- MIT-Ingenieure haben den bislang größten Open-Source-Datensatz für Fahrzeugdesign entwickelt, der auch Aerodynamik umfasst und die Entwicklung umweltfreundlicher Autos sowie Elektrofahrzeuge beschleunigen könnte
- Fahrzeugdesign ist ein iterativer und proprietärer Prozess, der über Jahre hinweg durch Simulationen und physische Tests vorangetrieben wird
- Details wie die aerodynamische Leistung eines Fahrzeugdesigns werden in der Regel nicht öffentlich gemacht
- Generative-AI-Tools könnten genutzt werden, um die Designeffizienz zu maximieren, bislang fehlten solchen AIs jedoch geeignete Trainingsdaten
- DrivAerNet++ – Bedeutung des Datensatzes
- Der bislang größte Open-Source-Datensatz im Bereich Fahrzeugaerodynamik
- Enthält mehr als 8.000 Fahrzeugdesigns, die jeweils in 3D bereitgestellt werden
- Bietet aerodynamische Daten sowie leistungsbezogene Informationen auf Basis strömungsmechanischer Simulationen
- Die Designs im Datensatz liegen in verschiedenen Formaten vor, darunter Meshes, Punktwolken (Point Clouds) und Listen von Designparametern, sodass sie sich für unterschiedliche AI-Modelle eignen
- Kann zum Training von AI-Modellen genutzt werden und effizienteres Design ermöglichen
- AI kann aus den Daten lernen und schnell neue Designs erzeugen
- Dadurch sind innovative Designresultate möglich, etwa eine bessere Kraftstoffeffizienz oder größere Reichweite bei Elektrofahrzeugen
- Durch die Vereinfachung des Designprozesses kann der Datensatz zur Senkung von Forschungs- und Entwicklungskosten sowie zur Förderung nachhaltiger Fahrzeugentwicklung beitragen
- Entwicklungsprozess des Datensatzes
- Verwendet wurden bestehende 3D-Modelle, die Audi und BMW 2014 bereitgestellt hatten
- Darunter zentrale Pkw-Kategorien wie fastback, notchback und estateback
- Durch die Anpassung von 26 Parametern an bestehenden Designs wurden vielfältige neue Entwürfe erzeugt
- Dazu gehören Fahrzeuglänge, Unterbodenstruktur, Neigung der Fenster und Radbreite
- Ein Optimierungsalgorithmus stellte sicher, dass die erzeugten Designs keine Duplikate sind
- Erstellt wurde der Datensatz mit 3 Millionen CPU-Stunden und 39 Terabyte an Daten über MIT SuperCloud
- Erwartete Anwendungsfälle
- AI-Modelle können den Datensatz lernen und schnell neue Fahrzeugdesigns mit optimierter Aerodynamik erzeugen
- Die Aerodynamik eines bestimmten Fahrzeugdesigns kann schnell vorhergesagt werden, um Kraftstoffverbrauch oder Reichweite von Elektrofahrzeugen zu berechnen
- Es wird erwartet, dass dies die Entwicklung nachhaltiger und umweltfreundlicher Fahrzeuge beschleunigt
- Bedeutung der Forschung
- Autos gehören zu den großen Verschmutzungsquellen, und Designinnovationen spielen eine wichtige Rolle beim Umweltschutz
- Es wird möglich, physikalisch präzise 3D-Fahrzeugformen ohne reale Tests zu erzeugen
- Das Forschungsteam bewertet dies als Grundlage für die nächste Generation AI-basierter Designtools
- Die Forschungsergebnisse sollen auf der NeurIPS 2024 vorgestellt werden
- Die Forschung wurde vom Deutschen Akademischen Austauschdienst und der Fakultät für Maschinenbau am MIT unterstützt
- Daten-Repo: https://dataverse.harvard.edu/dataverse/DrivAerNet
- Issue-Tracking: https://github.com/Mohamedelrefaie/DrivAerNet
1 Kommentare
Hacker-News-Kommentare
Es wird die Frage aufgeworfen, warum neue Elektroautos in Bezug auf Größe und Gewicht so fehlkonstruiert erscheinen. Gesucht wird ein wirtschaftliches Familienfahrzeug, aber es gibt nicht viele Optionen.
Die Datendateien von DrivAerNet werden über Dataverse der Harvard University bereitgestellt.
Das Issue-Tracking von DrivAerNet ist auf GitHub möglich.
Die Datendateien umfassen mehrere hundert Gigabyte, und eine Anmeldung ist nur mit einem institutionellen Konto möglich. Ein Nutzer aus einem kleinen Forschungsinstitut fragt, ob er die Login-Daten einer anderen Person ausleihen könne.
Die Lizenz Creative Commons Attribution-NonCommercial ist nicht Open Source.
Ein Nutzer, der Tragflächen/RC-Flugzeuge entwerfen möchte, fragt, ob sich mit FOSS aerodynamische Ergebnisse erzielen lassen.
Es gibt Kritik daran, dass alle neuen Autos gleich aussehen.
Es gibt die Meinung, dass das Design sehr gut ist.
Es gibt die Meinung, dass der Ausdruck „verbing“ das Lesen des Satzes erschwert.