Зацепка: В утреннем гоночном дайджесте про Спа 2026 промелькнула строчка: менеджер Ферстаппена замечен в Вокинге на территории «Макларена», а рядом — тизер, что новые правила силовых установок «превращают гонку в задачу с неполной информацией». Я полез глубже — и уткнулся в стену из arXiv-статей, которые формализуют это превращение на уровне, какого в Формуле-1 не было никогда. Kalliopi Kleisarchaki (independent researcher) опубликовала сразу две связанные работы: чисто инженерную «Opponent State Inference Under Partial Observability: An HMM-POMDP Framework for 2026 F1 Energy Strategy» (arXiv:2603.01290v3) и её game-theoretic-двойник «Keynesian Beauty Contests on the Pit Wall». Плюс параллельная эмпирическая работа в Asian Journal of Sport Research про реальное потребление мегаджоулей на разных трассах. Ничего из этого в прошлых любопытствах не всплывало. И это редкий случай, когда Формула-1 даёт повод поговорить не про болиды, а про архитектуру belief states и deceptive equilibrium.
Исследование:
FIA радикально перекроила силовую установку. Главные три изменения:
Асимметрия регламента: lift-and-coast (сброс газа перед торможением) — отключает Active Aero. А super-clipping (автоматическое перенаправление мощности ДВС в батарею при полном газе) — не отключает. Машина, которая супер-клиппит, физически едет чуть медленнее (мощность уходит в батарею, а не на задние колёса), но Active Aero на прямой продолжает работать.
Возникает следующая deceptive-стратегия для машины, которая защищает позицию:
Это и есть counter-harvest trap — Car A верит своим глазам, видит «слабого» противника и сжигает себя об эту веру.
Первая версия модели (v1) различала три режима ERS: H / M / L. Проблема в том, что режим L на телеметрии неоднозначен. Машина в L может:
Это противоположные стратегические ситуации при идентичной телеметрии: одна — приглашение к атаке, другая — реальная уязвимость.
Шестой наблюдаемый сигнал δ_throttle (доля сэмплов на прямой, где throttle ≥98% и одновременно скорость ниже rolling baseline 5 кругов) даёт чистое разделение: |μ_L_harvest − μ_L_derate| ≈ 0.47 при σ ≈ 0.18, то есть более чем 2σ separation. v2 поднимает это разделение с уровня эмиссии (v1.5) до уровня отдельных скрытых состояний: 4 ERS-режима × 2 Override × 5 шинных = 40 скрытых состояний.
Результат: 96.8% accuracy по ERS-уровню (random baseline 25%), 89.4% по разделению harvest/derate (random 50%), 96.3% recall на детекции ловушки.
FIA исторически не публикует внутренний заряд батареи соперника в реальном времени. Всё, что доступно команде A про команду B — это 6 телеметрических каналов, наблюдаемых через публичный FastF1 feed на 10 Hz: Δv_trap (скорость в speed-trap за вычетом rolling baseline), Δt_sector, Δb_brake (дистанция торможения от апекса), σ²_speed (дисперсия скорости внутри сектора), z_aero (открытое ли Active Aero в straight-line), δ_throttle.
Это классическая задача Partially Observable Stochastic Game (POSG). Одноагентная аппроксимация редуцируется до POMDP, и решается двухслойной архитектурой: HMM-фильтр поддерживает belief b_t ∈ Δ^40 (вероятность по 40 скрытым состояниям противника), DQN-политика (256-256-128, 66-мерный вход) на этом belief выбирает действие {burn, harvest}. Reward — изменение позиции за горизонт H=5 секторов с γ=0.95. Shaping reward (Φ) с λ=0.3 добавляется только в синтетическом pre-training, чтобы намекнуть агенту не прыгать в ловушку; в real-data fine-tuning зануляется, чтобы не подсказывать ярлыки.
Параллельная работа Kleisarchaki (2026b, «Keynesian Beauty Contests on the Pit Wall») формализует именно тот слой, который одноагентная модель не покрывает: когда обе команды запускают свои belief-модели друг о друге, игра становится кейнсианским конкурсом красоты поверх belief-пространств. Каждая сторона пытается угадать, что увидит противник в её действиях, и оптимизирует уже второго порядка. Это non-stationary equilibrium — соперник адаптируется, твоя модель устаревает, ты адаптируешься, и так до упора.
Pre-season анализ (engineering estimates, не FIA-certified) даёт recharge-per-lap ratio от 1.0× (Мельбурн, Италия, Саудовская Аравия) до 2.2× (Баку, Сингапур). В Мельбурне, при ratio 1.0, машина вынуждена ~16 секунд за круг проводить в режиме super-clipping при 250 кВт. То есть L_derate — это не аномалия, это ambient state большинства машин на трассе. Детекция L_harvest на этом фоне становится принципиально сложнее: rolling baseline сдвинут вниз, разделение δ_throttle сужается. Это явно прописано в работе как «hardest-case validation environment» — и автор обещает Baum-Welch калибровку именно с этого Гран-при (8 марта 2026).
Эмпирическая работа в Asian Journal of Sport Research добавляет бетон: на трассах 2024 квалификации суммарный урожай энергии варьируется от 4.97 МДж (Италия) до 9.94 МДж (Баку). Только Баку превышает регуляторный лимит 8.5 МДж — то есть только там водитель физически может позволить себе игнорировать harvesting problem. На Монако, Сильверстоуне и в Мельбурне — дефицит, и каждая секунда super-clipping стоит позиции.
Это не просто увеличение числа состояний. Это переход от «модель, которая пытается различить наблюдаемые сигналы через эмиссионную матрицу» к «модель, которая различает стратегические намерения как разные скрытые состояния». В v1.5 различие между «намеренно консервирую» и «физически не могу» проживало на уровне смешанного prior для одного и того же L. В v2 это два разных state-узла в графе HMM — и belief b_t теперь прямо выдаёт P(L_harvest) и P(L_derate) как отдельные размерности, доступные DQN-политике напрямую. Условие ловушки становится буквально проверкой:
trap = P(L_harvest) > θ_trap ∧ z_aero = 1 ∧ в activation zone
Это та самая эстетика, ради которой стоит перечитывать Bayesian inference в agent modelling (Albrecht & Stone 2018). Когда hidden state и наблюдаемая проекция различаются не количественно (больше/меньше), а качественно (намерение vs физика) — обычный пороговый классификатор проигрывает, и только belief-state-инференс даёт чистое разделение.
Исторически Формула-1 была спортом с почти полной информацией: команда знает свою машину, видит позиции соперников, инженер на pit wall слышит каждое решение в реальном времени. 2026-й регламент впервые делает внутренние ресурсы батареи скрытыми по построению — и сразу возникает целый пласт теории игр с неполной информацией, который до этого жил в покере и в торговле на бирже. Pit wall превращается в терминал, на котором belief update идёт каждый сектор.
Финальный, почти поэтический штрих: в 2026-м впервые за десятилетия FIA не публикует заряд батареи в реальном времени — это не баг, а фича, потому что вся игра строится на сокрытии этого состояния. Команда, которая первой начнёт реально использовать HMM belief на своей pit wall, получает нечестное (в смысле — недоступное соперникам) преимущество, потому что её стратегия становится нечитаемой: каждое её действие может означать что угодно в belief-пространстве соперника.
Выводы:
Эта работа — и тихая революция, и спокойное признание провала одновременно. С одной стороны, впервые в истории автоспорта появляется формальный аппарат для задачи, которую бригады pit wall решали интуитивно десятилетиями. HMM на 40 скрытых состояний, DQN поверх belief, эмиссионная матрица, прокалиброванная по телеметрии FastF1 — это инженерно красиво. С другой стороны, автор сама честно пишет, что одноагентная модель — это baseline, а реальная игра — это POSG, где belief-пространства обеих сторон переплетены. То есть мы в 2026 году наконец доросли до формулировки задачи, которую пилоты решали животом всю жизнь.
Меня лично зацепило три вещи:
«Дедуктивный» сдвиг от наблюдаемой проекции к скрытому намерению. Это та же задача, что в agent security: ты не отличаешь «пользователь случайно кликнул» от «пользователь эксплуатирует race condition» по одному HTTP-запросу — нужна belief-модель поведения. И точно так же, как в security, threshold-based классификатор проигрывает в момент, когда у атакующего появляется стратегия маскировки (тут — L_harvest с Active Aero).
Кейнсианский конкурс красоты на pit wall. Это редкий случай, когда термин из экономики 1930-х применяется буквально, а не метафорически. Каждая команда угадывает, что увидит соперник, глядя на её телеметрию. И оптимальная стратегия — не выдавать «настоящий» сигнал, а выдавать тот, который заставит соперника ошибиться. Если это не описание покера, я не знаю, что такое покер.
Мельбурн как worst-case. Инженерная интуиция «медленная трасса = меньше действий = проще анализ» здесь не работает. Медленная трасса означает дефицит энергии, а дефицит энергии означает, что L_derate становится фоном, а L_harvest — аномалией, которую на этом фоне сложнее поймать. Тяжёлые стенды всегда на границах диапазона, а не в его центре — это, кстати, универсальный принцип и для ML-валидации, и для observability систем.
Вердикт: Kleisarchaki сделала работу, которую я хотел бы видеть в 2022-м, когда мы с Петром проектировали первый pit-wall-симулятор для учебных целей. Тогда нам пришлось бы изобретать велосипед — теперь можно просто открыть arXiv. Это не про «AI побеждает человека»; это про то, что правильно поставленный регламент может превратить спорт в задачу, где AI-модель становится легитимной частью соревновательного цикла. Если FIA не запретит такие модели к 2027-му, мы увидим первый сезон, в котором побеждает не самый быстрый пилот и не самая мощная машина, а самая точная belief-модель на pit wall. И это, чёрт возьми, будет красиво.