AI大潮之中，卡車行業(yè)何時有專用數(shù)據(jù)集？

AI首先需要學(xué)習(xí)的材料，而汽車行業(yè)是個充滿數(shù)據(jù)保護(hù)壁壘的行業(yè)。該數(shù)據(jù)集可用來訓(xùn)練人工智能模型，解決了無源之水的問題。         

2024年12月5日卡車技術(shù)前線消息，據(jù)麻省理工學(xué)院新聞。麻省理工學(xué)院(MIT)的工程師開發(fā)了目前最大的汽車設(shè)計開源數(shù)據(jù)集，包括其空氣動力學(xué)，可以加快環(huán)保汽車和電動汽車的設(shè)計。                  

九輛車組成的網(wǎng)格。每輛車都是彩虹色的，顯示了它們的“表面場”。保險杠是紅色的，而車頂是藍(lán)色和綠色的。

汽車設(shè)計是一個迭代和專有的過程。汽車制造商可能在汽車的設(shè)計階段花費數(shù)年時間，在構(gòu)建最有前景的物理測試設(shè)計之前，在模擬中調(diào)整3D形式。這些測試的細(xì)節(jié)和規(guī)格，包括給定汽車設(shè)計的空氣動力學(xué)，通常不會公開。因此，性能方面的重大進(jìn)步，如燃油效率或電動汽車?yán)m(xù)航里程，可能會很慢，而且會在不同公司之間形成孤立。    

麻省理工學(xué)院的工程師表示，使用生成性AI人工智能工具，可以在幾秒鐘內(nèi)瀏覽大量數(shù)據(jù)并找到連接以生成新穎的設(shè)計，從而成倍地加快尋找更好的汽車設(shè)計的速度。雖然存在這樣的人工智能工具，但它們需要學(xué)習(xí)的數(shù)據(jù)還不可用，至少是以任何可訪問的集中形式。

但現(xiàn)在，工程師們首次向公眾提供了這樣一個數(shù)據(jù)集。該數(shù)據(jù)集名為DrivAerNet++，包含8000多種汽車設(shè)計，這些設(shè)計是工程師根據(jù)當(dāng)今世界上最常見的汽車類型生成的。每個設(shè)計都以3D形式表示，并包括有關(guān)汽車空氣動力學(xué)的信息——基于該小組對每個設(shè)計進(jìn)行的流體動力學(xué)模擬，空氣在給定設(shè)計周圍的流動方式。

圖片來源：Mohamed Elrefaie

在一個包含8000多種汽車設(shè)計的新數(shù)據(jù)集中，麻省理工學(xué)院的工程師模擬了給定汽車形狀的空氣動力學(xué)，他們以各種方式表示，包括“表面場”（左）和“流線”（右）。

數(shù)據(jù)集的8000個3D汽車設(shè)計中的每一個都有幾種表示形式，如參數(shù)化、點云、3D網(wǎng)格、體積場、曲面場、流線和零件注釋。因此，該數(shù)據(jù)集可供不同的人工智能模型使用，這些模型經(jīng)過調(diào)整，可以以特定的方式處理數(shù)據(jù)。

DrivAerNet++是迄今為止開發(fā)的最大的汽車空氣動力學(xué)開源數(shù)據(jù)集。工程師們設(shè)想它將被用作一個廣泛的現(xiàn)實汽車設(shè)計庫，其中包含詳細(xì)的空氣動力學(xué)數(shù)據(jù)，可用于快速訓(xùn)練任何人工智能模型。然后，這些模型可以同樣快速地產(chǎn)生新穎的設(shè)計，從而有可能在當(dāng)今汽車行業(yè)所需時間的一小部分內(nèi)，生產(chǎn)出更省油的汽車和續(xù)航里程更長的電動汽車。    

Dataset Annotations

麻省理工學(xué)院機(jī)械工程研究生Mohamed Elrefaie表示：“該數(shù)據(jù)集為下一代人工智能在工程中的應(yīng)用奠定了基礎(chǔ)，促進(jìn)了高效的設(shè)計流程，降低了研發(fā)成本，并推動了汽車未來的可持續(xù)發(fā)展?！薄lrefaie和他的同事將在12月的NeurIPS會議上發(fā)表一篇論文，詳細(xì)介紹新的數(shù)據(jù)集以及可以應(yīng)用于它的人工智能方法。

Ahmed領(lǐng)導(dǎo)著麻省理工學(xué)院的設(shè)計計算和數(shù)字工程實驗室（DeCoDE），他的團(tuán)隊探索了如何使用人工智能和機(jī)器學(xué)習(xí)工具來增強(qiáng)復(fù)雜工程系統(tǒng)和產(chǎn)品的設(shè)計，包括汽車技術(shù)。

在研究新車設(shè)計過程時，研究人員發(fā)現(xiàn)，雖然有人工智能模型可以通過許多汽車設(shè)計來生成最佳設(shè)計，但實際可用的汽車數(shù)據(jù)是有限的。一些研究人員之前已經(jīng)組裝了模擬汽車設(shè)計的小型數(shù)據(jù)集，而汽車制造商很少發(fā)布他們探索、測試和最終制造的實際設(shè)計的規(guī)格。

該團(tuán)隊試圖填補(bǔ)數(shù)據(jù)空白，特別是在汽車的空氣動力學(xué)方面，這在設(shè)定電動汽車的續(xù)航里程和內(nèi)燃機(jī)的燃油效率方面起著關(guān)鍵作用。他們意識到，挑戰(zhàn)在于完成一個包含數(shù)千種汽車設(shè)計的數(shù)據(jù)集，每種設(shè)計在功能和形式上都是精確的，而無需進(jìn)行物理測試和測量其性能。

為了建立一個汽車設(shè)計數(shù)據(jù)集，對其空氣動力學(xué)進(jìn)行物理精確的表示，研究人員從奧迪和寶馬在2014年提供的幾個基線3D模型開始?；€模型被認(rèn)為彌合了簡單設(shè)計和更復(fù)雜的專有設(shè)計之間的差距，并被其他團(tuán)體用作探索新車設(shè)計的起點。

研究團(tuán)隊對每個基線汽車模型應(yīng)用了變形操作。該操作系統(tǒng)地對給定汽車設(shè)計中的26個參數(shù)中的每一個進(jìn)行了輕微更改，例如其長度、車身底部特征、擋風(fēng)玻璃坡度和車輪踏面，然后將其標(biāo)記為不同的汽車設(shè)計，然后添加到不斷增長的數(shù)據(jù)集中。同時，該團(tuán)隊運行了一個優(yōu)化算法，以確保每個新設(shè)計確實是不同的，而不是已經(jīng)生成的設(shè)計的副本。然后，他們將每個3D設(shè)計轉(zhuǎn)換為不同的形式，這樣給定的設(shè)計就可以表示為網(wǎng)格、點云或尺寸和規(guī)格列表。    

DrivAerNet++數(shù)據(jù)集生成的設(shè)計參數(shù)。選擇了幾個對空氣動力學(xué)有重大影響的幾何參數(shù)，并在特定范圍內(nèi)進(jìn)行了調(diào)整。選擇這些參數(shù)范圍是為了避免難以制造或不美觀的值。

DrivAerNet++涵蓋了所有傳統(tǒng)汽車設(shè)計。該數(shù)據(jù)集包括各種車身底部和車輪設(shè)計，以表示內(nèi)燃機(jī)（ICE）和電動汽車（EV）。這種廣泛的覆蓋范圍允許對幾何變化對空氣動力學(xué)性能的影響進(jìn)行全面研究。DrivAerNet++通過包含一組不同的汽車形狀，促進(jìn)了對不同車型空氣動力學(xué)效應(yīng)的探索，支持學(xué)術(shù)研究和工業(yè)應(yīng)用。

研究人員還進(jìn)行了復(fù)雜的計算流體動力學(xué)模擬，以計算空氣如何在每個生成的汽車設(shè)計周圍流動。最終，這項工作產(chǎn)生了8000多種不同的、物理上精確的3D汽車形狀，涵蓋了當(dāng)今道路上最常見的乘用車類型。    

為了生成這個全面的數(shù)據(jù)集，研究人員使用MIT SuperCloud花費了300多萬個CPU小時，并生成了39TB的數(shù)據(jù)。（相比之下，據(jù)估計，美國國會圖書館的整個印刷館藏將達(dá)到約10TB的數(shù)據(jù)。）

工程師們表示，研究人員現(xiàn)在可以使用該數(shù)據(jù)集來訓(xùn)練特定的人工智能模型。例如，人工智能模型可以在數(shù)據(jù)集的一部分上進(jìn)行訓(xùn)練，以學(xué)習(xí)具有某些理想空氣動力學(xué)的汽車配置。在幾秒鐘內(nèi)，該模型可以根據(jù)從數(shù)據(jù)集的數(shù)千個物理上精確的設(shè)計中學(xué)到的知識，生成具有優(yōu)化空氣動力學(xué)的新車設(shè)計。

研究人員表示，該數(shù)據(jù)集也可用于反向目標(biāo)。例如，在數(shù)據(jù)集上訓(xùn)練了一個人工智能模型后，設(shè)計師可以給模型提供一個特定的汽車設(shè)計，并讓它快速估計設(shè)計的空氣動力學(xué)，然后可以用來計算汽車的潛在燃油效率或電動里程——所有這些都不需要對實體汽車進(jìn)行昂貴的建造和測試。

這項工作部分得到了德國學(xué)術(shù)交流服務(wù)中心和麻省理工學(xué)院機(jī)械工程系的支持。