論文の概要: Design of Unmanned Air Vehicles Using Transformer Surrogate Models
- arxiv url: http://arxiv.org/abs/2211.08138v1
- Date: Fri, 11 Nov 2022 21:22:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 15:56:52.829983
- Title: Design of Unmanned Air Vehicles Using Transformer Surrogate Models
- Title(参考訳): 変圧器サーロゲートモデルを用いた無人航空機の設計
- Authors: Adam D. Cobb, Anirban Roy, Daniel Elenius, Susmit Jha
- Abstract要約: 我々は,無人航空機(UAV)の設計を合成するAIデザイナを開発した。
提案手法では,高額なフライトダイナミックスモデルやCADツールを動作させることなく,新規なドメイン固有符号化を用いた深部変圧器モデルを用いて,提案手法の性能評価を行う。
- 参考スコア(独自算出の注目度): 8.914156789222266
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computer-aided design (CAD) is a promising new area for the application of
artificial intelligence (AI) and machine learning (ML). The current practice of
design of cyber-physical systems uses the digital twin methodology, wherein the
actual physical design is preceded by building detailed models that can be
evaluated by physics simulation models. These physics models are often slow and
the manual design process often relies on exploring near-by variations of
existing designs. AI holds the promise of breaking these design silos and
increasing the diversity and performance of designs by accelerating the
exploration of the design space. In this paper, we focus on the design of
electrical unmanned aerial vehicles (UAVs). The high-density batteries and
purely electrical propulsion systems have disrupted the space of UAV design,
making this domain an ideal target for AI-based design. In this paper, we
develop an AI Designer that synthesizes novel UAV designs. Our approach uses a
deep transformer model with a novel domain-specific encoding such that we can
evaluate the performance of new proposed designs without running expensive
flight dynamics models and CAD tools. We demonstrate that our approach
significantly reduces the overall compute requirements for the design process
and accelerates the design space exploration. Finally, we identify future
research directions to achieve full-scale deployment of AI-assisted CAD for
UAVs.
- Abstract(参考訳): CAD(Computer-Aided Design)は人工知能(AI)と機械学習(ML)を応用するための新しい領域である。
現在のサイバー物理システムの設計はデジタルツイン方法論を用いており、実際の物理設計は物理シミュレーションモデルによって評価できる詳細なモデルの構築が先行している。
これらの物理モデルは、しばしば遅く、手動の設計プロセスは、しばしば既存の設計の近辺を探索することに依存する。
aiは、これらのデザインサイロを壊し、デザインスペースの探索を加速することで、デザインの多様性とパフォーマンスを高めることを約束している。
本稿では,無人電気航空機(UAV)の設計に焦点を当てる。
高密度バッテリーと純粋に電気推進システムによってUAV設計の空間は破壊され、この領域はAIベースの設計の理想的なターゲットとなっている。
本稿では,新しいUAV設計を合成するAIデザイナを開発する。
提案手法では,新しいドメイン固有符号化を用いた深層トランスフォーマモデルを用いて,高価な飛行ダイナミクスモデルやcadツールを実行することなく,新しい設計の性能評価を行う。
提案手法は設計プロセス全体の計算要求を大幅に削減し,設計空間の探索を加速する。
最後に,UAVのためのAI支援CADの大規模展開を実現するための今後の研究の方向性を明らかにする。
関連論文リスト
- Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
本調査では,コンピュータ支援設計における学習手法の概要について概観する。
類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。
ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
論文 参考訳(メタデータ) (2024-02-27T17:11:35Z) - Compositional Generative Inverse Design [69.22782875567547]
入力変数を設計して目的関数を最適化する逆設計は重要な問題である。
拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。
N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
論文 参考訳(メタデータ) (2024-01-24T01:33:39Z) - AircraftVerse: A Large-Scale Multimodal Dataset of Aerial Vehicle
Designs [15.169540193173923]
AircraftVerseには27,714種類の航空車両がある。
それぞれのデザインは、トポロジー推進サブシステム、バッテリーサブシステム、設計の詳細を記述する象徴的なデザインツリーで構成されている。
本稿では,設計性能の指標を予測するために,設計表現の異なるモダリティを用いたベースラインサロゲートモデルを提案する。
論文 参考訳(メタデータ) (2023-06-08T21:07:15Z) - The Design Space of Generative Models [34.03779721086144]
Card et al. の古典的な論文 "The Design Space of Input Devices" は、HCI分析と発明のためのツールとしてデザイン空間の価値を確立した。
我々は、人間中心のシステムやプラクティスへの統合を支援するためには、新しいトレーニング済みの生成AIモデルのためのデザインスペースを開発する必要があると仮定する。
論文 参考訳(メタデータ) (2023-04-15T23:34:23Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳(メタデータ) (2022-11-29T17:28:31Z) - ARRID: ANN-based Rotordynamics for Robust and Integrated Design [0.0]
ARRIDは、製造逸脱の影響を含む高速な性能情報を提供する。
設計者は、設計のパラメータと動作条件を操作でき、数秒で性能情報を得ることができる。
論文 参考訳(メタデータ) (2022-08-25T16:08:05Z) - Physical Design using Differentiable Learned Simulators [9.380022457753938]
逆設計では、学習したフォワードシミュレータは勾配に基づく設計最適化と組み合わせられる。
この枠組みは数百歩の軌跡を伝播することで高品質な設計を行う。
この結果から,機械学習をベースとしたシミュレータは,いくつかの課題があるにもかかわらず,汎用設計の最適化をサポートできる段階まで成熟していることが示唆された。
論文 参考訳(メタデータ) (2022-02-01T19:56:39Z) - Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
高速物体把握のための完全自律飛行ロボットが提案されている。
追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。
我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
論文 参考訳(メタデータ) (2021-12-10T11:49:51Z) - Dynamically Grown Generative Adversarial Networks [111.43128389995341]
本稿では、ネットワークアーキテクチャとそのパラメータを自動化とともに最適化し、トレーニング中にGANを動的に成長させる手法を提案する。
本手法はアーキテクチャ探索手法を勾配に基づく訓練とインターリーブステップとして組み込んで,ジェネレータと識別器の最適アーキテクチャ成長戦略を定期的に探究する。
論文 参考訳(メタデータ) (2021-06-16T01:25:51Z) - Machine Learning-Based Automated Design Space Exploration for Autonomous
Aerial Robots [55.056709056795206]
自律飛行ロボットのためのドメイン固有のアーキテクチャの構築は、オンボードコンピューティングを設計するための体系的な方法論が欠如しているため、難しい。
F-1ルーフラインと呼ばれる新しいパフォーマンスモデルを導入し、アーキテクトがバランスの取れたコンピューティングシステムを構築する方法を理解するのを助ける。
サイバー物理設計空間を自動でナビゲートするために、AutoPilotを導入します。
論文 参考訳(メタデータ) (2021-02-05T03:50:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。