RaceTelemetry AI

Telemetría de carrera con mapa real del circuito y copiloto AI que detecta riesgos en tiempo real, mejora la visibilidad al sol y muestra progreso de vuelta y sectores para decisiones rápidas en pista

Comment

RaceTelemetry AI — Detalles del Proyecto (Devpost)

Inspiration

  • En pista bajo sol fuerte, las pantallas pierden legibilidad y los mapas suelen ser aproximados. Queríamos un copiloto visual que priorice seguridad y estrategia: trazado real, progreso exacto y alertas claras aun con reflejos o vibración.
  • Buscamos una base extensible para sumar más circuitos y análisis sin rehacer la interfaz.

What it does

  • Muestra el trazado real del circuito en SVG (Barber integrado) con un cursor que avanza según la telemetría de distancia de vuelta.
  • Estima riesgo por sector y dispara alertas visuales/sonoras para apoyar decisiones del piloto y del pit wall.
  • Ofrece “Modo visual” con alto/ultra contraste para lectura directa bajo sol intenso.
  • Presenta progreso de vuelta y barras de pit/sectores, conservando compatibilidad con datos existentes.

How we built it

  • Frontend: React + TypeScript + Vite; selector de contraste en components/Header.tsx y estilos globales en index.html.
  • Visor de circuito (components/CircuitViewer.tsx):
    • Carga public/DataFiles/config/trackPaths.json para usar viewBox y d del SVG real.
    • Ajusta el tamaño del cursor según el viewBox y recorre el path con la proporción Laptrigger_lapdist_dls / lapDistance proveniente de la telemetría.
  • Telemetría y riesgo:
    • Ingesta/adaptación en services/telemetryAdapter.ts.
    • Motor de riesgo en services/riskEngine.ts (velocidad, dinámica lateral/longitudinal, eventos) y alertas visuales en components/VisualAlerts.tsx.
    • Sonidos en services/audioAlerts.ts.
  • Herramientas de datos: scripts en tools/ para inspección/generación de CSV y mapeo de esquemas; rutas reales centralizadas en trackPaths.json.

Challenges we ran into

  • Alinear la distancia de vuelta (metros) con la longitud efectiva del path SVG (pixeles) para que el cursor “caiga” donde corresponde.
  • Diseñar alto/ultra contraste que mejore legibilidad sin romper estilos existentes.
  • Estructurar la configuración (trackPaths.json) para soportar múltiples circuitos con diferentes viewBox y trazados alternativos.

Accomplishments that we're proud of

  • Integración del trazado real de Barber desde SVG con cursor suave y escalado automático del marcador.
  • Modo visual de alto/ultra contraste que mejora significativamente la lectura bajo sol.
  • Arquitectura limpia y extensible: añadir COTA e Indy será tan simple como sumar sus d y viewBox al trackPaths.json.

What we learned

  • La normalización de unidades es crítica: mezclar pixeles (SVG) con metros (telemetría) exige una capa clara de conversión/escala.
  • Pequeñas mejoras de UX (alto contraste, halos) tienen gran impacto en uso real en pista.
  • Centralizar rutas reales en un config versionado acelera colaboración y despliegues.

What's next for RaceTelemetry AI

  • Añadir más circuitos (COTA, Indy) cuando tengamos sus SVG, d y viewBox.
  • Colorear sectores por nivel de riesgo y añadir texturas/relieves para mejor lectura del mapa.
  • Persistir el “Modo visual” en localStorage y seleccionar automáticamente según luz ambiente.
  • Exportar/compartir perfiles de riesgo y sesiones para análisis post‑carrera.

How to run

npm install
npm run dev
# Abrir http://localhost:5173/
  • En el Header, activar “Modo visual” para alto/ultra contraste.
  • En el visor del circuito, el cursor avanza con la telemetría; sin stream, usar datos de prueba con scripts en tools/.

Links

Built With

Share this project:

Updates