BMW opettaa tekoälyä ymmärtämään törmäyssimulaatioita

BMW ei opeta tekoälyä puhumaan, vaan lukemaan törmäystä.

BMW Group aikoo käyttää omaa teollista dataansa törmäyssimulaatioiden analysointiin. Yhtiön mukaan BMW:n kehitystyössä ajetaan viikoittain tuhansia virtuaalisia törmäyssimulaatioita, ja vuosien aikana eri törmäysskenaarioista on kertynyt yli yksi petatavu dataa. Aineisto kuvaa korirakenteita, materiaalien käyttäytymistä ja muodonmuutoskuvioita. Se antaa BMW:lle ja Mistral AI:lle pohjan toimialakohtaisen tekoälymallin kouluttamiseen.

Törmäyssimulaatioissa jokainen millimetri teräksen, alumiinin, suurlujuusteräksen, liimaliitosten ja akkukoteloiden muodonmuutosta voi vaikuttaa matkustamon kuormituksiin, ovien avautumiseen, turvavöiden toimintaan tai korkeajänniteakun suojaukseen. Tekoälyn arvo ei tässä ole näyttävässä päätöksenteossa. Se on siinä, että valtavasta insinööridatamassasta löytyy kaavoja.

Large Industry Model on BMW:n vastaus yleiskäyttöiselle keskustelubotille.

BMW kuvaa teknistä perustaa Large Industry Model -lähestymistapana. Käytännössä kyse on suuresta teollisesta mallista, joka ei opi yleisestä internet-tekstistä, vaan tietyn alan insinööridatasta, simulaatioverkoista, materiaalimalleista ja kehityslogiikasta. Mistral AI kuvaa kumppanuutta samansuuntaisesti: tavoitteena on rakentaa toimialakohtaisia tekoälymalleja, jotka aloittavat törmäyssimulaatioista ja voisivat myöhemmin laajentua muihin osiin BMW:n arvoketjussa.

Tämä erottaa BMW:n hankkeen tavallisesta generatiivisesta tekoälystä. Keskustelubotti voi selittää, mitä törmäyspalkki tai sivutörmäys tarkoittaa. Teollisen mallin pitää auttaa insinööriä ymmärtämään, miksi tietty korin solmukohta pettää väärällä tavalla, miten kuormat etenevät korirakenteessa ja mikä simulaatiotulos ansaitsee tarkemman katsomisen.

Törmäyssimulaatio on liian monimutkainen helppoihin lupauksiin.

Törmäys ei ole lineaarinen ongelma. Iskun hetkellä materiaalit taipuvat ja repeävät, komponentit kohtaavat uusissa kohdissa, hitsit ja liimaliitokset toimivat rajojensa tuntumassa ja koko prosessi tapahtuu millisekunneissa. Tuore CarCrashNet-tutkimus korostaa samaa: rakenteellinen törmäyssimulaatio on vaikeaa suurten muodonmuutosten, epälineaarisen kontaktin, plastisen materiaalikäyttäytymisen ja korkean resoluution elementtiverkkojen vuoksi.

Siksi BMW:n ja Mistral AI:n lupaus vaatii maltillisen tulkinnan. Tekoäly ei korvaa insinööriä eikä fyysistä törmäystestiä. Se voi kuitenkin vähentää aikaa, joka kuluu simulaatioiden lajitteluun, poikkeamien löytämiseen ja versioiden vertailuun. Kun insinööri näkee aiemmin, mikä korirakenne käyttäytyy huonosti, profiilin muotoa, materiaalipaksuutta tai kuormitusreittiä voi muuttaa prosessin aikaisemmassa vaiheessa.

Eurooppalaiset turvallisuussäännöt lisäävät virtuaalikehityksen arvoa.

BMW:n hanke osuu oikeaan ajankohtaan. Euro NCAP siirtyy vuonna 2026 uuteen arviointijärjestelmään, jossa turvallisuutta tarkastellaan neljässä vaiheessa: turvallinen ajaminen, törmäyksen välttäminen, törmäyssuojaus ja törmäyksen jälkeinen turvallisuus. Euro NCAP korostaa myös virtuaalitestauksen kasvavaa roolia, erityisesti tulevissa turvallisuusluokituksissa ja uusien teknologioiden arvioinnissa.

Tämä tekee autonkehityksestä vaativampaa. Vahva eturakenne ja hyvä sivuturvatyyny eivät enää kerro koko tarinaa. Sähköautossa korkeajänniteakun täytyy pysyä eristettynä törmäyksen jälkeen, pelastushenkilöstön täytyy pystyä avaamaan ajoneuvo nopeasti, eivätkä ovenkahvat tai sähköjärjestelmät saa estää poistumista iskun jälkeen. Euro NCAP:n törmäyksen jälkeisen turvallisuuden protokolla käyttää törmäystestejä myös sähkö- ja hybridiautojen sähköturvallisuuden tarkastamiseen.

BMW:n etu on datan mittakaavassa.

Kaikilla suurilla autonvalmistajilla on simulaatiotiimejä ja fyysisiä testilaboratorioita. BMW:n vahvuus on tässä sen datavarannossa. Yli yksi petatavu historiallista törmäyssimulaatiodataa tarkoittaa, ettei malli opi tyhjältä pöydältä. Se voi tutkia vuosien kehitystyötä: mitkä ratkaisut toimivat, mitkä korin solmukohdat käyttäytyivät huonosti, mitkä simulaatiot ennustivat fyysisten testien tuloksia hyvin ja missä puutteet ilmenivät.

Riski on myös olemassa. Teollisesta tekoälystä tulee hyödyllistä vain, kun data on laadukasta, oikein merkittyä ja insinööreille merkityksellistä. Huono simulaatio tai väärin ymmärretty materiaalimalli voisi opettaa tekoälylle virheellisen yhteyden. Siksi BMW:n oma insinööriosaaminen pysyy hankkeen ytimessä. Mistral AI tarjoaa työkalun, ei automaattista totuuskonetta.

Kilpailijat liikkuvat samaan suuntaan.

BMW ei ole yksin siinä, että simulaatio ja tekoäly nähdään uutena kehityksen kiihdyttäjänä. Auto- ja ilmailuteollisuus siirtävät yhä enemmän työtä virtuaaliympäristöihin, koska fyysiset prototyypit maksavat paljon ja jokaisen kehityssyklin täytyy lyhentyä. Euronews asetti uutisen laajempaan yhteyteen ja totesi, että Mistral AI on solminut kumppanuuden myös Airbusin kanssa. Se kertoo siitä, että eurooppalainen teollisuus haluaa käyttää paikallisia tekoälyratkaisuja strategisilla aloilla.

BMW:lle panokset ovat erityisen suuret. Sähköautot, suuret akkupaketit, monimateriaalikorit ja tiukemmat turvallisuusprotokollat pakottavat valmistajat testaamaan entistä useampia versioita entistä nopeammin. Jos tekoäly auttaa BMW:tä lyhentämään simulaatioanalyysiä ja havaitsemaan heikot kohdat aiemmin, se voi tuoda etua turvallisuudessa, kehitysajassa ja kustannuksissa.

Tekninen yhteenveto

BMW Group ja Mistral AI kehittävät tekoälyä törmäyssimulaatioiden analysointiin.

BMW käyttää mallien kouluttamiseen yli yhtä petatavua historiallista törmäyssimulaatiodataa.

Ratkaisu keskittyy Large Industry Model -tyyppisiin teollisiin malleihin, ei yleisiin keskustelubotteihin.

Tekoälyn on tarkoitus auttaa insinöörejä arvioimaan korin muodonmuutoksia, materiaalien käyttäytymistä ja simulaatioiden poikkeamia nopeammin.

Euroopassa hankkeen merkitystä lisäävät Euro NCAP:n vuoden 2026 turvallisuusjärjestelmä ja virtuaalitestauksen kasvava rooli.