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.

Voici une explication de ce papier de recherche, imagée et simplifiée, comme si nous parlions autour d'un café.

🏎️ Le Grand Jeu de l'Espionnage en Formule 1 (Édition 2026)

Imaginez la Formule 1 en 2026. Ce n'est plus seulement une course de vitesse pure. C'est devenu un jeu d'échecs géant où chaque pilote doit gérer une batterie en plus de son moteur.

Le problème ?
Vous savez exactement combien d'énergie il vous reste dans votre propre voiture. Mais vous ne savez pas ce qui se passe dans la voiture de votre rival.

A-t-il beaucoup de batterie ?
Est-il en train de la économiser pour vous piéger ?
Ou est-il à sec et obligé de freiner ?

C'est comme jouer aux échecs en ayant les yeux bandés sur la moitié du plateau : vous voyez vos pièces, mais vous devez deviner où sont les siennes.

🕵️‍♂️ La Solution : Un Détective et un Stratège

L'auteur de ce papier, Kalliopi Kleisarchaki, propose une solution en deux étapes, comme une équipe de deux personnes travaillant ensemble :

1. Le Détective (Le "HMM") : Deviner l'invisible

Imaginez un détective privé qui observe la voiture adverse à travers une lunette télescopique. Il ne voit pas la batterie, mais il observe des indices subtils :

La vitesse sur la ligne droite : Est-elle un peu trop lente ?
Le moment du freinage : Freine-t-il plus tôt ou plus tard que d'habitude ?
Le bruit du moteur : Le pilote coupe-t-il l'accélérateur pour recharger la batterie ?
L'aérodynamisme : Utilise-t-il son aileron arrière pour aller plus vite ?

Ce détective utilise une méthode mathématique (un HMM) pour rassembler tous ces indices. Au lieu de dire "Il a de la batterie", il dit : "Il y a 80 % de chances qu'il soit en mode 'Économie' et 20 % qu'il soit en mode 'Attaque'".

La grande nouveauté (v2) :
Dans les versions précédentes, le détective confondait deux situations :

Le Piège (Lharvest) : Le rival choisit de rouler lentement pour garder sa batterie, afin de vous surprendre plus tard.
La Panne (Lderate) : Le rival est obligé de rouler lentement parce qu'il n'a plus de batterie.

La nouvelle version du détective est si fine qu'elle distingue parfaitement ces deux cas. C'est crucial ! Si vous pensez que c'est une panne (et que vous attaquez), alors que c'est en fait un piège, vous allez perdre votre propre énergie pour rien.

2. Le Stratège (Le "DQN") : Prendre la décision

Une fois que le détective a ses probabilités, il les passe à un entraîneur sportif intelligent (une Intelligence Artificielle).
Cet entraîneur regarde les probabilités et décide : "Ok, le rival a 90 % de chances d'avoir une batterie pleine. Ne l'attaque pas maintenant, économise ton énergie." ou "Il est à sec, fonce !"

🪤 Le "Piège à Contre-Récolte" (Le Counter-Harvest Trap)

C'est le concept le plus astucieux du papier.

Imaginez que vous êtes le pilote A, et vous poursuivez le pilote B.

Le piège : Le pilote B sait que vous le regardez. Alors, il fait semblant d'être faible. Il réduit sa vitesse (comme s'il économisait de l'énergie) et utilise son aileron pour aller vite.
Votre réaction : Votre détective pense : "Oh ! Il est faible, il économise. C'est le moment de foncer et de le dépasser !". Vous utilisez toute votre énergie pour l'attaquer.
La révélation : Dès que vous avez dépensé votre énergie, le pilote B se réveille ! Il avait gardé sa batterie en réserve. Il utilise son "Mode Sursaut" (Override Mode) pour vous bloquer facilement.

Comment le papier résout ça ?
Grâce à un nouvel indice : le "δthrottle". C'est une mesure très précise de la façon dont le pilote appuie sur l'accélérateur.

Si le pilote freine volontairement (Piège), son accélérateur est à moitié enfoncé.
S'il est à sec (Panne), il appuie à fond, mais la voiture ne va pas plus vite.

Le nouveau système détecte cette différence subtile. Il vous dit : "Attention, ce n'est pas une panne, c'est un piège ! Ne fonce pas."

🧪 Les Résultats (Pour l'instant)

L'auteur a testé son système sur des courses simulées (comme un jeu vidéo très réaliste) :

Précision : Le détective devine le niveau de batterie du rival avec 96,8 % de justesse (contre 25 % au hasard).
Détection du piège : Il repère les pièges dans 96,3 % des cas.
Prochaines étapes : Le système est prêt pour la vraie vie. Il va être testé lors du Grand Prix d'Australie en mars 2026. L'auteur va utiliser les vraies données de la course pour "affiner" son détective, un peu comme un professeur qui corrige les devoirs d'un élève pour qu'il apprenne de ses erreurs.

🎯 En résumé

Ce papier explique comment utiliser l'intelligence artificielle pour lire dans les pensées des autres pilotes de Formule 1. En observant de petits détails (vitesse, freinage, accélérateur), le système distingue si un rival est vraiment faible ou s'il vous tend un piège.

C'est la différence entre jouer à la roulette russe et jouer aux échecs : au lieu de deviner, vous avez des probabilités précises pour prendre la meilleure décision.

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

Voici un résumé technique détaillé du document de recherche intitulé "Inférence de l'état de l'adversaire sous observabilité partielle : Un cadre HMM–POMDP pour la stratégie énergétique de la Formule 1 2026".

1. Contexte et Problématique

La réglementation technique de la Formule 1 pour l'année 2026 introduit des changements fondamentaux qui transforment la gestion de l'énergie en un problème d'information imparfaite complexe :

Répartition 50/50 : Une division égale entre le moteur thermique (ICE) et la batterie (MGU-K), rendant le niveau de charge de la batterie une variable stratégique de premier ordre à chaque secteur.
Mode de dépassement (Override Mode - MOM) : Remplace le DRS. Il offre 0,5 MJ d'énergie supplémentaire si le pilote est à moins d'une seconde du leader au point de détection.
Aérodynamique active : Remplace le DRS par un système binaire contrôlé par le pilote dans des zones spécifiques.

Le problème central : La décision optimale de brûler ou de recharger l'énergie ne dépend plus uniquement de l'état de la propre voiture, mais de l'état caché des rivaux (niveau de batterie, disponibilité du MOM, dégradation des pneus). Cela crée un Jeu Stochastique Partiellement Observable (POSG). Le défi majeur est de détecter le "piège de contre-récupération" (Counter-Harvest Trap) : une stratégie où un rival conserve délibérément de l'énergie (mode Lharvest) tout en utilisant l'aérodynamique active pour maintenir sa vitesse, leurrant l'adversaire en lui faisant croire qu'il est en train de recharger (et donc vulnérable), pour ensuite contre-attaquer avec une réserve d'énergie complète.

2. Méthodologie : Cadre HMM–POMDP à deux couches

L'auteur propose une architecture tractable en deux couches pour résoudre ce problème :

Couche 1 : Inférence d'état via HMM (Hidden Markov Model)

Un modèle HMM à 40 états cachés infère la distribution de probabilité sur l'état de chaque rival à partir de six signaux télémétriques observables.

Espace d'états cachés ( $X$ ) :
- Niveau ERS ( $e$ ) : 4 modes : H (Haut), M (Moyen), $L_{harvest}$ (Récupération délibérée/piège), $L_{derate}$ (Plafond SOC/épuisement physique).
- Statut MOM ( $m$ ) : Disponible ou épuisé.
- Dégradation des pneus ( $\tau$ ) : 5 niveaux (de neuf à critique).
Observables ( $O$ ) : Six signaux dérivés de la télémétrie (déviations par rapport à une base roulante de 5 tours) :
1. $\Delta v_{trap}$ : Différence de vitesse au piège de vitesse.
2. $\Delta t_{sector}$ : Différence de temps au secteur.
3. $\Delta b_{brake}$ : Point de freinage relatif.
4. $\sigma^2_{speed}$ : Variance de la vitesse.
5. $z_{aero}$ : Déploiement de l'aérodynamique active (binaire).
6. $\delta_{throttle}$ (Nouveau en v1.5/v2) : Fraction de temps où la pédale est à >98% mais la vitesse est inférieure à la base. C'est le discriminateur clé entre la récupération volontaire et l'épuisement physique.
Algorithme : Utilisation de l'algorithme de Baum-Welch (EM) pour calibrer les matrices de transition et d'émission sur les données réelles (à partir du GP d'Australie 2026).

Couche 2 : Politique de décision via DQN (Deep Q-Network)

Un agent d'apprentissage par renforcement prend la distribution de croyance (belief state) de l'HMM comme entrée pour décider de l'action (brûler ou récupérer).

Entrée du réseau : Vecteur de 66 dimensions (incluant l'état propre, les écarts de position, et le vecteur de croyance de 40 dimensions sur les rivaux).
Architecture : Réseau de neurones peu profond (3 couches cachées) entraîné par Double DQN avec expérience de répétition.
Objectif : Maximiser le gain de position sur un horizon de 5 secteurs.

3. Contributions Clés

Formalisation du problème : Modélisation de la gestion énergétique F1 2026 comme un POSG et définition précise du "piège de contre-récupération" comme une stratégie d'équilibre trompeuse.
Avancement architectural (v2) : La décomposition de l'état "Low" en $L_{harvest}$ (réserve cachée, piège) et $L_{derate}$ (épuisement physique, opportunité d'attaque).
- Dans les versions précédentes (v1.5), cette distinction était gérée au niveau de l'émission, créant une ambiguïté.
- En v2, c'est une distinction au niveau de l'état, permettant au DQN de recevoir directement $P(L_{harvest})$ et $P(L_{derate})$ comme dimensions séparées.
Démonstration de la supériorité de l'inférence : Preuve que la détection du piège nécessite une inférence d'état de croyance combinant le niveau ERS et le sous-mode, impossible avec des seuils simples sur les observables bruts.

4. Résultats (Validation Synthétique)

Les résultats présentés proviennent de 20 courses simulées sous le modèle paramétrique (les données réelles de Melbourne 2026 sont prévues pour la calibration finale) :

Précision de l'inférence ERS : 96,8 % (contre une base aléatoire de 25 %).
Discrimination $L_{harvest}$ vs $L_{derate}$ : 89,4 % de précision (contre 50 % aléatoire). Cela valide l'efficacité du signal $\delta_{throttle}$ .
Détection du piège (Trap Detection) : Rappel de 96,3 % avec un taux de faux positifs réduit par rapport aux versions antérieures.
Robustesse : Le modèle reste performant même avec des erreurs de paramétrage des émissions (ex: décalage de moyenne de ±20 %).
Comparaison avec l'Oracle : L'écart de performance entre le système HMM-DQN et un agent ayant accès à l'état caché réel (Oracle) est minime (95,7 % de l'efficacité de l'Oracle sur le niveau ERS).

5. Signification et Limites

Signification :
Ce travail établit une nouvelle base pour la stratégie F1 à l'ère 2026. Il démontre que la séparation entre un rival qui "joue" (piège) et un rival qui "souffre" (épuisement) est mathématiquement possible et cruciale pour la prise de décision. L'ajout du signal $\delta_{throttle}$ et la décomposition de l'état sont les innovations majeures qui rendent ce système opérationnel.

Limites et Perspectives :

Hypothèse d'adversaire stationnaire : Le modèle actuel suppose que les rivaux n'adaptent pas leur stratégie en fonction de l'observation. C'est une limitation structurelle, car un adversaire rationnel pourrait exploiter ce modèle. L'auteur indique que cette extension (modélisation de jeux à information imparfaite avec adaptation) sera traitée dans un travail ultérieur (Kleisarchaki [2026b]).
Indépendance conditionnelle : L'hypothèse d'indépendance entre les observables dans le modèle d'émission conduit à une surestimation de la confiance (calibration). Une correction structurelle (distributions gaussiennes bivariées) est prévue pour les travaux futurs.
Calibration : Les résultats actuels sont basés sur des données synthétiques. La validation empirique réelle débutera avec le Grand Prix d'Australie (8 mars 2026) via l'algorithme de Baum-Welch.

En résumé, ce papier propose un cadre robuste pour transformer des données télémétriques brutes en une conscience situationnelle profonde, permettant aux équipes de distinguer les manœuvres tactiques des contraintes physiques, un saut qualitatif nécessaire pour la Formule 1 de 2026.