極客網(wǎng)·極客觀察12月24日 進入AI EV時代,AI還能為汽車做些什么?美國MIT工程師想將AI與電動汽車設計結合在一起,幫助設計師加快設計速度。
工程師們開發(fā)一個名叫“DrivAerNet++”的開源數(shù)據(jù)庫,里面有8000款電動汽車設計圖,這些設計均以現(xiàn)有汽車的流行款式為基礎開發(fā),以3D模型的形式展現(xiàn),并考慮了空氣動力學特征,可幫助車企快速設計汽車。
數(shù)據(jù)庫與AI模型結合,自動生成電動汽車新設計
回顧歷史,電動汽車已經出現(xiàn)100多年,但最近幾年突然出現(xiàn)大爆發(fā)。一般來說,廠商設計一款汽車需要幾年時間,需要投入大量資源,需要不斷迭代、不斷修改,直到確定最終設計并制作原型車。
由于汽車設計歸廠商專有,測試數(shù)據(jù)嚴格保密,外界無法獲得。正因如此,如果想讓電動汽車續(xù)航里程和燃料效率得到明顯提升,困難總是很大,提升速度也不快。
汽車設計流程過于漫長,AI也許可以簡化流程,縮短設計時間。MIT開發(fā)“DrivAerNet++”數(shù)據(jù)庫的目的就是提升設計速度。研究人員認為,未來可以將“DrivAerNet++”數(shù)據(jù)庫與AI模型結合,自動生成電動汽車新設計。
MIT團隊于6月13日將論文上傳至arXiv,詳細介紹了數(shù)據(jù)庫,并介紹了如何將數(shù)據(jù)庫與AI技術結合。
在MIT內部有一個名叫“MIT SuperCloud”的超級計算機系統(tǒng),它主要用于科研,用戶可以遠程接入并獲得算力。研究人員用“MIT SuperCloud”系統(tǒng)進行計算,消耗300萬CPU計算小時數(shù),獲得39TB數(shù)據(jù)。
研究人員還開發(fā)一個算法,它可以對26個參數(shù)進行系統(tǒng)性調節(jié),比如汽車長度、下車身性能、胎面和車輪形狀、擋風玻璃傾斜度等參數(shù)。還有一套算法可以判斷新生成的汽車設計是原創(chuàng)設計,還是對已有設計的復制。
每一份3D設計都可以轉化為多種可讀格式,比如Mesh格式、點云圖、或者只是一份簡單的規(guī)格尺寸列表。最后研究人員會用流體動力學模擬器進行模擬,看看空氣穿過AI生成設計圖時會發(fā)生什么。
生成式AI模型,可將汽車設計時間降低至幾秒鐘
MIT機械工程助理教授Faez Ahmed說:“進行設計時前進的代價相當昂貴,汽車制造商只能一步一步調整,每步只能調整一點點。如果我們擁有一個數(shù)據(jù)庫,你可以明確知道每種設計的性能表現(xiàn),你就能訓練機器學習模型,讓迭代速度加快,從而獲得更好的設計?!?/p>
MIT機械工程學學生Mohamed Elrefaie說,數(shù)據(jù)庫可以幫助車企降低研發(fā)成本,加快設計速度。他還說,加快設計的關鍵是AI工具的使用。有了數(shù)據(jù)庫的幫助,訓練生成式AI模型,讓模型做一些事情,可能只需要幾秒,而不是幾個小時。
以前也有汽車AI大模型出現(xiàn),它們看起來也不錯,但依賴的訓練數(shù)據(jù)有限。MIT的數(shù)據(jù)庫更豐富,AI模型可以用它創(chuàng)造新設計,也可以測試現(xiàn)有汽車的空氣動力學特點。汽車制造商不需要制造實體原型車就可以計算電動汽車的續(xù)航里程。
AI參與設計,還可大度降低汽車設計成本
在汽車界,一款汽車的設計投資可能高達10億美元,如果是重大新設計,甚至要30億美元。假設AI真的能參與設計,應該可以大大降低成本。
對一款設計進行驗證,每次需要10萬美元。如果加入機器學習和深度神經網(wǎng)絡,驗證次數(shù)會大大減少。生成式AI可以根據(jù)設計師的提示生成新設計,還可以預測消費者的反應。
汽車制造商在設計領域引入AI技術并不是什么新鮮事。例如,2000年通用汽車推出龐蒂亞克Aztek,這款汽車有些地方吸引了戶外愛好者,但外觀卻遭到批評,有人說它是有史以來最丑的汽車。
Aztek的銷量只有別克Rendezvous的一半,要知道二者是基于相同平臺開發(fā)的,只是設計有些不同。為了避免犯下同樣的錯誤,通用汽車大力投資AI,想用AI技術預測并生成更有吸引力的車型。
豐田研究院(Toyota Research Institute)也已經引入生成式AI技術,它的目標是幫助設計師減少迭代次數(shù)。AI設計不只給設計師帶去靈感,還會考慮工程、安全問題。廣汽其實也用到了AI,主要是對設計進行優(yōu)化。有了AI技術加持,廣汽可以快速生成并評估設計選項,既考慮審美,也考慮功能。
除了設計,在制造、輔助駕駛等環(huán)節(jié),AI技術也已經全面“浸入”汽車產業(yè)。(小刀)
- 蜜度索驥:以跨模態(tài)檢索技術助力“企宣”向上生長
- MIT想用AI設計電動汽車,大幅縮短設計時間并節(jié)省成本
- 美媒:一些中國大模型已經追平甚至超越美國產品
- 透過這場開發(fā)者圈的“年度盛典”,窺見華為開發(fā)者生態(tài)構建之道
- 谷歌Willow量子芯片有進步 但離實用還很遙遠
- LLM很難變成AGI?科學家:創(chuàng)造AGI理論上可行
- PON在園區(qū)網(wǎng)絡的“先天不足”,無源以太全光來拯救!
- 英特爾CEO黯然退場背后:芯片制造陷泥潭,AI起大早趕晚集
- 開源5年樹立新里程 openEuler以智能 致世界
- 華為推出Mate 70手機引發(fā)高度關注 看外媒是如何評價的?
- 5G-A終端規(guī)模鋪開響應“以舊換新”,湖北移動“機網(wǎng)套”協(xié)同刺激內需
免責聲明:本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時,應及時向本網(wǎng)站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關文章源頭核實,溝通刪除相關內容或斷開相關鏈接。