首页/文章/ 详情

【论文推荐】丰田联合MIT:AI赋能汽车造型设计的探索

1天前浏览18

这是一篇来自丰田研究院和MIT2023年发表的联合研究成果,针对汽车设计领域和AI结合的探索。

论文摘要指出“现有的扩散模型在工程设计中应用受限,因为它们无法满足具体的工程约束。作者提出了基于物理引导(physics-based guidance),通过优化性能指标(如阻力系数)来生成符合要求的车辆图像。同时作为概念验证,他们修改了Stable Diffusion,加入阻力引导,生成低阻力的新车设计。”

基本核心点就是用AI生成汽车设计图时,结合代理模型等方法直接优化空气阻力,让车更省油、更酷!

作者提出的物理引导结合了代理模型(预测性能)和梯度优化,在生成过程中同时优化。 即方法实现方面,训练了一个阻力预测的代理模型,使用预训练的特征提取器(如CLIP、ViT、ResNet)加线性回归。然后,在扩散模型的采样过程中,将阻力梯度引入,通过修改采样步骤(类似PGD,投影梯度下降)来优化生成图像的阻力系数。

实验部分,展示了生成的新设计相比基础模型更符合空气动力学,同时保持了艺术风格。此外,阻力优化的引导还能重新设计现有车辆,降低阻力。代理模型在分布偏移下的鲁棒性也通过实验验证,预训练特征比随机特征更稳健。

最后作者指出,除了针对阻力优化,未来也可以扩展至其他物理指标(如结构强度、热力学性能),同时结合多目标开展优化(比如同时优化阻力与制造成本);另外,也可以考虑研究更为复杂的代理模型架构(如图神经网络处理3D形状)应用到这个方法中。


来源:CAE仿真空间
汽车人工智能
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-04-02
最近编辑:1天前
CAE仿真空间
硕士 |欢迎关注“CAE仿真空间”公众号
获赞 102粉丝 791文章 81课程 3
点赞
收藏
作者推荐
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈