Med millioner af dollars, der står på spil på tværs af turneringer og mere end 45 millioner regelmæssige årlige deltagere, fortsætter Bowling med at regere som en topsport i USA en samlet model, der forudsiger, hvordan en bowlingkugle opfører sig ned ad banen, men forbliver undvigende.
I AIP går videre, Forskere fra Princeton, MIT, University of New Mexico, Loughborough University og Swarthmore College deler en model, der identificerer det optimale sted for bowlingboldplacering. Ved anvendelse af et system med seks differentialligninger, der stammer fra Eulers ligninger for en roterende stiv krop, skaber deres model et plot, der viser de bedste betingelser for en strejke.
“Simuleringsmodellen, vi oprettede, kunne blive et nyttigt værktøj til spillere, træner, udstyrsfirmaer og turneringsdesignere,” sagde forfatter Curtis Hooper. “Evnen til nøjagtigt at forudsige boldbaner kan føre til opdagelser af nye strategier og udstyrsdesign.”
Indtil videre har de fleste metoder til at forudsige resultatet af bowlingskud afhængig af statistikker, der beskriver bowlers i det virkelige liv, snarere end at analysere kuglens dynamik og skudt selv. Sådanne tilgange er ofte kommet korte, når spillerne introducerer let variation i, hvordan de skåler.
I stedet tegner gruppens model sig for en række faktorer. Et eksempel er det tynde lag olie, der påføres bowlingbaner; Olielaget kan variere meget i volumen og form mellem konkurrencedygtige turneringer, hvilket kræver specifikke stilarter og målretningstrategier for hver. Olien påføres sjældent ensartet, hvilket skaber en ujævn friktionsoverflade.
Problemet er, at bowlers og trænere i øjeblikket kun kan stole på deres egen oplevelse og instinkt, som Hooper sagde er ofte upræcise og suboptimal.
“Vores model giver en løsning på begge disse problemer ved at konstruere en bowlingmodel, der nøjagtigt beregner bowlingbaner, når de får input til alle betydelige faktorer, der kan påvirke boldbevægelse,” sagde Hooper. “Et ‘miss-rum’ beregnes også for at redegøre for menneskelige unøjagtigheder, som giver bowlers mulighed for at finde deres egen optimale målretningsstrategi.”
At gøre modellen udgjorde flere udfordringer, herunder hvordan man beskriver bevægelsen af den subtile asymmetriske bowlingbold. Mere udfordrende destillerede stadig de input, der kræves til at forudsige banen til termer, som en bowler eller coach kunne forstå, og som kunne måles med tilbehør, som bowlers allerede bruger.
I fremtiden sigter gruppen at forbedre modellens nøjagtighed ved at inkorporere endnu flere faktorer, herunder ujævne bowlingbaner, samt forbinde med fagfolk i branchen for bedre at forstå, hvordan modellen kan tilpasses til at passe til deres applikationer.