“Siamo affamati di dati”. Le parole di Eliseo Sciarretta, responsabile sviluppo software e applicazioni pista di Ducati Corse, risuonano nella mia testa a pochi passi dall’asfalto perfetto del circuito del Mugello, mentre con la macchina fotografica in mano guardo le prove libere del Gran Premio MotoGP – Brembo ‘Italia 2024. Ci penso mentre a pochi metri da noi, uno dopo l’altro, volteggiano come missili gli straordinari piloti della massima categoria delle moto da corsa: atleti capaci di domare mostri che pesano poco più di 160 chili ed esprimono quasi 300 cavalli del potere bruto; che accelerano in maniera esplosiva e spettacolare, per poi frenare da quasi 340 km/h a circa 90 in poco più di 300 metri, tutte decine di volte in una sola gara. E che, come le Ducati al Mugello, raggiungono e superano i 360 km/h in rettilineo.
Siamo qui nei giorni precedenti la gara per incontrare alcuni dirigenti del Ducati Lenovo Team. Come in passato, l’obiettivo è scoprire quali segreti tecnologici si nascondono dietro i successi ottenuti negli ultimi anni dal produttore italiano che dal 2018 ha come partner il colosso tecnologico globale Lenovo, e una cosa diventa subito chiara: oggi i piloti sono “eroi aumentati”. Le moto che guidano richiedono doti fisiche e mentali straordinarie (come quelle dimostrate da Francesco “Pecco” Bagnaia, vincitore anche di questo Gran Premio d’Italia Brembo 2024 su Ducati), e il pilota umano resta il protagonista assoluto della competizione, ma non sarebbe ingestibile senza l’elettronica di bordo sempre più complessa, senza le centraline intelligenti che utilizzano algoritmi sviluppati internamente per analizzare i dati e dare feedback specifici; e, soprattutto, se i team non potessero raccogliere, analizzare e sfruttare in tempo reale l’enorme quantità di dati che questi veicoli producono mentre corrono in pista. Dati che, per citare le parole di Sciarretta, non bastano mai, soprattutto se devono essere dati in pasto ad algoritmi di machine learning.
Nel corso di ogni weekend di gara, il Ducati Lenovo Team accumula un totale di 100GB di dati provenienti dalle otto Ducati Desmosedici GP che gareggiano in pista. In MotoGP non esiste la telemetria come nei Gran Premi automobilistici, e quindi è solo durante i brevi pit-stop (ad esempio durante i test) che gli ingegneri Ducati hanno la possibilità di scaricare i dati dalla moto, sottoponendoli ad una prima analisi, effettuare scelte e modificare le impostazioni. Ad ogni sosta, hai circa 5 minuti per effettuare riparazioni e prendere decisioni chiave che influenzeranno le prestazioni fino al pitstop successivo.
L’infrastruttura tecnologica, dal box al cloud
Ogni secondo è prezioso, ed è proprio per questo che – a partire da quest’anno – è stata introdotta nel garage del Ducati Lenovo Team l’infrastruttura iperconvergente (HCI) Lenovo ThinkAgile, che grazie agli edge server ThinkSystem SE350 consente di analizzare grandi quantità dei dati in modo efficiente anche in movimento e in condizioni complesse, come si può sperimentare ai box di una gara di MotoGP. L’infrastruttura è innanzitutto ottimizzata per far funzionare software che utilizzano strumenti di deep learning e machine learning sviluppati da Ducati, grazie ai quali il Reparto Corse è in grado di migliorare le prestazioni, l’affidabilità e la sicurezza delle moto.
I tecnici Ducati utilizzano le postazioni mobili Lenovo ThinkPad P1 per interfacciarsi con le moto nel garage e in pista fino a pochi secondi prima della partenza, ma lo sforzo tecnologico non si esaurisce dove si svolge la gara: Ducati Corse utilizza anche il Ducati Lenovo Remote Garage , che ha sede fisica a Borgo Panigale, nella sede della casa costruttrice. Qui gli ingegneri ricevono i dati dalla scatola in tempo reale e possono utilizzarli per eseguire analisi più complesse che richiedono maggiore potenza di calcolo. Aggiornato ogni anno con le ultime tecnologie, il Garage Remoto è anche il luogo dove vengono effettuate le simulazioni aerodinamiche e fluidodinamiche, fondamentali per migliorare le prestazioni delle moto durante la competizione ma anche tra una gara e l’altra, che il team Ducati sviluppa con tecnologia High Performance Computing (HPC) basata sui server ThinkSystem SD530, SR630 e SR650. E se anche questa capacità di elaborazione non bastasse, c’è sempre il cloud di Lenovo, che fornisce potenza e servizi aggiuntivi per adattarsi rapidamente ai picchi di lavoro.
«Siamo affamati di dati – spiega Eliseo Sciarretta, responsabile sviluppo software e applicazioni pista di Ducati Corse – perché abbiamo bisogno di sapere cosa succede sulla moto. Il pilota è ovviamente il primo sensore, ma poi ce ne sono altri 50 da cui attingere”. Il processo è fondamentale non solo per ottenere il massimo a gara in corso, ma anche a lungo termine, quando si dovrà sviluppare l’intera moto: «La fluidodinamica computazionale ci permette di simulare la dinamica dei liquidi in un motore e aerodinamica della moto – spiega Sciarretta – e questo ci aiuta molto in fase di progettazione e test, quando possiamo capire l’effetto delle nostre scelte senza bisogno di scendere in pista, con un notevole risparmio in termini di costi e tempo”.
Il robot in pista
E se i dati non bastano mai, non resta che trovare nuovi modi per produrli. Ad esempio, il giovedì prima della gara, quando in pista non sono ammessi mezzi a motore: solitamente è quello il momento in cui i piloti Ducati percorrono il circuito a piedi, seguiti da un ingegnere che spinge il carrello con gli strumenti necessari per rilevare la loro traiettoria ideale, la suddivisione in settori della pista ed altre preziose informazioni sul percorso. Anche qui, però, le cose stanno per cambiare: «Lo scorso marzo mi sono laureato, e il tema che volevo affrontare nella mia tesi era proprio come migliorare e potenziare questo trolley dal punto di vista tecnologico», spiega Andrea Gorfer, MotoGP Electronics & Progettista di Sistemi Elettronici per Ducati Corse.
Entrato nel team dal 2015, ha portato il suo progetto in azienda e ha sviluppato NTB-01, un robot a guida semi-autonoma che è in grado di seguire da solo il pilota mentre cammina in pista e aumenta notevolmente la quantità di informazioni che è possibile raccogliere . «Mi sono chiesto come portare questo strumento a un livello superiore – spiega Gorfer – quindi prima di tutto ho aggiunto dei sensori: un secondo contachilometri, una telecamera stereo, un sensore Lidar, un GPS e altro ancora. Insieme, questi sistemi sono in grado di leggere molto meglio la traccia, definendo ad esempio la posizione del cordolo in curva con molta più precisione”.
In questo modo la piattaforma inerziale della moto viene informata con dati più puntuali rispetto al passato, permettendole di funzionare in modo più efficiente. Oltre ai sensori, sul robot di Gorfer c’è anche una compatta e performante workstation Lenovo ThinkStation P360 Ultra, che raccoglie ed elabora – già in pista durante i rilievi, con grande risparmio di tempo – circa 200 GB di dati per circuito. Uno scrigno di informazioni che si aggiunge a quello prodotto dalle moto in pista e dalle simulazioni.
L’ingegnere AI e (forse) la moto intelligente
«Con tecniche di machine learning cerchiamo di replicare l’intelligenza dei nostri ingegneri». David Attisano, responsabile Data Analysis – Racing e R&D di Ducati Corse, prova ad approfondire le molteplici applicazioni dell’AI nel campo delle corse motociclistiche: «Quando abbiamo iniziato la MotoGP la difficoltà era trovare i dati – spiega Attisano – perché non c’è no, erano i sensori. Poi, quando sono arrivati i sensori e i dati, la potenza di calcolo e di archiviazione era insufficiente. Ora che questi problemi sono stati risolti – prosegue – possiamo addestrare gli algoritmi con vent’anni di dati che rappresentano tutta l’esperienza di Ducati”, creando di fatto un ingegnere digitale potenziato dall’AI. Oggi questa tecnologia serve soprattutto a supportare il team Ducati Corse nelle scelte tecniche e strategiche, ma in futuro – ipotizziamo – potrebbe forse “dare la parola” alla moto stessa, rendendola capace di interagire con il pilota e il ingegneri in gara e in modo più diretto di quanto non avvenga adesso, quando l’intelligenza artificiale nella centralina della moto segnala, ad esempio, possibili malfunzionamenti.
Intanto, tra le altre applicazioni del machine learning per l’analisi dei big data in MotoGP, merita infine di essere menzionato il Virtual sensing: «Si tratta di una sorta di realtà aumentata – spiega Attisano – grazie alla quale è possibile emulare sensori che nella realtà Non sono a bordo della moto per mancanza di spazio o di regolamenti. Incrociando i dati di più sensori fisici possiamo crearne uno virtuale che funziona come uno reale. I sensori fisici sono 50, ma i sensori virtuali generati possono essere più di mille e noi sviluppiamo gli algoritmi per fare tutto questo”.
Uno scambio alla pari
Iniziata nel 2018 come sponsorizzazione e proseguita nel 2021 come partnership, la collaborazione tra Ducati Corse e Lenovo è sempre più stretta, e porta valore ad entrambe le aziende. Infatti, se da un lato la tecnologia del colosso tech contribuisce a migliorare molte delle attività del team di Borgo Panigale, dall’altro Lenovo ottiene molto in cambio: «Prima di tutto porta un arricchimento a livello umano – spiega Alessandro de Bartolo, CEO e Country General Manager Infrastructure Solutions Group di Lenovo -, dato che negli anni si è instaurato un costante scambio di competenze, approcci e metodologie. C’è anche la possibilità di sperimentare le nostre tecnologie più avanzate e recenti, che mettiamo a disposizione di Ducati per i primi test in un contesto complesso e ricco di sfide utili”. Lenovo, infine, è un’azienda globale, e oltre all’ovvio ritorno di immagine vale la pena collaborare con un’azienda che mette al centro performance e affidabilità: «La nostra collaborazione è un successo tutto italiano da cui traiamo insegnamenti che potremo applicare in altri contesti e mercati”, conclude de Bartolo.
v
