- Para insinyur MIT mengembangkan dataset open-source terbesar tentang desain mobil yang mencakup aerodinamika, yang dapat mempercepat perancangan mobil ramah lingkungan dan kendaraan listrik
- Desain mobil adalah proses berulang dan tertutup yang biasanya berlangsung melalui simulasi bertahun-tahun dan pengujian fisik
- Detail seperti performa aerodinamika dalam desain mobil umumnya tidak dipublikasikan
- Alat AI generatif dapat dimanfaatkan untuk memaksimalkan efisiensi desain, tetapi sebelumnya tidak ada data yang cukup untuk melatih AI semacam ini
- Pentingnya dataset DrivAerNet++
- Dataset open-source terbesar hingga saat ini di bidang aerodinamika mobil
- Mencakup lebih dari 8.000 desain mobil, dan setiap desain disediakan dalam format 3D
- Menyediakan data aerodinamika serta informasi performa berbasis simulasi dinamika fluida
- Desain dalam dataset disediakan dalam berbagai format seperti mesh, point cloud, dan daftar parameter desain, sehingga dapat digunakan untuk berbagai model AI
- Dapat dimanfaatkan untuk melatih model AI sehingga memungkinkan desain yang efisien
- AI dapat mempelajari data lalu dengan cepat menghasilkan desain baru
- Dapat menghasilkan inovasi desain seperti peningkatan efisiensi bahan bakar dan penambahan jarak tempuh kendaraan listrik
- Dengan menyederhanakan proses desain, hal ini membantu menekan biaya riset dan pengembangan serta mendorong pengembangan mobil yang berkelanjutan
- Proses pengembangan dataset
- Memanfaatkan model 3D yang sebelumnya disediakan oleh Audi dan BMW pada 2014
- Mencakup kategori utama mobil penumpang seperti fastback, notchback, dan estateback
- Beragam desain baru dibuat dengan menyesuaikan 26 parameter pada desain yang ada
- Termasuk panjang desain, struktur bagian bawah bodi, kemiringan kaca, dan lebar roda
- Desain yang dihasilkan dijamin tidak duplikat melalui algoritme optimisasi
- Dibuat menggunakan MIT SuperCloud dengan memanfaatkan 3 juta jam CPU dan 39 terabyte data
- Contoh penggunaan yang diharapkan
- Model AI dapat mempelajari dataset ini untuk dengan cepat menghasilkan desain mobil baru dengan aerodinamika yang dioptimalkan
- Aerodinamika dari desain mobil tertentu dapat diprediksi dengan cepat untuk menghitung efisiensi bahan bakar atau jarak tempuh kendaraan listrik
- Diharapkan dapat mempercepat pengembangan kendaraan yang berkelanjutan dan ramah lingkungan
- Makna penelitian ini
- Mobil adalah salah satu sumber polusi utama, sehingga inovasi desain memainkan peran penting dalam perlindungan lingkungan
- Menjadi mungkin untuk menghasilkan bentuk mobil 3D yang akurat secara fisik tanpa pengujian nyata
- Tim peneliti menilai bahwa ini menjadi fondasi bagi alat desain berbasis AI generasi berikutnya
- Hasil penelitian dijadwalkan dipresentasikan di konferensi NeurIPS 2024
- Penelitian ini didukung oleh German Academic Exchange Service dan Departemen Teknik Mesin MIT
- Repo data: https://dataverse.harvard.edu/dataverse/DrivAerNet
- Pelacakan isu: https://github.com/Mohamedelrefaie/DrivAerNet
1 komentar
Komentar Hacker News
Ada pendapat yang mempertanyakan mengapa mobil listrik baru dirancang dengan buruk dari sisi ukuran dan berat. Mereka menginginkan kendaraan keluarga yang ekonomis, tetapi pilihannya tidak banyak.
File data DrivAerNet disediakan melalui Dataverse milik Universitas Harvard.
Pelacakan isu untuk DrivAerNet tersedia di GitHub.
File datanya mencapai ratusan gigabita, dan login hanya bisa dilakukan dengan akun institusi. Seorang pengguna dari lembaga riset kecil bertanya apakah bisa meminjam informasi login milik orang lain.
Lisensi Creative Commons Attribution-NonCommercial bukan open source.
Seorang pengguna yang ingin merancang sayap pesawat/pesawat RC bertanya apakah hasil aerodinamika bisa diperoleh melalui FOSS.
Ada keluhan bahwa semua mobil baru terlihat sama.
Ada pendapat bahwa desainnya sangat bagus.
Ada pendapat bahwa penggunaan ungkapan 'verbing' membuat kalimat sulit dibaca.