Opponent State Inference Under Partial Observability: An HMM-POMDP Framework for 2026 Formula 1 Energy Strategy

Each language version is independently generated for its own context, not a direct translation.

Imagina que la Fórmula 1 del año 2026 es como un juego de ajedrez en movimiento, pero con una regla nueva y complicada: los jugadores no pueden ver las piezas ocultas del oponente, solo pueden adivinarlas por cómo se mueven.

Este paper (documento de investigación) es como un manual de espionaje y estrategia para los ingenieros de los equipos de F1. Su objetivo es crear un "cerebro artificial" que pueda leer la mente de los rivales en tiempo real, incluso cuando estos intentan engañarlos.

Aquí tienes la explicación sencilla, usando analogías cotidianas:

1. El Problema: El "Secreto" del Tanque de Energía

En el pasado, los coches de F1 tenían un tanque de gasolina y poco más. Hoy, en 2026, tienen una batería gigante (como un teléfono móvil superpotente) que se usa mitad del tiempo y se recarga la otra mitad.

El dilema: Un piloto sabe exactamente cuánta batería le queda a su coche. Pero no sabe cuánta le queda al coche que va delante.
El riesgo: Si atacas (frenas menos, aceleras más) cuando el rival tiene mucha batería, él te pasará fácilmente. Si no atacas cuando el rival se ha quedado sin batería, pierdes la oportunidad de adelantar.
La solución del paper: Crear un sistema que adivine el "nivel de batería" del rival basándose en pistas sutiles, como un detective que adivina si alguien está mintiendo por su lenguaje corporal.

2. La Trampa: El "Disfraz de Pobre"

El paper introduce un concepto genial llamado "La Trampa de Cosecha Contraria".

La analogía: Imagina que dos corredores compiten. El corredor A (el malo) quiere engañar al corredor B (tú).
- El corredor A frena un poco (simulando que se le está acabando la energía) para que tú pienses: "¡Ah! Se le ha ido la batería, voy a atacarlo ahora".
- Pero en realidad, el corredor A está guardando energía (como un zorro que finge estar herido).
- En cuanto tú gastas tu energía para atacarlo, el corredor A activa su "modo turbo" y te deja atrás fácilmente.

El sistema de este paper está diseñado para detectar esta mentira.

3. La Solución: Dos Capas de Inteligencia

El sistema propuesto funciona como un equipo de dos personas trabajando juntas:

Capa 1: El Detective (El HMM)

Imagina un detective privado que observa al rival.

Lo que ve: El detective no ve la batería, pero ve cosas como: ¿A qué velocidad va en la recta? ¿Frena antes o después de lo normal? ¿Usa un alerón especial? ¿Cuánto tiempo pasa pisando el acelerador al máximo?
La novedad (v2): Antes, el detective solo sabía si el rival tenía "poca batería". Ahora, el sistema ha aprendido a distinguir dos tipos de "poca batería":
1. La "Poca Batería Real" (Lderate): El coche está al límite físico, no puede ir más rápido aunque quiera. (¡Es una oportunidad real de ataque!).
2. La "Poca Batería Falsa" (Lharvest): El coche frena a propósito para guardar energía. (¡Es una trampa!).
El resultado: El detective te dice: "Oye, ese coche no está gastando energía de verdad, está guardándola. ¡No ataques!".

Capa 2: El Estratega (El DQN)

Una vez que el detective te da la información ("El rival tiene batería" o "Es una trampa"), el Estratega toma la decisión final.

Es como un entrenador de fútbol que, sabiendo que el rival está cansado, ordena al delantero: "¡Corre y ataca ahora!".
Este "cerebro" aprende a tomar estas decisiones usando miles de simulaciones de carreras virtuales antes de que empiece la real.

4. ¿Por qué es importante esto?

Antes, los equipos de F1 tomaban decisiones basándose en reglas fijas (ej: "si va 1 segundo más lento, ataco"). Pero con las nuevas reglas de 2026, eso ya no funciona porque los rivales pueden mentir con sus datos.

Este sistema permite:

No caer en trampas: Evitar gastar tu energía cuando el rival solo está fingiendo.
Atacar en el momento justo: Saber exactamente cuándo el rival está realmente vulnerable.
Leer el futuro: Predecir si el rival va a tener energía para defenderse en la siguiente curva.

En resumen

Este paper es como enseñarle a un equipo de F1 a leer los pensamientos de sus rivales. Convierte datos aburridos (velocidad, frenada, acelerador) en una historia clara: "El rival está mintiendo y guardando energía" o "El rival está agotado y vulnerable".

Es una herramienta para ganar la carrera no solo con velocidad, sino con astucia, asegurándose de que nunca caigas en la trampa de un rival que finge ser más débil de lo que es.

Each language version is independently generated for its own context, not a direct translation.

Resumen Técnico: Inferencia de Estado del Oponente en F1 2026

1. Contexto y Definición del Problema

El documento aborda un cambio fundamental en la estrategia de la Fórmula 1 introducido por las regulaciones técnicas de 2026:

Nueva Dinámica de Energía: Un reparto 50/50 entre el motor de combustión interna (ICE) y la batería MGU-K, con regeneración ilimitada y un "Modo de Anulación" (Override Mode) controlado por el conductor.
El Desafío: La decisión óptima de desplegar energía (quemar o cosechar) ya no depende solo del estado propio del coche, sino del estado oculto de los rivales (nivel de carga de la batería, disponibilidad del Modo de Anulación y degradación de neumáticos).
El Problema Central: Esto convierte el problema en un Juego Estocástico Parcialmente Observable (POSG). Los rivales pueden emplear estrategias engañosas, específicamente la "Trampa de Contra-Cosecha" (Counter-Harvest Trap), donde un coche rival frena deliberadamente su velocidad aparente para inducir al oponente a gastar su energía, revelando luego una reserva oculta para defender la posición.
Limitación: Los métodos de optimización de un solo agente son insuficientes; se requiere inferencia sobre estados ocultos basándose en telemetría pública ruidosa.

2. Metodología: Marco de Doble Capa

La propuesta es un marco tractable que combina inferencia probabilística y aprendizaje por refuerzo:

Capa 1: Modelo Oculto de Markov (HMM) de 40 Estados

Objetivo: Inferir la distribución de probabilidad sobre el estado oculto de cada rival.
Espacio de Estados ( $X$ ): 40 estados compuestos por:
- Nivel de Energía (ERS): 4 modos: H (Alto), M (Medio), Lharvest (Bajo por cosecha deliberada/trampa) y Lderate (Bajo por límite físico/escasez).
- Estado del Modo de Anulación (MOM): Disponible o Gastado.
- Degradación de Neumáticos: 5 niveles (desde Nuevo hasta Acantilado/Cliff).
Observables (6 señales): El modelo utiliza seis señales de telemetría públicas (desviadas de una línea base de 5 vueltas):
1. $\Delta v_{trap}$ : Diferencia de velocidad en la zona de detección.
2. $\Delta t_{sector}$ : Diferencia de tiempo por sector.
3. $\Delta b_{brake}$ : Distancia de frenado relativa.
4. $\sigma^2_{speed}$ : Varianza de la velocidad.
5. $z_{aero}$ : Activación del Alerón Activo (binario).
6. $\delta_{throttle}$ : Nueva variable clave (v1.5/v2). Fracción de tiempo en que el acelerador está al 98%+ pero la velocidad es inferior a la línea base (firma de "super-clipping" o recorte de potencia).
Innovación Arquitectónica (v2): La separación explícita de los estados Lharvest (trampa) y Lderate (agotamiento físico). En versiones anteriores, esto se manejaba a nivel de emisión; en v2, son estados distintos en la cadena de Markov, permitiendo una inferencia directa.
Entrenamiento: Se utiliza el algoritmo Baum-Welch (Expectation-Maximization) para calibrar las matrices de transición y emisión con datos de carreras reales (comenzando con el GP de Australia 2026).

Capa 2: Política de Decisión (Deep Q-Network - DQN)

Entrada: El vector de creencia ( $b_t$ ) de 40 dimensiones generado por el HMM, junto con el estado propio del coche (66 dimensiones en total).
Acciones: Burn (quemar energía para atacar) o Harvest (cosechar energía).
Entrenamiento: Se utiliza Double DQN con experiencia de replay. La red aprende a mapear la creencia sobre el estado del rival a la acción óptima, evitando caer en trampas.

3. Contribuciones Clave

Formalización del Problema: Modelado de la gestión de energía en F1 2026 como un POSG y definición formal de la "Trampa de Contra-Cosecha" como una estrategia de equilibrio engañoso.
Inferencia de Estado Rival (Arquitectura v2): Propuesta de un HMM de 40 estados que descompone el estado de baja energía en Lharvest vs. Lderate. Esto elimina la ambigüedad de versiones anteriores, permitiendo distinguir entre un rival que está tendiendo una trampa y uno que está físicamente agotado.
Política de Decisión: Especificación de una política DQN entrenada sobre el estado de creencia, demostrando superioridad frente a baselines que solo usan umbrales observables.

4. Resultados (Validación en Datos Sintéticos)

Los resultados se reportan sobre 20 carreras simuladas bajo el modelo paramétrico (antes de la calibración con datos reales):

Precisión en Nivel de ERS: 96.8% (frente a un 25% de una línea base aleatoria).
Clasificación Lharvest vs. Lderate: 89.4% de precisión (frente al 50% aleatorio). Esta es la mejora principal de v2.
Detección de Trampas: 96.3% de recall (tasa de detección correcta de trampas) con una tasa de falsos positivos significativamente reducida en comparación con la versión v1.5.
Robustez: El modelo mantiene un rendimiento aceptable incluso con perturbaciones en los parámetros de emisión (desplazamiento de media o ruido).
Limitación de Circuitos: Se nota una menor precisión en circuitos de baja regeneración (como Melbourne), donde el "super-clipping" es obligatorio para muchos coches, reduciendo la separación de señales.

5. Significado y Limitaciones

Significado: El trabajo proporciona la primera solución tractable para la gestión de energía en F1 2026 que considera explícitamente la inferencia de estados ocultos y las estrategias engañosas. La distinción entre Lharvest y Lderate es crítica para evitar que los equipos gasten energía innecesariamente contra rivales que están "engañando".
Limitaciones:
- Suposición de Oponente Estacionario: El modelo asume que los rivales no adaptan su estrategia basándose en ser observados. Esto es una simplificación; el trabajo futuro (Kleisarchaki [2026b]) abordará esto mediante teoría de juegos y modelos de "belleza keynesiana".
- Independencia Condicional: El modelo asume independencia entre observables (ej. velocidad y tiempo de sector), lo que puede generar creencias sobreconfiadas (aunque se corrige parcialmente con escalado de temperatura).
- Validación Empírica: Los resultados actuales son sintéticos. La validación real comenzará tras el Gran Premio de Australia (8 de marzo de 2026), utilizando datos de telemetría para calibrar el modelo con Baum-Welch.

Conclusión:
El documento establece un nuevo estándar para la estrategia en F1 2026, demostrando que la separación arquitectónica de los estados de baja energía (cosecha deliberada vs. agotamiento físico) es esencial para detectar trampas competitivas. El marco HMM-DQN ofrece una base sólida para la toma de decisiones en tiempo real, sirviendo como línea base para futuras extensiones que incorporen la adaptabilidad estratégica de los oponentes.