Titulo Estágio
Applying machine learning on racing telemetry for drivers’ styles
Áreas de especialidade
Sistemas Inteligentes
Local do Estágio
Laboratórios do Grupo de Computação Adaptativa do CISUC
Enquadramento
O mundo de racing esports –- competicoes de desportos motorizados online – , ainda esta a emergir, bem como todos os elementos que compoem este tipo de competicoes feito online. A utilizacao atual dos dados de telemetria e’ baseada no que e’ feito no mundo real, ainda nao aperfeicoada para utilizar as vantagens inerentes ao novo formato. Por exemplo, os dados serem normalmente analisados de uma forma individual ou comparativa entre duas amostras, em detrimento de uma analise mais agregada a uma grande quantidade de dados.
Uma das oportunidades relaciona-se com o facto de os pilotos poderem ter varios estilos diferentes de conducao, levando a sugestoes diferentes para melhoria da sua performance na pista.
Este estágio enfoca-se na resolucao deste problema, enquadrando-se para isso na aplicação de de algoritmos de machine learning no desenvolvimento de modelos de classificacao de estilos de com base na sua telemetria.
Objetivo
O principal objetivo deste projecto consiste no desenvolvimento de modelos de identificacao dos estilos de pilotos virtuais com base em dados de telemetria do software de simulacao de corridas rFactor 2. Para tal, poderao serao usadas bases de dados com mais de uma centena de canais de informacao de telemetria, com registos de varios pilotos diferentes. O resultado do modelo deve ser claro na identificacao do estilo de conducao.
Os principais desafios cientificos sao: i) identificacao das caracteristicas chave que melhor identificam um estilo de conducao com base nos dados; ii) identificacao da estrutura e algoritmo correcto de machine learning a implementar;
Plano de Trabalhos - Semestre 1
1. Levantamento de trabalhos relacionados de investigacao de outras Universidades
Resultados: sumario de outros trabalhos potencialmente relacionados
2. Identificação das variaveis chave para definicao dos potenciais estilos de conducao, com base em algoritmos de clustering / reconhecimento de padroes
Serao facilitadas varias hipoteses de trabalho que deverao ser complementadas com tecnicas de data mining.
Resultados esperados: identificação de variaveis chave idenpendentes (em canais de informacao ou “features” dos dados), a serem utilizadas para a definicao de estilos de conducao
3. Escrita de relatorio intermedio com resultados obtidos durante o 1o semestre, e justificacao para os mesmos
Plano de Trabalhos - Semestre 2
1. Identificacao de potenciais estilos de conducao (classificacao), com base nas variaveis chave independentes definidas no semestre anterior
Resultados esperados: relatório sobre os estilos de conducao identificados nos dados partilhados
2. Definicao e implementacao de algoritmo de machine learning para classificacao automatizada dos estilos de conducao, tendo em conta os dados referentes a um piloto especifico
Resultados esperados: definicao do algoritmo de machine learning utililizado e programa escrito em python para treino, teste de treino, e utilizacao de classificacao com sucesso de um piloto, com base em dados de telemetria partilhados.
3. Escrita da tese
Condições
O trabalho decorrerá nos Laboratórios do Grupo de Computação Adaptativa do CISUC, no DEI.
Observações
As bases de dados com a informacao estao em Apache Cassandra.
Os algoritmos devem ser implementados em Python, com ferramentas adicionais a discutir em conjunto.
Este trabalho tem um conteúdo de investigação inovador relevante para publicacoes cientificas, sendo de elevado interesse a comunidade de racing esports.
Orientador
Ricardo Rodrigues Morais Diz
Ricardo@fidgrove.com 📩