„Soha nem leszünk észnél”, ezt ígérte 2019-ben az Oilstainlab céget alapító Nyikita és Iliya Bridan ikerpár, mert felismerték, hogy a sikerhez időgép kell, a jövő megtalálásához viszont ki kell szabadulni a múlt szorításából. Nem építettek egyetlen időgépet sem, de visszanézték az autósport legtisztább korszakát. Projektjük időtlen folyamatok, anyagok és alternatív valóság elől szökő tudományos kísérlet lett. Így nevezték azt, amikor a múlt utoléri a jövőt, melynek része a Half-11 prototípus. A projekt lényege a klasszikus Lotus építési mód, amiről Colin Chapman anno úgy nyilatkozott, hogy nem a lóerőket kell növelni, hanem a tömeget kell csökkenteni. Úgy néz ki, hogy a klasszikus angol recept a japán MX Mazdánál már bevált és így főz mostanság az orosz származású amerikai testvérpár. Az ukrán ősöktől származású, Kanadában született Nyikita és Iliya Bridan ikerpár azzal a céllal alapította a Signal Hill központú Oilstainlabot, hogy egyedi szuperkocsit alkosson a HF-11-es képében. Nem nagy sorozatokról, de nagy árakról van szó: a 25-ös limitált széria minden egyes darabja 2,35 millió dollárba kerül majd. Nagy a tét, hiszen a HF-11-es lesz a cég első sorozatgyártású autója, melyet a megrendelő ízlése és pénztárcája szerint elektromos és benzinmotoros változatban is kínálnak, utóbbi könnyebb és félmillió dollárral olcsóbb. A belsőégésű teljesítménye 650 lóerő, az EV hajtáslánc 850 lóerő, mindkettő kézi sebességváltóval készül. Messziről indultak, hiszen a sztori eredetileg arról szólt, hogy az Oilstainlab kompozit vázakat épít a Ford GT-hez, miközben még meg sem állapodott a Multimatic céggel. Mindkét Bridan testvér, Nyikita és Iliya is dizájner, dolgoztak már az Acuránál, a Cadillacnál, a Genesisnél, a Hondánál és a Toyotánál, de 2019-ben úgy döntöttek, hogy saját szuperautó-céget alapítanak. Az Oilstainlab olyan dolgokat művel, amikkel valóban rekordszintre állítják tevékenységüket egyedi konstrukcióikkal, amelyek úgy néznek ki, mint a 60-as évek befejezetlen Le Mans vagy Can-Am prototípusai. Az Oilstainlab Goodwoodban mutatta be a Half11-et, aminek nagy közönségsikere lett és ügyfélérdeklődés után döntöttek a limitált darabszámú gyártás mellett, ami kézimunkás összeszerelést jelent. Az Oilstainlab munkájának következő lépéseként tágították a sorozatgyártású autó határait és a tervezés folyamat bővített csapatának köszönhetően idén tavasszal már előállhatnak a HF-11-es prototípusával, majd a megrendelt autók gyártásán dolgoznak. A kézzel alakított alumínium karosszériának köszönhetően valóban érvényesül a Lotus-recept: a HF-11-es tömege 900 kg, ami veszélyesen könnyű súly egy erős autóhoz. A 4,6 literes small block, illetve az 5,2 literes 6 hengeres szívó boxermotor teljesítményét 600-1200 lóerő körül ígéri a Bridan.testvérpár. A 9-12 ezres percenkénti fordulatú benzinesek nyomatéka hatfokozatú kézi, vagy hét fokozatú soros kapcsolású sebességváltón át jut a 335 mm széles hátsó kerekekhez. Az első-hátsó kerekek közötti 45/55 százalékos tömegeloszlású sportkocsit úton is kell tartani: az előzetes mérések szerint 240 km/h tempónál 589 kilogrammos leszorítóerőt produkál a HF-11-es. A cég egyelőre nem közölt gyorsulási és végsebesség adatot. A 860 lóerős elektromos változat tömege a 80 kWh kapacitású akkumulátorral együtt sem haladja meg a 950 kilogrammot. A Docol R8 nagyszilárdságú acélb segédkeretekre épülnek a csőszerű futómű elemeket és az állítható Ohlins lengéscsillapítók. A megoldás idézi a 2000-es évek verhetetlen Le Mans Audiját, melynek konstrukciója gyors cserét eredményezett. A versenyváltozat 18 colos kerekeket kap, az utcaik látványosabb 19 és 20 colossokkal készülnek. Tervezési szempontból az eleje úgy néz ki, mint egy simított Porsche 911-es, a hátsó rész pedig egy csipetnyi Jaguar F-type. Mániákusok 11-es kerete A Briden testvérek már a fejlesztési szakaszban ötletbörzére hívják az autók megrendelőit, akik részt vesznek a tuning végleges folyamatában. Olyan embereket választottak, akik már rendelkeznek versenyképes hiperautókkal és tapasztalataikkal javíthatják a HF-11-est. Erről így beszélt Nyikita Briden: Célunk, hogy megtaláljuk azt a 11 mániás embert, aki részt vesz fejlesztési programunkban. Eddig hatot találtunk, reménykedünk, hogy a prototípus bemutatása után kiegészül a 11-es keret. Családot építünk és nem akarjuk, hogy faszfejűek is bekerüljenek. Komoly első körös beszállítókká akarunk válni, ehhez pedig profi csapat kell. Fotók: Oilstainlab, JAMES LIPMAN, LSB További autós tartalmakért kövess minket Facebookon is!

Hajdanán az emberek még megadták a módját az utazásnak. Kiváltképp, ha repülőre szálltak, nagy gonddal válogatták meg a ruhadarabjaikat, hogy kifogástalan legyen a megjelenésük. Malév-utasok, 1955 (Fotó: Fortepan) Malév-utasok, 1971 (Fotó: Fortepan) Aztán, ahogy a terminálok világát és a fellegek közé emelkedés érzését már nem csak egy gazdag kaszt élvezhette, úgy vált kocsmatérré az utastér és csökkent a hajlandóság a megfelelő outfit kiválasztására is. Hol van már az az aranykorszak, amikor a hölgyek kosztümben, az urak öltönyben cipelték (illetve cipeltették) a bőröndjeiket? Már nem kelt feltűnést a minden idomot kihangsúlyozó sztreccs anyag, az obszcén feliratú trikó, a szakadt farmer. Hát e tendencia ellen lép fel a Spirit Airlines. Az amerikai fapados légitársaság új dress code-ot vezetett be. E szerint az utasok nem szállhatnak fel a repülőre mezítláb, valamint átlátszó ruházatban, amely nem fedi megfelelően az intim területeket. Tiltólistásak az erkölcstelen vagy sértő feliratú ruhadarabok is. De még a tetoválások terén is találhatnak kivetnivalót a légiutas-kísérők: nem engedik fel a gépre azokat, akiknek például horogkereszt vagy egyéb önkényuralmi jelkép van jól látható helyre „varrva” a testükre. Sőt, azok is nemkívánatos személyek, akikről messziről érződik, hogy nem szívesen koptatják a bőrüket szappannal és vízzel. Mindezt azért foglalták szabályrendszerbe, hogy komfortossá tegyék az utazást mindenki számára és hogy visszahozzanak valamit a repülés régi varázsából. Abból az érából, amikor még tényleg kiváltságos érzés és életre szóló pozitív élmény volt a repülővel utazás. Forrás: timeout.com

Fotók: Porsche A mesterséges intelligencia az élet egyre több területére talál utat. Egy egyszerű képlet érvényes: minél összetettebb egy feladat, annál nagyobb az AI célzott felhasználásával kiaknázható lehetőség. „A Porsche Engineeringnél nagyon korán elkezdtük integrálni az AI-alkalmazásokat a fejlesztési folyamatainkba. A kísérleti projektek során meg tudtuk győzni magunkat arról, hogy milyen nagy lehetőségek rejlenek abban az esetben, ha a klasszikus fejlesztési módszereket a modern AI-val kombináljuk” – magyarázza dr. Joachim Schaper, a Porsche Engineering mesterséges intelligenciával és nagy adatokkal (Big Data) foglalkozó részlegének vezetője. Tanulás állandó visszacsatoláson keresztül A Porsche Engineering tapasztalatot szerzett a modern AI-alkalmazások fejlesztési folyamatba való integrálásával kapcsolatban, beleértve a belső égésű motorok univerzális alkalmazási stratégiáját, az elektromos járművek hajtásláncának rezgéscsillapítását és az oldalsó részek ütközési szerkezetének fejlesztését. Ezekben a projektekben a fejlesztők az AI-módszert, a megerősítési tanulást (RL) használták. A virtuális ügynök interakcióba lép a környezettel, és folyamatosan tanul a visszacsatoláson keresztül – bónuszpontokkal jutalmazzák azokat a tevékenységeket, amelyek jó eredményre vezetnek, és levonásokkal büntetik a kudarcokért. Az RL ügynök számára a betanítási fázisban szükséges visszacsatolást egy neurális hálózat biztosítja. „A mesterséges intelligencia módszerekkel elért kiváló eredmények miatt – az eredmények általában néhány másodperc múlva érhetők el, szemben a klasszikus szimulációval végzett órákkal szemben – azon dolgozunk, hogy a jövőben még szélesebb körben alkalmazzuk az AI-t, és tovább erősítsük fejlesztési folyamataink állandó elemeként” – mondja Schaper. A Porsche Engineering mesterséges intelligencia offenzívájának egy másik példája a visszatartó rendszerek tervezése a passzív biztonság területén. Ütközés esetén ezeket az alkatrészeket optimálisan a járműhöz kell igazítani. Csak így tudnak maximális védelmet nyújtani az utasok számára. Például az öv visszatartó erői összhangban vannak a légzsák hatásával. Az összes komponens kölcsönhatásban van egymással, és az optimalizálás során figyelembe kell venni a teljes rendszerben. Emellett nagyszámú terhelési esetet kell figyelembe venni. Ez rendkívül bonyolulttá és időigényessé teszi a passzív biztonság fejlesztését” – magyarázza Michael Di Roberto, a Porsche Engineering CAE és járműbiztonsági részlegének vezetője. Michael Di Roberto Az oldalsó küszöboptimalizálásban már bevált AI-módszert továbbfejlesztették a visszatartó rendszerek tervezésénél. „Az első projekt az AI képzésére összpontosított, ami bemutatta az alkalmazott módszertanban rejlő nagy lehetőségeket. Ezért az AI-t mostantól a rögzítőrendszerek sorozatfejlesztési folyamatában fogják használni” – mondja Schaper. Ennek elérése érdekében az AI-t egy klasszikus szimulációs eszközhöz kapcsolták a képzés sikeres elvégzése után. Ez a végeselem-módszeren (FEM) alapszik, amely pontos eredményeket ad, de használata nagyon időigényes: a mai modellméretekkel egy ütközésszimuláció akár 72 órát is igénybe vehet. Az RL ügynök upstream kiválasztásának köszönhetően lényegesen kevesebb FEM-számításra van szükség a megfelelő eredmény eléréséhez, ami csökkenti a költségeket és az időt. Mi az a végeselem módszer? A végeselemes módszer (VEM) numerikus módszer parciális differenciálegyenletek közelítő megoldására. Jellemzően mérnökök használják, a gépészmérnöki és építőmérnöki feladatokkal szorosan összefüggő mechanikai (szilárdságtani és lengéstani) számítások elvégzésére, valamint a villamosmérnöki gyakorlatban mezőszimuláció során is ezt a módszert alkalmazzák. „Egy konkrét fejlesztési feladat során 80 százalékkal tudtuk csökkenteni a szükséges FEM számítási hurkok számát” – mondja Janis Mathieu, a Porsche Engineering doktorandusza. Janis Mathieu Ennek eredményeként a rendszer általános érettségi szintje növekszik, csökkentve a bonyolult fizikai töréstesztek számát és a szükséges prototípus járművek számát. „Hosszú távon további hatékonysági potenciált tudunk majd kiaknázni, mivel a jövő termékgenerációit a korábbi generációk alapján optimalizáljuk” – mondja Di Roberto. „A tanulási folyamatra fordított idő mellett a jövőben a teljes FEM-almodellek megépítése is megspórolható.” A mesterséges intelligencia alkalmazása a szimulációs adatok úgynevezett utófeldolgozásában további időmegtakarítást eredményez a passzív biztonsági rendszerek fejlesztésében. „A modern szimulációs eszközök nagyon nagy részletességgel számítják ki az ütközést. Ez azonban sok olyan adatot is generál, amelyeket a mérnököknek értelmezniük kell” – mondja Di Roberto. Míg a mesterséges intelligenciát a Porsche Engineering által eddig folytatott mesterséges intelligencia-projektekben a szimulációs lépések előtt használták, az utófeldolgozásban csak a szimuláció után használják. Egy úgynevezett Explainable AI algoritmust használnak. Feladata az összetett kapcsolatok azonosítása egy adathalmazban és láthatóvá tétele a fejlesztő számára. A függőségek meghatározhatók lokálisan (szimulációs szinten) és globálisan (adatkészlet szinten). Az AI így segítséget nyújt a fejlesztőmérnököknek a szimulációs eredmények értelmezésében. „Az Explainable AI használatával a mérnökök iránytűt kapnak, amely segít eligazodni a modern szimulációk egyre összetettebb és kiterjedtebb adathalmazában” – magyarázza Mathieu. Ilyen mennyiségű adat keletkezésének egyik példája a passzív járműbiztonság robusztussági vizsgálata. Stefan Kronwitter, a Porsche AG karosszéria-fejlesztési részlegének doktori hallgatója, aki a járműbiztonsággal foglalkozik, Janis Mathieuval közösen kutatja a megmagyarázható mesterséges intelligencia módszerek használatát az ütközésszimulációk elemzésére. "A megmagyarázható mesterséges intelligencia lehetővé teszi, hogy gyorsan meghatározzák azokat a befolyásoló tényezőket, amelyek szokatlan viselkedést okoznak az egyéni szimulációkban" - mondja Kronwitter. Kiegészítés a FEM szimulációkhoz Az Explainable AI-alapú elemzés első verzióját jelenleg a Porsche Engineering sorozatos ütközésszámítási folyamataiba integrálják, és további alkalmazások következnek. „A megmagyarázható mesterséges intelligencia megteremti a feltételeket minden olyan rendszer optimalizálásához, amely a rendszer mélyreható megértését igényli. A passzív biztonságon kívül a könnyűszerkezetes konstrukció vagy a vezetési dinamika paramétertanulmányait is magában foglalja” – mondja Schaper. A mesterséges intelligencia terén elért haladás ellenére a FEM-szimulációk a jövőben is a fejlesztési folyamat lényeges részét képezik. A folyamatok digitalizálása és a rendszerek összetettsége miatt egyre precízebb szimulációk készülnek, ami itt is megkerülhetetlenné teszi a mesterséges intelligencia támogatását. „A Porsche Engineering mélyen ismeri a sorozatfejlesztési folyamatokat és módszereket, és évek óta részt vesz az AI-módszerek fejlesztésében és alkalmazásában” – magyarázza Schaper.  

A ROADPOL által koordinált, egész Európát érintő sebességellenőrzési kampányhoz kapcsolódva a magyar rendőrség is Speedmarathont tart 2025. április 9-én 6 óra és április 10-én 6 óra között. Az akció lehetséges helyszíneire számos állampolgári javaslat érkezett, amelyek közül a helyi adottságokat, valamint a közlekedésrendészeti elemző munka eredményeit figyelembe véve a vármegyei rendőr-főkapitányságok kijelölték az ellenőrzések helyszíneit. A pontos helyszíneket vármegyénkénti bontásban itt lehet megtalálni. További autós tartalmakért kövess minket Facebookon is!