- Ingenieros del MIT desarrollaron el mayor conjunto de datos open source sobre diseño automotriz, incluyendo aerodinámica, que puede acelerar el diseño de autos ecológicos y vehículos eléctricos
- El diseño automotriz es un proceso iterativo y propietario que avanza a lo largo de años de simulaciones y pruebas físicas
- Los detalles como el rendimiento aerodinámico en el diseño de automóviles normalmente no se hacen públicos
- Se pueden usar herramientas de IA generativa para maximizar la eficiencia del diseño, pero hasta ahora faltaban datos para entrenar estos sistemas de IA
- Importancia del conjunto de datos DrivAerNet++
- Es el mayor conjunto de datos open source desarrollado hasta ahora en el campo de la aerodinámica automotriz
- Incluye más de 8,000 diseños de automóviles, y cada diseño se ofrece en formato 3D
- Proporciona información de rendimiento basada en simulaciones de dinámica de fluidos, incluyendo datos aerodinámicos
- Los diseños del conjunto de datos se ofrecen en varios formatos, como mallas, nubes de puntos (Point Cloud) y listas de parámetros de diseño, por lo que puede usarse con distintos modelos de IA
- Puede aprovecharse para entrenar modelos de IA y permitir diseños más eficientes
- La IA puede aprender de los datos y generar rápidamente nuevos diseños
- Puede producir resultados de diseño innovadores, como mayor eficiencia de combustible y más autonomía para vehículos eléctricos
- Al simplificar el proceso de diseño, ayuda a reducir costos de I+D y a impulsar el desarrollo de automóviles sostenibles
- Proceso de desarrollo del conjunto de datos
- Se usaron modelos 3D existentes proporcionados en 2014 por Audi y BMW
- Incluyen categorías principales de autos de pasajeros como fastback, notchback y estateback
- Se generaron diversos diseños nuevos mediante 26 ajustes de parámetros sobre diseños existentes
- Incluyen longitud del diseño, estructura de la parte inferior de la carrocería, inclinación de las ventanas y ancho de las ruedas
- Los diseños generados se garantizaron como no duplicados mediante un algoritmo de optimización
- Fue creado usando MIT SuperCloud con 3 millones de horas de CPU y 39 terabytes de datos
- Casos de uso esperados
- Los modelos de IA podrán aprender del conjunto de datos y generar rápidamente nuevos diseños de automóviles con aerodinámica optimizada
- Será posible predecir rápidamente la aerodinámica de un diseño específico de automóvil para calcular rendimiento de combustible o autonomía de un vehículo eléctrico
- Se espera que acelere el desarrollo de vehículos sostenibles y amigables con el medio ambiente
- Relevancia de la investigación
- Los automóviles son una de las principales fuentes de contaminación, y la innovación en diseño cumple un papel importante en la protección ambiental
- Ahora es posible generar formas 3D de automóviles físicamente precisas sin pruebas reales
- El equipo de investigación considera que esto sienta las bases para herramientas de diseño de nueva generación basadas en IA
- Los resultados de la investigación se presentarán en NeurIPS 2024
- La investigación recibió apoyo del Servicio Alemán de Intercambio Académico y del Departamento de Ingeniería Mecánica del MIT
- Repo de datos: https://dataverse.harvard.edu/dataverse/DrivAerNet
- Seguimiento de issues: https://github.com/Mohamedelrefaie/DrivAerNet
1 comentarios
Comentarios de Hacker News
Hay comentarios preguntándose por qué los nuevos vehículos eléctricos están tan mal diseñados en términos de tamaño y peso. Quieren un vehículo familiar económico, pero no hay muchas opciones.
Los archivos de datos de DrivAerNet están disponibles en Dataverse de la Universidad de Harvard.
El seguimiento de issues de DrivAerNet está disponible en GitHub.
Los archivos de datos suman cientos de gigabytes y solo se puede iniciar sesión con una cuenta institucional. Un usuario de un laboratorio pequeño pregunta si podría pedir prestadas las credenciales de otra persona.
La licencia Creative Commons Attribution-NonCommercial no es de código abierto.
Un usuario que quiere diseñar alas de avión/aviones RC pregunta si puede obtener resultados aerodinámicos mediante FOSS.
Hay quejas de que todos los autos nuevos se ven iguales.
Hay una opinión de que el diseño es muy bueno.
Hay comentarios de que la expresión
verbinghace que la oración sea difícil de leer.