論文の概要: AircraftVerse: A Large-Scale Multimodal Dataset of Aerial Vehicle Designs

• arxiv url: http://arxiv.org/abs/2306.05562v1
• Date: Thu, 8 Jun 2023 21:07:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-12 15:25:38.730378
• Title: AircraftVerse: A Large-Scale Multimodal Dataset of Aerial Vehicle Designs
• Title（参考訳）: AircraftVerse: 航空機設計の大規模マルチモーダルデータセット
• Authors: Adam D. Cobb, Anirban Roy, Daniel Elenius, F. Michael Heim, Brian Swenson, Sydney Whittington, James D. Walker, Theodore Bapty, Joseph Hite, Karthik Ramani, Christopher McComb, Susmit Jha
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 15.169540193173923
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We present AircraftVerse, a publicly available aerial vehicle design dataset. Aircraft design encompasses different physics domains and, hence, multiple modalities of representation. The evaluation of these cyber-physical system (CPS) designs requires the use of scientific analytical and simulation models ranging from computer-aided design tools for structural and manufacturing analysis, computational fluid dynamics tools for drag and lift computation, battery models for energy estimation, and simulation models for flight control and dynamics. AircraftVerse contains 27,714 diverse air vehicle designs - the largest corpus of engineering designs with this level of complexity. Each design comprises the following artifacts: a symbolic design tree describing topology, propulsion subsystem, battery subsystem, and other design details; a STandard for the Exchange of Product (STEP) model data; a 3D CAD design using a stereolithography (STL) file format; a 3D point cloud for the shape of the design; and evaluation results from high fidelity state-of-the-art physics models that characterize performance metrics such as maximum flight distance and hover-time. We also present baseline surrogate models that use different modalities of design representation to predict design performance metrics, which we provide as part of our dataset release. Finally, we discuss the potential impact of this dataset on the use of learning in aircraft design and, more generally, in CPS. AircraftVerse is accompanied by a data card, and it is released under Creative Commons Attribution-ShareAlike (CC BY-SA) license. The dataset is hosted at https://zenodo.org/record/6525446, baseline models and code at https://github.com/SRI-CSL/AircraftVerse, and the dataset description at https://aircraftverse.onrender.com/.
• Abstract（参考訳）: 私たちが紹介するAircraftVerseは、パブリックな航空車両設計データセットである。 航空機の設計は異なる物理領域を含み、したがって複数の表現のモダリティを含んでいる。 これらのサイバーフィジカルシステム(cps)の設計の評価には、構造および製造分析のためのコンピュータ支援設計ツール、ドラッグ・リフト計算のための計算流体力学ツール、エネルギー推定のためのバッテリモデル、飛行制御およびダイナミクスのためのシミュレーションモデルなど幅広い科学分析およびシミュレーションモデルの使用が必要である。 AircraftVerseには27,714の多様な航空機デザインがあり、このレベルの複雑さを持つ最大のエンジニアリングデザインコーパスである。 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、その他の設計の詳細を記述する象徴的なデザインツリー、製品交換(STEP)モデルデータのためのStandard、ステレオリソグラフィ(STL)ファイルフォーマットを用いた3DCADデザイン、デザインの形状のための3Dポイントクラウド、そして最大飛行距離やホバータイムなどのパフォーマンス指標を特徴付ける高忠実度状態の物理モデルによる評価結果を含む。 また、データセットリリースの一部として提供される設計パフォーマンスメトリクスを予測するために、デザイン表現の異なるモダリティを使用するベースラインサロゲートモデルも提示します。 最後に,本データセットが航空機設計およびより一般的にはCPSにおける学習利用に与える影響について論じる。 AircraftVerseにはデータカードが付属しており、Creative Commons Attribution-ShareAlike (CC BY-SA)ライセンスでリリースされている。 データセットはhttps://zenodo.org/record/6525446、ベースラインモデルとコードはhttps://github.com/SRI-CSL/AircraftVerse、データセット記述はhttps://aircraftverse.onrender.com/にある。

関連論文リスト

• Exploring the design space of deep-learning-based weather forecasting systems [56.129148006412855]
  本稿では,異なる設計選択がディープラーニングに基づく天気予報システムに与える影響を系統的に分析する。 UNet、完全畳み込みアーキテクチャ、トランスフォーマーベースモデルなどの固定グリッドアーキテクチャについて検討する。 固定グリッドモデルの強靭な性能とグリッド不変アーキテクチャの柔軟性を組み合わせたハイブリッドシステムを提案する。
  論文  参考訳（メタデータ） (2024-10-09T22:25:50Z)
• VehicleSDF: A 3D generative model for constrained engineering design via surrogate modeling [3.746111274696241]
  本研究は,自動車開発におけるデザイン空間の探索に3次元生成モデルを用いたことを明らかにする。 我々は、所定の幾何学的仕様を満たす車両の様々な3Dモデルを生成する。 また,空力抵抗などの性能パラメータを高速に推定する。
  論文  参考訳（メタデータ） (2024-10-09T16:59:24Z)
• DrivAerNet++: A Large-Scale Multimodal Car Dataset with Computational Fluid Dynamics Simulations and Deep Learning Benchmarks [25.00264553520033]
  DrivAerNet++は、高忠実度計算流体力学(CFD)シミュレーションをモデルとした8000の多種多様な自動車設計で構成されている。 データセットには、ファストバック、ノッチバック、エステートバックといった多様な車種が含まれており、内燃機関と電気自動車の両方を表す車体と車輪のデザインが異なる。 このデータセットは、データ駆動設計最適化、生成モデリング、代理モデルトレーニング、CFDシミュレーションアクセラレーション、幾何学的分類を含む幅広い機械学習アプリケーションをサポートしている。
  論文  参考訳（メタデータ） (2024-06-13T23:19:48Z)
• 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)
• Surrogate Modeling of Car Drag Coefficient with Depth and Normal Renderings [4.868319717279586]
  本稿では,3次元カードラッグの予測の有効性を検証するために,新しい2次元3次元形状表現法を提案する。 我々はドラッグ係数でラベル付けされた9,070個の高品質な3Dカーメッシュの多様なデータセットを構築した。 実験により,車種別0.84以上のR2$値のドラッグ係数を精度良く,効率的に評価できることを示した。
  論文  参考訳（メタデータ） (2023-05-26T09:33:12Z)
• Ship-D: Ship Hull Dataset for Design Optimization using Machine Learning [4.091593765662773]
  本稿では, 設計および機能性能情報を備えた3万隻の船体からなる大規模データセットについて述べる。 本稿では,既存の船体を正確に再構成するパラメータ化機能を示すために,一般公開CADリポジトリから12種類の船体について紹介する。
  論文  参考訳（メタデータ） (2023-05-14T23:47:20Z)
• 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)
• Design of Unmanned Air Vehicles Using Transformer Surrogate Models [8.914156789222266]
  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。
  論文  参考訳（メタデータ） (2022-11-11T21:22:21Z)
• Physics-Integrated Variational Autoencoders for Robust and Interpretable Generative Modeling [86.9726984929758]
  我々は、不完全物理モデルの深部生成モデルへの統合に焦点を当てる。 本稿では,潜在空間の一部が物理によって基底づけられたVAEアーキテクチャを提案する。 合成および実世界のデータセットの集合に対して生成的性能改善を示す。
  論文  参考訳（メタデータ） (2021-02-25T20:28:52Z)
• 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)
• Learning Monocular Depth in Dynamic Scenes via Instance-Aware Projection Consistency [114.02182755620784]
  本稿では,複数の動的物体の6-DoF動作,エゴモーション,深度を,監督なしで一眼レフカメラで明示的にモデル化する,エンドツーエンドのジョイントトレーニングフレームワークを提案する。 筆者らのフレームワークは,最先端の深度・動き推定法より優れていた。
  論文  参考訳（メタデータ） (2021-02-04T14:26:42Z)

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。