8.000 Open-Source-Modelle f眉r nachhaltige 惭辞产颈濒颈迟盲迟
Effizientere Autodesigns mit KI
Automobilhersteller investieren oft mehrere Jahre in das Design eines Fahrzeugs. Dabei werden zun盲chst 3D-Modelle simuliert, bevor die vielversprechendsten Entw眉rfe im Windkanal getestet werden. Die Details und Spezifikationen dieser Tests, einschlie脽lich der Aerodynamik eines bestimmten Designs, werden in der Regel nicht ver枚ffentlicht. Fortschritte in Bereichen wie Kraftstoffeffizienz oder Reichweite von Elektrofahrzeugen sind daher oft langsam und auf die jeweiligen Unternehmen beschr盲nkt.
Autodesigns mithilfe generativer KI
Als Ausgangspunkt f眉r DrivAerNet++ nutzten die Forschenden 3D-Modelle aus dem Jahr 2014, die von Audi und BMW bereitgestellt wurden und unterschiedliche Karosserieformen von Autos repr盲sentieren. Zus盲tzlich ver盲nderten sie bei diesen Modellen 26 Parameter wie L盲nge, Unterbodenmerkmale und Windschutzscheibenneigung systematisch. Das Team f眉hrte au脽erdem komplexe Str枚mungssimulationen durch, um zu berechnen, wie gro脽 der Luftwiderstand der einzelnen generierten Autodesigns ist.
Die Forschenden verfolgen damit das Ziel, DriverAerNet++ als Trainingsdatensatz f眉r generative KI einzusetzen. So k枚nnen riesige Datenmengen in Sekunden analysiert und neuartige Designs generiert werden. Zwar existieren solche Tools, doch die daf眉r erforderlichen Daten waren bisher nicht frei zug盲nglich.
Kraftstoffeffizientere Autos und Fortschritte bei Elektroautos
Angela Dai, Professorin f眉r 3D Artificial Intelligence an der TUM, sagt: 鈥濽nser Datensatz kann als umfangreiche Bibliothek genutzt werden, um mithilfe von KI-Modellen in kurzer Zeit neue Designs zu generieren, die zuk眉nftig zu kraftstoffeffizienteren Autos oder Elektrofahrzeugen mit l盲ngerer Reichweite f眉hren sollen.鈥�
Mohamed Elrefaie, Erstautor der Studie sagt: 鈥濪ieser Datensatz legt den Grundstein f眉r die n盲chste Generation von KI-Anwendungen im Autobau, f枚rdert effiziente Designprozesse, senkt Kosten in der Forschung und Entwicklung und treibt Fortschritte in Richtung einer nachhaltigeren Automobilzukunft voran.鈥�
M. Elrefaie, F. Morar, A. Dai, and F. Ahmed. DrivAerNet++: . In Thirty-eigth Conference on Neural Information Processing Systems Datasets and Benchmarks Track, 2024.
- ist Kernmitglied am , und .
- Die Professur 3D Artifical Intelligence geh枚rt zur .
- Forschung zu K眉nstlicher Intelligenz und 惭辞产颈濒颈迟盲迟 an der TUM.
Technische 鲍苍颈惫别谤蝉颈迟盲迟 惭眉苍肠丑别苍
Corporate Communications Center
- Julia Rinner
- julia.rinner@tum.de
- presse@tum.de
- Teamwebsite
Kontakte zum Artikel:
Prof. Dr. Angela Dai
Technische 鲍苍颈惫别谤蝉颈迟盲迟 惭眉苍肠丑别苍
Professur f眉r 3D Artifical Intelligence
angela.dai@tum.de
