Le DrivAerNet++ du MIT propose des milliers de conceptions de voitures 3D avec des données aérodynamiques pour permettre aux fabricants d’innover et de lancer des véhicules plus durables.
Le développement automobile est souvent un processus lent. C’est un mélange d’ingénierie et d’art, les fabricants passant des années à élaborer et affiner les conceptions par le biais de tests physiques, de développement aérodynamiques et de simulations. Les détails de ces tests ne sont normalement pas rendus publics.
Découvrez comment DrivAerNet++ pourrait simplifier le design automobile. Vidéo utilisée avec la permission de Angela Dai
Cependant, les ingénieurs du Massachusetts Institute of Technology (MIT) visent à redéfinir la manière dont les designers abordent la conception des voitures et des véhicules électriques. Ils ont développé une collection de conceptions de voitures 3D — DrivAerNet++ — pour le design automobile et la recherche alimentés par l’intelligence artificielle.
Rendus 3D de design de voiture. Image utilisée avec la permission de MIT/Mohamed Elrefaie
Simplification du processus de conception automobile
DrivAerNet++ comprend une collection de plus de 8 000 conceptions de voitures 3D basées sur les véhicules les plus courants au monde. Les données basées sur des simulations permettent une analyse aérodynamique précise.
Ce système génère des conceptions de voitures en utilisant des outils d’IA comme Midjourney, OpenArt et Recraft. Chaque conception est en 3D et fournit des détails clés, y compris des paramètres, des dimensions, des coefficients aérodynamiques et des informations étendues sur l’écoulement d’air et les caractéristiques de surface. Il inclut également des pièces de voiture segmentées pour les données de nuage de points.
DrivAerNet++ est un jeu de données riche qui soutient plusieurs applications d’apprentissage automatique, y compris l’optimisation de conception basée sur les données, la formation de modèles de substitution, l’accélération de simulation CFD et la classification géométrique.
Mohamed Elrefaie, étudiant en ingénierie mécanique, a expliqué que DrivAerNet++ révolutionnera les applications de l’IA en ingénierie. “Ce jeu de données jette les bases de la prochaine génération d’applications d’IA en ingénierie, favorisant des techniques de conception efficaces, réduisant les coûts de R&D et favorisant les améliorations vers un avenir automobile plus durable,” a-t-il déclaré à MIT News.
Les objectifs de DrivAerNet++
Ce vaste jeu de données vise à élargir les bases de données aérodynamiques actuelles. Ces bases de données ont des limites, comme des cas 2D simples, des modèles simplifiés qui manquent de détails pour une analyse précise, et l’absence de conceptions automobiles standards de l’industrie. Ces limitations réduisent l’efficacité des modèles d’IA générative et des applications dans le monde réel.
Détails de qualité industrielle
DrivAerNet++ contient plus de 39 téraoctets de données disponibles publiquement pour combler les lacunes en matière de ressources. Il offre des détails variés pour accélérer la conception automobile et la formation de modèles en lançant des conceptions de voitures avec diverses configurations. Les modèles sont divisés en catégories : break, fastback et notchback. Ils incluent également des types de sous-vanne. Enfin, ils offrent différentes variations de roues, telles que fermées, ouvertes, détaillées et lisses. Actuellement, ce jeu de données dépasse tous les existants en quantité et en qualité.
DrivAerNet++ comparé à d’autres bases de données. Image utilisée avec la permission de Mohamed Elrefaie
Ce jeu de données fournit également une dynamique des fluides numérique (CFD) de haute fidélité avec des modèles de turbulence avancés et des maillages précisés, permettant aux ingénieurs et aux fabricants d’analyser, de comprendre et de prédire le flux d’air autour de la voiture.
Ces détails sont cruciaux alors que les entreprises recherchent constamment des moyens de fabriquer des véhicules performants avec des besoins de carburant minimaux. Pour les véhicules électriques, les simulations CFD permettent aux ingénieurs d’optimiser le refroidissement des moteurs et de réduire le risque de run-away thermique de la batterie, une cause potentielle d’incendies.
Enseigner à l’IA comment concevoir des voitures
En fin de compte, les ingénieurs du MIT visent à enseigner à l’IA comment concevoir des automobiles pour accélérer les processus. Un développement automobile plus efficace aidera les constructeurs à réduire des dépenses considérables.
Selon Faez Ahmed, qui dirige le Design Computation and Digital Engineer Lab du MIT, ce jeu de données vise à former des modèles d’apprentissage automatique.
“Souvent, lors de la conception d’une voiture, le processus d’avancement peut être si coûteux que les fabricants ne peuvent apporter que de mineurs ajustements d’une version à l’autre,” a-t-il déclaré à MIT News. “Cependant, si vous disposez de jeux de données plus importants où vous connaissez les performances de chaque conception, vous pouvez former des modèles d’apprentissage automatique pour itérer rapidement, vous êtes donc plus susceptibles d’obtenir une meilleure conception.”
Paramètres de conception. Image utilisée avec la permission de Mohamed Elrefaie
Pousser vers la durabilité dans l’industrie
Étant donné qu’une voiture moyenne génère des émissions significatives, Elrefaie a déclaré que faire progresser la technologie est plus important que jamais. Combler le manque de données sur l’aérodynamique — crucial dans la conception des véhicules électriques et l’évaluation de l’efficacité des moteurs à combustion interne — peut aider les fabricants à créer des véhicules plus durables.
“C’est le meilleur moment pour faire avancer les inventions automobiles, car les voitures sont l’un des plus grands pollueurs du monde, et plus vite nous réduisons cette contribution, plus nous pouvons soutenir l’environnement,” a-t-il déclaré à MIT News.
Les entreprises utilisant l’IA pour la conception automobile
Certaines entreprises explorent également l’IA générative pour alimenter leurs efforts de conception.
Kia Global Design
Kia Global Design a collaboré avec Autodesk pour créer un outil intégrant l’IA générative dans le processus de conception conceptuelle. Le projet Bridge Inspiration and Design permet aux utilisateurs d’entrer des mots-clés de conception et de télécharger le croquis initial. L’outil fournit ensuite des images similaires en fonction de l’entrée. L’utilisateur peut affiner et ajuster des paramètres, tels que le nombre de symétries dans les résultats. C’est un moyen efficace de générer de l’inspiration et d’alimenter le processus de brainstorming.
Toyota
L’institut de recherche Toyota a développé un outil pour rendre les processus de conception et d’ingénierie plus efficaces. Selon TRI, l’outil combine ingénierie traditionnelle et IA générative. Le designer peut utiliser une invite textuelle pour demander des conceptions basées sur un prototype initial sur la plateforme.
La société affirme que cela pourrait également aider à identifier des améliorations potentielles. Par exemple, il pourrait améliorer l’aérodynamique en fournissant des informations préliminaires sur la réduction du coefficient de traînée d’un nouveau design, ce qui est une considération cruciale pour les véhicules électriques.
Bienvenue dans une nouvelle ère de la conception automobile
DrivAerNet++ représente une avancée significative dans la conception et le développement de voitures. Il offre des données et des outils accessibles au public pour permettre aux designers, ingénieurs et fabricants de créer de meilleures options. Ce jeu de données promet de propulser une nouvelle ère de véhicules durables et performants.