เรขาคณิต การประมวลผลสัญญาณ การเรียนรู้ของเครื่อง วิธีที่ Flying Start คาดการณ์ว่าคุณจะข้ามเส้นสตาร์ทเมื่อใด — และสิ่งที่ทำให้แตกต่างจากฮาร์ดแวร์ที่มีราคา 50 เท่า
การคำนวณ Time-To-Line ทุกครั้งเริ่มต้นด้วยปัญหาเรขาคณิต ตำแหน่ง GPS ของคุณคือจุด COG ของคุณกำหนดรังสีที่ยื่นออกมาจากจุดนั้น เส้นสตาร์ทคือส่วนของเส้นตรงระหว่าง PIN และเรือ RC จุดที่เส้นทั้งสองพบกัน — และระยะทางของจุดตัดนั้น — กำหนดว่านานแค่ไหนจนกว่าคุณจะข้าม
Flying Start ใช้อัลกอริทึมการตัดกันของรังสีกับส่วนของเส้นตรงแบบพารามิเตอร์เพื่อหาจุดที่แน่นอนที่เส้นทางของคุณข้ามเส้นสตาร์ท ต่างจากการคำนวณระยะตั้งฉากอย่างง่าย วิธีนี้คำนึงถึงมุมของการเข้าสู่ เส้นทาง 45 องศาต่อเส้น? TTL ของคุณยาวกว่าระยะเส้นตรงที่แนะนำ เส้นทางขนาน? TTL ไม่ได้กำหนด — คุณจะไม่มีทางข้าม
นี่คือเรขาคณิตพื้นฐานเดียวกับที่เครื่องมือเฉพาะทางอย่าง Velocitek ProStart และ Vakaros Atlas 2 ใช้ คณิตศาสตร์เหมือนกัน สิ่งที่แตกต่างคือความแม่นยำของอินพุต
GPS ได้รับชื่อเสียงไม่ดีจากหุบเขาในเมือง ในเมือง สัญญาณกระเด้งออกจากอาคารและตัวรับไม่สามารถแยกแยะสัญญาณตรงจากสัญญาณที่สะท้อน ผลลัพธ์คือการรบกวน multipath — ข้อผิดพลาดตำแหน่ง 5–15 เมตร
การแล่นเรือตรงข้ามกับเมือง คุณอยู่บนน้ำราบพร้อมมุมมองท้องฟ้าทั้งหมดโดยไม่มีสิ่งกีดขวาง ไม่มีอะไรให้สะท้อน ทุกสัญญาณดาวเทียมส่งมาถึงสะอาด
โทรศัพท์ที่มี GPS ความถี่คู่ (L1+L5) ได้ความแม่นยำ 1–2 เมตรในน้ำเปิด แบนด์ L5 เพิ่มความถี่ที่สองที่ขจัดข้อผิดพลาดบรรยากาศไอโอโนสเฟียร์และช่วยแยกแยะสัญญาณตรงจากการสะท้อน บนน้ำ สิ่งนี้นำคุณเข้าใกล้ขีดจำกัดเชิงปฏิบัติของ GNSS ผู้บริโภค โทรศัพท์ที่มี GPS ความถี่เดียว (L1 เท่านั้น) ยังคงได้ 3–5 เมตรในน้ำเปิด — ดีกว่าในเมืองอย่างมีนัยสำคัญ
iPhone: iPhone 15, 16 และ 17 (ทุกรุ่น) และ iPhone 14 Pro / Pro Max iPhone 14 มาตรฐานและ iPhone SE ใช้ L1 เท่านั้น
Apple Watch: Ultra, Ultra 2 และ Ultra 3 Apple Watch มาตรฐาน (Series 9, 10, 11, SE) ใช้ L1 เท่านั้น
Android: รุ่นเรือธงส่วนใหญ่จากปี 2020 เป็นต้นไป — รวมถึง Pixel 5+, Samsung Galaxy S21+ และ OnePlus 9+ ตรวจสอบสเปคโทรศัพท์ของคุณสำหรับ “L5” หรือ GNSS “ความถี่คู่”
Flying Start ทำงานบนอุปกรณ์ทุกเครื่องที่มี GPS ความถี่คู่ให้ความแม่นยำที่ดีกว่า แต่ฟิลเตอร์ Kalman และโมเดล ML ปรับปรุงการคาดการณ์โดยไม่คำนึงถึงแบนด์ที่ฮาร์ดแวร์ของคุณรองรับ
ฮาร์ดแวร์เฉพาะทางอย่าง Vakaros Atlas 2 มีข้อได้เปรียบ: อัตราอัปเดต 25 Hz และการแก้ไขส่วนต่างที่ดันความแม่นยำไปถึง ~25 เซนติเมตร นั่นดีกว่าจริงๆ แต่ช่องว่างแคบกว่าที่คนส่วนใหญ่คาดไว้ — และความแตกต่างที่เหลือสามารถแก้ไขได้ในซอฟต์แวร์
Vakaros Atlas 2 ได้ความแม่นยำ ~25 ซม. ด้วย GNSS แบนด์คู่ที่ 25 Hz Velocitek ProStart ใช้ตัวรับหลายกลุ่มดาวที่ 25 Hz พร้อม WAAS augmentation ทั้งคู่สร้างขึ้นเพื่องานนี้โดยเฉพาะ และสำหรับการเรียก OCS ระดับกรรมการอย่างเป็นทางการในระดับแชมเปียนชิป ความแม่นยำนั้นมีความสำคัญ แนวทางของ Flying Start คือการปิดช่องว่างความแม่นยำผ่านการประมวลผลสัญญาณและการเรียนรู้ของเครื่องแทนที่จะเป็นฮาร์ดแวร์
GPS ดิบให้ตำแหน่งหนึ่งครั้งต่อวินาที ระหว่างการอัปเดตเหล่านั้น โลกยังคงเคลื่อนที่ เรือที่วิ่ง 5 นอตครอบคลุม 2.5 เมตรต่อวินาที — และตำแหน่ง GPS ที่คุณได้รับครึ่งวินาทีก่อนหน้านั้นเก่าแล้ว ยิ่งกว่านั้น GPS fix ที่ต่อเนื่องกันกระโดดแบบสุ่มภายในวงความแม่นยำ ทำให้การอ่านความเร็วและทิศทางสั่นไหว
นี่คือแหล่งความไม่เสถียรของ TTL ที่ใหญ่ที่สุดในเครื่องมือ GPS อย่างง่าย คุณคำนวณ TTL จากความเร็วและทิศทาง ถ้าความเร็วสั่นไหวระหว่าง 2.3 และ 2.7 m/s จาก fix หนึ่งไปยังอีก fix TTL กระโดดหลายวินาทีในทุกการอัปเดต ถูกต้องโดยเฉลี่ย แต่ไม่มีประโยชน์สำหรับการจับเวลาสตาร์ท
Flying Start ใช้ Extended Kalman Filter (EKF) ที่แก้ปัญหาทั้งสองพร้อมกัน
ฟิลเตอร์รักษาสถานะหกมิติ: ตำแหน่ง ความเร็ว และความเร่งในสองแกน สี่ครั้งต่อวินาที มันคาดการณ์ว่าเรือควรอยู่ที่ใดตามฟิสิกส์ — การประมาณค่าความเร่งคงที่ หนึ่งครั้งต่อวินาที เมื่อ GPS fix ใหม่มาถึง มันผสมการคาดการณ์กับการวัด โดยถ่วงน้ำหนักแต่ละค่าตามความไม่แน่นอน
GPS fix ที่มีความแม่นยำสูงดึงสถานะมากกว่า Fix ที่แย่ดึงน้อยกว่า ระหว่าง fix การคาดการณ์เติมช่องว่าง ผลลัพธ์: ตำแหน่งและความเร็วที่อัปเดตราบรื่นที่ 4 Hz แทนที่จะกระโดดที่ 1 Hz
สิ่งนี้หมายความว่าอย่างไรสำหรับ TTL: ความเร็วและทิศทางที่ป้อนเข้าการคำนวณ TTL เป็นค่าที่กรองแล้ว เสถียร — ไม่ใช่สัญญาณรบกวน GPS ดิบ ฟิลเตอร์ยังติดตามความเร่ง ดังนั้นถ้าคุณลดความเร็วเข้าสู่การหักเลี้ยว การประมาณสถานะสะท้อนสิ่งนั้นแทนที่จะสมมติความเร็วคงที่
EKF คือการปรับปรุงที่ใหญ่ที่สุดสำหรับความแม่นยำ TTL ขจัดการสั่นไหวที่ทำให้การคำนวณ TTL ด้วย GPS ดิบไม่น่าเชื่อถือ ทำให้ความเร็วและสัญญาณรบกวนทิศทางราบรื่น และเติม 1 Hz ช่องว่างด้วยการคาดการณ์ตามฟิสิกส์ มันเป็นแบบ deterministic อย่างสมบูรณ์ — ไม่ต้องใช้ข้อมูลฝึก ไม่ขึ้นกับ cloud ทำงานเหมือนกันบน iPhone, Apple Watch และ Android ชั้นนี้ปิดช่องว่างความแม่นยำประมาณ 80% ระหว่างโทรศัพท์และเครื่องมือ 25 Hz เฉพาะทาง
ฟิลเตอร์ Kalman สมมติความเร่งคงที่ นั่นเป็นโมเดลที่ดีสำหรับเรือที่แล่นในเส้นตรง แต่มันพังทลายในสถานการณ์ที่สำคัญที่สุด: 30 วินาทีสุดท้ายของการเข้าสู่สตาร์ท เมื่อนักแล่นเรือกำลังปรับความเร็ว หันหลบ เข้าลม และหักเลี้ยว
Flying Start ใช้เครือข่ายประสาทเทียมแบบ 1D convolutional ที่ทำงานทั้งหมดบนอุปกรณ์ของคุณเพื่อคาดการณ์สิ่งที่ฟิลเตอร์ Kalman ผิดพลาด มันถูกฝึกบนการจำลองการเข้าสู่สตาร์ทหลายหมื่นครั้งด้วยฟิสิกส์การแล่นเรือจริง — การหักเลี้ยว การเปลี่ยนความเร็ว ผลกระทบกระแสน้ำ สัญญาณรบกวน GPS — และเรียนรู้รูปแบบที่โมเดลฟิสิกส์อย่างง่ายพลาด
วิธีการทำงาน: โมเดลดูหน้าต่าง 30 วินาทีที่เลื่อนของการเข้าสู่ของคุณ — โปรไฟล์ความเร็ว การเปลี่ยนทิศทาง รูปแบบความเร่ง ระยะทางถึงเส้น ความเร็วในการปิด และเวลาถอยหลังที่เหลือ มันเห็นสถานการณ์จำลองหลายพันครั้งที่มันรู้เวลาข้ามจริง และได้เรียนรู้รูปแบบที่ฟิลเตอร์ Kalman ตัดสินผิด
เมื่อมันช่วยได้มากที่สุด: โมเดลเพิ่มมูลค่ามากที่สุดใน 15–30 วินาทีสุดท้ายก่อนสตาร์ท เมื่อคุณกำลังซ้อมรบอย่างแข็งขัน นักแล่นเรือเข้าลมเพื่อลดความเร็ว จากนั้นหันหลบเพื่อเร่ง — ฟิลเตอร์ Kalman คาดการณ์ตามความเร่งปัจจุบัน แต่โมเดลจำรูปแบบได้และคาดการณ์การเปลี่ยนแปลงความเร็วที่กำลังจะมา ในสถานการณ์ทดสอบที่มีการหักเลี้ยวและการเปลี่ยนความเร็ว ชั้น ML ลดข้อผิดพลาด TTL ลง 1–3 วินาทีเทียบกับฟิลเตอร์ Kalman เพียงอย่างเดียว
เมื่อมันช่วยไม่มากนัก: ในการเข้าสู่แบบเส้นตรงที่สะอาดด้วยความเร็วคงที่ ฟิลเตอร์ Kalman มีความแม่นยำสูงมากอยู่แล้ว โมเดล ML ไม่เพิ่มมากนักในสถานการณ์เหล่านั้น — และมันออกแบบมาเพื่อไม่เพิ่ม การแก้ไขถูกจำกัดไว้ที่ ±30% ของ Kalman TTL ดังนั้นโมเดลสามารถปรับแต่งการประมาณได้แต่ไม่สามารถสร้างผลลัพธ์ที่ผิดอย่างมากได้
ทั้ง Velocitek ProStart และ Vakaros Atlas 2 ไม่ใช้การเรียนรู้ของเครื่องสำหรับการคาดการณ์ TTL พวกเขาพึ่งพาจลนศาสตร์: ระยะทางหารความเร็ว นั่นทำงานได้ดีกับ GPS 25 Hz แต่มีจุดบอดเดียวกัน — ไม่สามารถคาดการณ์การซ้อมรบได้ ชั้น ML คือสิ่งที่ซอฟต์แวร์สามารถทำได้ที่ฮาร์ดแวร์ทำไม่ได้ เพราะมันปรับปรุงตามเวลาเมื่อเรียนรู้จากข้อมูลมากขึ้น
โมเดลปัจจุบันถูกฝึกบนข้อมูลสังเคราะห์ — การสตาร์ทการแข่งที่จำลองด้วยคอมพิวเตอร์พร้อมฟิสิกส์การแล่นเรือจริง มันดี แต่การจำลองไม่สามารถจับทุกอย่างได้ วิธีที่ 420 เข้าสู่เส้นสตาร์ทแตกต่างจาก J/70 หรือ Laser รูปแบบน้ำขึ้นน้ำลงใน Solent แตกต่างจาก San Francisco Bay การสตาร์ทลมเบาไม่เหมือนกับการสตาร์ทต้านลม 25 นอตเลย
Flying Start จับเมตริกเวลาที่ไม่ระบุตัวตนจากการสตาร์ทการแข่งจริง — ความเร็วที่กรองแล้ว ทิศทาง ระยะทางถึงเส้น และช่วงเวลาจริงของการข้าม — และใช้ข้อมูลนี้เพื่อฝึกโมเดลใหม่ ทุกการสตาร์ท ในทุกชั้นและสถานที่ ทำให้การคาดการณ์แม่นยำขึ้นสำหรับทุกคน
คุณไม่ต้องทำอะไร หาก GPS track recording เปิดใช้งาน (เป็นค่าเริ่มต้น) การสตาร์ทของคุณจะมีส่วนร่วมกับข้อมูลฝึกโดยอัตโนมัติ ข้อมูลถูกทำให้ไม่ระบุตัวตนก่อนการฝึก — ไม่มีชื่อ ไม่มีตำแหน่ง แค่รูปร่างของการเข้าสู่และเวลาของการข้าม คุณสามารถเลือกไม่ร่วมได้ตลอดเวลาในการตั้งค่า
เครื่องมือฮาร์ดแวร์ไม่สามารถทำสิ่งนี้ได้ Velocitek ProStart ไม่มีการเชื่อมต่อเครือข่ายและไม่มีวิธีปรับปรุงอัลกอริทึมหลังออกจากโรงงาน Vakaros Atlas 2 มีการเชื่อมต่อ แต่การคำนวณ TTL เป็นจลนศาสตร์ล้วนๆ — ไม่มี learning loop โมเดลของ Flying Start ดีขึ้นทุกซีซัน
โมเดลพื้นฐานเรียนรู้จากนักแล่นเรือทุกคน แต่การสตาร์ทของคุณมีรูปแบบที่เป็นเอกลักษณ์สำหรับคุณ — คุณเร่งเครื่องอย่างก้าวร้าวแค่ไหนใน 10 วินาทีสุดท้าย คุณสูญเสียความเร็วเท่าไหร่ในการหักเลี้ยว คุณเริ่มเข้าสู่ขั้นสุดท้ายเร็วแค่ไหน
เฟรมเวิร์ก Core ML ของ Apple รองรับการอัปเดตโมเดลบนอุปกรณ์ผ่าน MLUpdateTask บน iPhone ซึ่งหมายความว่า Flying Start สามารถปรับแต่งโมเดลพื้นฐานตามรูปแบบเฉพาะของคุณหลังจาก 20–30 การสตาร์ท — โดยไม่ต้องส่งข้อมูลใดๆ ไปยังเซิร์ฟเวอร์ การปรับแต่งส่วนตัวเกิดขึ้นทั้งหมดบนโทรศัพท์ของคุณ
หลังจากการสตาร์ทเพียงพอ การคาดการณ์ TTL ของคุณจะไม่แค่สะท้อนวิธีที่นักแล่นเรือทั่วไปเข้าสู่เส้นสตาร์ท พวกเขาจะสะท้อนวิธีที่ you เข้าหามัน — เรือของคุณ สไตล์ของคุณ แนวโน้มของคุณ
การปรับแต่งส่วนตัวบนอุปกรณ์ต้องการ iPhone Apple Watch สามารถเรียกใช้โมเดลที่ปรับแต่งส่วนตัว (ซิงค์จาก iPhone ที่จับคู่) แต่ไม่สามารถทำการฝึกบนอุปกรณ์เองได้ รองรับ Android ขึ้นอยู่กับเฟรมเวิร์กการฝึกบนอุปกรณ์ที่เทียบเท่า การปรับแต่งส่วนตัวต้องการข้อมูลเพียงพอ — 20–30 การสตาร์ทแรกใช้โมเดลพื้นฐานก่อนที่การปรับแต่งส่วนตัวจะเริ่มทำงาน
เราเป็นวิศวกร เราเชื่อในการเปรียบเทียบที่ซื่อสัตย์ นี่คือสิ่งที่เครื่องมือ $1,000 มอบให้คุณซึ่งซอฟต์แวร์เพียงอย่างเดียวไม่สามารถทำซ้ำได้
Vakaros Atlas 2 ได้ความแม่นยำ ~25 ซม. ด้วย GNSS แบนด์คู่ที่ 25 Hz และการแก้ไขส่วนต่างแบบเรียลไทม์ แม้กระทั่งกับฟิลเตอร์ Kalman ของเรา GPS โทรศัพท์มีพื้นสัญญาณรบกวน 1–2 เมตร สำหรับการเรียก OCS ระดับกรรมการอย่างเป็นทางการในระดับแชมเปียนชิป — ที่ซึ่งเซนติเมตรกำหนดว่าคุณสตาร์ทหรือออกไปนั่ง — ฮาร์ดแวร์เฉพาะทางมีความได้เปรียบ
25 Hz หมายถึง position fix ใหม่ทุก 40 มิลลิวินาที GPS โทรศัพท์ทำงานที่ 1 Hz (หนึ่ง fix ต่อวินาที) ฟิลเตอร์ Kalman ของเรา interpolate ระหว่าง fix ที่ 4 Hz แต่เป็นการคาดการณ์ ไม่ใช่การวัด ใน 3–5 วินาทีสุดท้ายของการสตาร์ท เมื่อสิ่งต่างๆ เปลี่ยนแปลงเร็วที่สุด GPS ดิบที่มีอัตราสูงกว่ามีข้อได้เปรียบโดยธรรมชาติ
จอขนาด 4.4" ที่อ่านได้ในแสงแดดพร้อม Gorilla Glass และแบตเตอรี่ 100 ชั่วโมงสร้างขึ้นเพื่อห้องนักบินโดยเฉพาะ โทรศัพท์ในเคสกันน้ำดี แต่ก็ยังเป็นโทรศัพท์ Apple Watch บนข้อมืออาจดีกว่าสำหรับการมองแวบ แต่หน้าจอเล็ก
ดาวน์โหลด Flying Start ฟรี อัปเกรดเป็น Premium สำหรับ TTL, DTL, การแจ้งเตือน OCS, คะแนนสตาร์ท, Apple Watch และอื่นๆ ทั้งหมด