El diseño de nuevos vehículos es costoso y lleva mucho tiempo, por lo que los fabricantes suelen realizar cambios menores de una generación de modelos a la siguiente.
Con DriverAerNet++, investigadores de la Universidad Técnica de Múnich (TUM) y del Instituto Tecnológico de Massachusetts (MIT) han desarrollado la mayor base de datos de código abierto para el diseño aerodinámico de vehículos. Más de 8000 modelos que representan los tipos de vehículos más comunes permitirán crear diseños más eficientes con la ayuda de la inteligencia artificial. El objetivo es hacer que los procesos de desarrollo sean más rentables, al tiempo que se mejora la eficiencia del combustible y se logran avances en los vehículos eléctricos.
Los fabricantes de automóviles suelen invertir muchos años en el diseño de un vehículo. Esto comienza con simulaciones utilizando modelos 3D antes de probar los diseños más prometedores en el túnel de viento. Los detalles y especificaciones de estas pruebas, incluida la aerodinámica de un diseño determinado, generalmente no se hacen públicos. En consecuencia, el progreso en áreas como la eficiencia de combustible o la autonomía de los vehículos eléctricos tiende a ser lento y limitado a las empresas individuales.
Diseños de automóviles utilizando IA generativa
Como punto de partida para DrivAerNet++, los investigadores utilizaron modelos 3D de 2014 proporcionados por Audi y BMW y que representan distintas formas de carrocería. Además, se ajustaron sistemáticamente 26 parámetros como la longitud, las características de los bajos y el ángulo del parabrisas. El equipo también realizó complejas simulaciones del flujo de aire para calcular la resistencia al viento para los distintos diseños de automóviles generados.
El objetivo era utilizar DriverAerNet++ como datos de entrenamiento para la IA generativa. Esto permite analizar enormes cantidades de datos en segundos para generar diseños innovadores. Aunque ya existen herramientas de este tipo, en el pasado los datos necesarios no estaban disponibles de forma gratuita.
Mayor eficiencia de combustible y avances con los coches eléctricos
Angela Dai, profesora de Inteligencia Artificial 3D en la TUM, afirma: “Nuestro conjunto de datos se puede utilizar como una amplia biblioteca para generar nuevos diseños rápidamente con la ayuda de modelos de IA con el objetivo de diseñar automóviles más eficientes en términos de combustible en el futuro o mejorar la autonomía de los vehículos eléctricos”.
Mohamed Elrefaie, primer autor del estudio, afirma: “Este conjunto de datos sienta las bases para la próxima generación de aplicaciones de IA en el diseño automotriz, promueve procesos de diseño eficientes, reduce los costos de I+D y promoverá el progreso hacia un futuro automotriz más sostenible». TUM News. Traducido al español
Contacto