F1 레이스 전략의 혁신: AI 기반 타이어 에너지 예측 모델
F1 레이스 전략 최적화를 위한 AI 기반 타이어 에너지 예측 모델 개발 연구 결과를 소개합니다. 딥러닝과 XGBoost 모델을 활용하여 높은 예측 정확도를 달성하였으며, 설명 가능한 AI 기법을 통해 모델의 신뢰성을 향상시켰습니다.

스피드와 전략의 향연, 포뮬러 원(F1) 세계에서 AI가 새로운 역사를 쓰고 있습니다.
고압의 극한 상황 속에서 펼쳐지는 F1 레이스. 승패를 가르는 순간들은 찰나의 선택에 달려 있습니다. 피트 스톱 시점과 타이어 선택은 그 중 가장 중요한 전략적 결정입니다. 이러한 결정을 최적화하기 위해서는 타이어의 마모 정도를 정확하게 예측하는 것이 필수적이며, 이는 타이어에 가해지는 에너지, 즉 '타이어 에너지'를 예측하는 것과 직결됩니다.
메르세데스-AMG 페트로나스 F1 팀의 역사적인 레이스 데이터를 활용한 획기적인 연구가 진행되었습니다. Jamie Todd, Junqi Jiang 등 연구진은 텔레메트리 데이터를 기반으로 딥러닝 모델을 학습시켜 타이어 에너지를 예측하는 모델을 개발했습니다. 여기에 그치지 않고, 의사결정 트리 기반의 머신러닝 알고리즘인 XGBoost 모델도 함께 적용하여 성능을 비교 분석했습니다. 두 모델 모두 놀라운 예측 정확도를 보여주었습니다.
하지만 정확성만으로는 충분하지 않습니다. AI 모델의 예측 결과에 대한 신뢰도를 높이기 위해, 연구진은 '설명 가능한 AI (Explainable AI, XAI)' 기법을 도입했습니다. 특히, feature importance와 counterfactual explanations를 활용하여 예측 결과의 근거를 명확히 제시함으로써, 모델의 '블랙박스' 성격을 해소하고, F1 팀이 AI 모델의 결과를 더욱 신뢰하고 활용할 수 있도록 했습니다.
이 연구의 결과는 단순한 예측 모델을 넘어, F1 팀의 레이스 전략 최적화에 실질적으로 기여할 수 있는 '설명 가능한 자동화된 방법'을 제시합니다. 피트 스톱 전략과 타이어 선택의 최적화를 통해, 레이스 결과에 긍정적인 영향을 미칠 것으로 기대됩니다. AI 기술은 이제 F1의 흥미진진한 경쟁 속에서 전략적 우위를 점하는 중요한 요소로 자리매김하고 있습니다. 앞으로 AI는 어떤 혁신적인 전략들을 F1에 가져다줄까요? 기대되는 미래입니다.
Reference
[arxiv] Explainable Time Series Prediction of Tyre Energy in Formula One Race Strategy
Published: (Updated: )
Author: Jamie Todd, Junqi Jiang, Aaron Russo, Steffen Winkler, Stuart Sale, Joseph McMillan, Antonio Rago
http://arxiv.org/abs/2501.04067v1