mais rapidamente, o GPS bruto de alta taxa tem uma vantagem inerente.
Um ecrã de 4,4" legível à luz solar com Gorilla Glass e bateria de 100 horas é construído especificamente para o cockpit. Um telemóvel numa capa impermeável é bom, mas continua a ser um telemóvel. O Apple Watch no pulso é possivelmente melhor para olhadas rápidas, mas o ecrã é pequeno.
Descarrega o Flying Start grátis. Atualiza para Premium para TTL, DTL, alertas OCS, Classificação de largada, Apple Watch e tudo o resto.