生成内容和代码。创建图像和视频。使用合成数据测试算法。 生成式人工智能是一种增加生产力和创造力的力量，几乎适用于每个行业，特别是运输领域，在那里它正在简化工作流程并推动新业务。 整个汽车行业都在探索生成式人工智能，以改进车辆设计、工程和制造，以及市场营销和销售。 除了汽车产品生命周期，生成式人工智能还在自动驾驶汽车（AV）开发中实现了新的突破。这些研究领域包括使用神经辐射场（NeRF）技术将记录的传感器数据转化为完全交互式的3D模拟。这些数字孪生环境以及合成数据生成可以用于以极大规模开发、测试和验证AV。 前方合并：变革性用例 生成式人工智能、大型语言模型和推荐系统是现代经济的数字引擎，NVIDIA创始人兼CEO黄仁勋说。 像ChatGPT用于文本生成和稳定扩散用于图像生成等基础模型可以支持能够执行多个任务的人工智能系统。这打开了许多可能性。 就像早期iPhone应用程序开发人员开始使用GPS、加速度计和其他传感器创建移动应用程序一样，现在AI开发人员可以使用基础模型构建新的体验和功能。 生成式人工智能可以帮助将不同的数据流整合在一起，不仅可以将文本与文本或文本与图像进行关联，还可以与视频或3D等输入和输出进行关联。使用这种强大的新计算模型，一个文本提示可以返回一个物理准确的装配厂布局。 作为全球最大的汽车制造商之一，丰田已经开发了一种生成式人工智能技术，以确保早期设计草图融入工程参数。 与此同时，奔驰已经展示了一个使用ChatGPT的语音助手。 其他汽车行业参与者也在寻求生成式人工智能的帮助，以加快设计迭代并提供更好的结果。 设计师和艺术家的工作流程将受益 目前，设计师和艺术家通常需要数月的准备和设计审查才能从早期概念构思和草图发展到完整规模模型的开发。这通常受到不兼容的工具、孤立的数据和串行工作流程的阻碍。 艺术家通常通过寻找“废料”或视觉参考来开始设计过程，这些参考基于汽车造型的趋势。他们寻找设计线索的灵感，从基于关键词的图像库中获取。 这个过程涉及到查看整个行业的车辆，无论是现有的还是历史的。然后，在经过大量人工筛选的基础上，根据公司的风格出现了一些流行设计和新的灵感。这形成了艺术家的2D手绘草图的基础，然后将其重新创建为3D模型和粘土原型。 这些线性和耗时的设计概念过程用于外部零件，如进气格栅、发动机盖和车轮，以及内部方面，如仪表盘、座椅、人机工程学和用户界面。 为了开发这些3D模型，汽车造型团队与工程师一起使用Autodesk Alias或Maya等工具开发“NURBS”模型，即非均匀有理B样条。由此产生的3D几何形状的数学表示捕捉了2D草图中的形状。最终的交付成果是一个经过定制的造型、设计和工程工作的3D表示，可以用于计算机辅助设计应用程序来定义表面。 汽车行业现在有机会使用生成式人工智能将2D草图即时转化为NURBS模型，以提高生产力。这些工具不会取代设计师，而是让他们能够更快地探索各种选择。 生成式人工智能助力概念和造型 以设计为导向的企业可以利用视觉数据集和生成式人工智能在许多方面辅助他们的工作。在编码工具（如GitHub Copilot）已经实现了这一点，它在数十亿行代码上进行了训练，并承诺帮助缩短冗长的设计时间表。 特别是在寻找“废料”设计元素时，生成式人工智能模型可以根据汽车制造商的产品组合以及整个行业的车辆进行训练，从而帮助这个工作流程。这可能首先通过微调一小组图像数据集并进行迁移学习，然后利用NVIDIA TAO…
Leave a Comment