- Engenheiros do MIT desenvolveram o maior conjunto de dados open source sobre design automotivo, incluindo aerodinâmica, que pode acelerar o desenvolvimento de carros ecológicos e veículos elétricos
- O design automotivo é um processo iterativo e proprietário, conduzido ao longo de anos de simulações e testes físicos
- Detalhes como o desempenho aerodinâmico no design de automóveis normalmente não são divulgados publicamente
- Ferramentas de IA generativa podem ser usadas para maximizar a eficiência do design, mas até agora faltavam dados para treinar essas IAs
- Importância do conjunto de dados DrivAerNet++
- É o maior conjunto de dados open source já desenvolvido na área de aerodinâmica automotiva
- Inclui mais de 8.000 designs de automóveis, e cada design é fornecido em formato 3D
- Fornece dados aerodinâmicos e informações de desempenho baseadas em simulações de dinâmica dos fluidos
- Os designs do conjunto de dados são oferecidos em vários formatos, como malhas, nuvens de pontos (point cloud) e listas de parâmetros de design, podendo ser usados de forma adequada por diferentes modelos de IA
- Pode ser usado no treinamento de modelos de IA para tornar o design mais eficiente
- A IA pode aprender com os dados e gerar rapidamente novos designs
- É possível obter resultados inovadores de design, como melhora da eficiência de combustível e aumento da autonomia de veículos elétricos
- Ao simplificar o processo de design, contribui para reduzir custos de pesquisa e desenvolvimento e promover o desenvolvimento de automóveis sustentáveis
- Processo de desenvolvimento do conjunto de dados
- Foram utilizados modelos 3D fornecidos anteriormente por Audi e BMW em 2014
- Incluindo categorias principais de carros de passeio, como fastback, notchback e estateback
- Diversos novos designs foram gerados a partir dos projetos existentes por meio do ajuste de 26 parâmetros
- Incluindo comprimento do design, estrutura inferior da carroceria, inclinação dos vidros e largura das rodas
- Os designs gerados foram garantidos como não duplicados por um algoritmo de otimização
- Foi produzido com 3 milhões de horas de CPU e 39 terabytes de dados por meio do MIT SuperCloud
- Casos de uso esperados
- Modelos de IA podem aprender com o conjunto de dados e gerar rapidamente novos designs automotivos com aerodinâmica otimizada
- É possível prever rapidamente a aerodinâmica de um design específico e calcular consumo de combustível ou autonomia de veículos elétricos
- Espera-se que acelere o desenvolvimento de veículos sustentáveis e ambientalmente amigáveis
- Significado da pesquisa
- Os automóveis são uma das principais fontes de poluição, e a inovação no design tem papel importante na proteção ambiental
- Passa a ser possível gerar formas 3D de carros fisicamente precisas sem testes reais
- A equipe de pesquisa avalia que isso estabeleceu a base para ferramentas de design de próxima geração baseadas em IA
- Os resultados da pesquisa serão apresentados na conferência NeurIPS 2024
- A pesquisa recebeu apoio do Serviço Alemão de Intercâmbio Acadêmico e do Departamento de Engenharia Mecânica do MIT
- Repositório de dados: https://dataverse.harvard.edu/dataverse/DrivAerNet
- Rastreamento de issues: https://github.com/Mohamedelrefaie/DrivAerNet
1 comentários
Comentários do Hacker News
Há quem se pergunte por que os novos carros elétricos são tão mal projetados em termos de tamanho e peso. Querem um carro familiar econômico, mas não há muitas opções.
Os arquivos de dados do DrivAerNet são disponibilizados no Dataverse da Universidade Harvard.
O rastreamento de issues do DrivAerNet pode ser feito no GitHub.
Os arquivos de dados somam centenas de gigabytes e o login só é possível com uma conta institucional. Um usuário de um pequeno instituto de pesquisa pergunta se pode pegar emprestadas as credenciais de outra pessoa.
A licença Creative Commons Attribution-NonCommercial não é open source.
Um usuário que quer projetar asas/aviões RC pergunta se é possível obter resultados aerodinâmicos por meio de FOSS.
Há reclamações de que todos os carros novos parecem iguais.
Há quem ache que o design é muito bom.
Há a opinião de que a expressão "verbing" torna a frase difícil de ler.