BMW māca mākslīgajam intelektam saprast avāriju simulācijas

BMW nemāca mākslīgajam intelektam runāt, bet gan lasīt avāriju.

BMW Group avāriju simulāciju analīzē izmantos savus industriālos datus. Uzņēmums norāda, ka BMW izstrādes procesā katru nedēļu notiek tūkstošiem virtuālu avāriju simulāciju, un gadu gaitā ir uzkrāts vairāk nekā viens petabaits datu no dažādiem avāriju scenārijiem. Šie dati apraksta virsbūves struktūras, materiālu uzvedību un deformācijas raksturus, dodot BMW un Mistral AI pamatu konkrētai nozarei paredzēta mākslīgā intelekta modeļa apmācībai.

Avāriju simulācijās katrs tērauda, alumīnija, augstas stiprības tērauda, līmēto savienojumu un akumulatoru korpusu deformācijas milimetrs var mainīt slodzes salonā, durvju atvēršanās uzvedību, drošības jostu darbību vai augstsprieguma akumulatora aizsardzību. Mākslīgā intelekta vērtība šeit nav teatrālos lēmumos. Tā slēpjas spējā atrast likumsakarības milzīgā inženiertehnisku datu apjomā.

Large Industry Model ir BMW atbilde vispārējiem tērzēšanas robotiem.

BMW tehnisko pamatu raksturo kā Large Industry Model pieeju. Praksē tas nozīmē lielu industriālu modeli, kas nemācās no vispārīga interneta teksta, bet gan no vienas konkrētas jomas inženiertehniskajiem datiem, simulāciju režģiem, materiālu modeļiem un izstrādes loģikas. Mistral AI partnerību apraksta līdzīgi: mērķis ir veidot konkrētām nozarēm paredzētus mākslīgā intelekta modeļus, sākot ar avāriju simulācijām un vēlāk, iespējams, paplašinot tos uz citām BMW vērtību ķēdes daļām.

Tas BMW projektu atšķir no parasta ģeneratīvā mākslīgā intelekta. Tērzēšanas robots var izskaidrot, kas ir triecienstienis vai sānu trieciens. Industriālam modelim jāpalīdz inženierim saprast, kāpēc konkrēts virsbūves mezgls sabrūk nepareizā veidā, kā slodzes pārvietojas caur virsbūves struktūru un kuram simulācijas rezultātam jāpievērš lielāka uzmanība.

Avāriju simulācija ir pārāk sarežģīta viegliem solījumiem.

Avārija nav lineāra problēma. Trieciena brīdī materiāli liecas un plīst, komponenti saskaras jaunās vietās, metinājumi un līmētie savienojumi darbojas tuvu savām robežām, un viss process norisinās milisekundēs. Nesenais CarCrashNet pētījums uzsver to pašu: konstrukciju avāriju simulācija ir sarežģīta lielu deformāciju, nelineāra kontakta, plastiskas materiālu uzvedības un augstas izšķirtspējas galīgo elementu režģu dēļ.

Tāpēc BMW un Mistral AI solījums jāvērtē piesardzīgi. Mākslīgais intelekts neaizstās ne inženieri, ne fizisku triecientestu. Taču tas varētu samazināt laiku, ko inženieri tērē simulāciju šķirošanai, anomāliju meklēšanai un variantu salīdzināšanai. Ja inženieris ātrāk redz, kura virsbūves struktūra uzvedas slikti, viņš agrāk procesā var mainīt profila formu, materiāla biezumu vai slodzes ceļu.

Eiropas drošības noteikumi palielina virtuālās izstrādes vērtību.

BMW projekts parādās īstajā brīdī. Euro NCAP 2026. gadā pāries uz jaunu vērtēšanas shēmu, kas drošību aplūkos četros posmos: droša braukšana, sadursmes novēršana, aizsardzība sadursmē un drošība pēc avārijas. Euro NCAP uzsver arī virtuālās testēšanas pieaugošo lomu, īpaši nākotnes drošības reitingos un jaunu tehnoloģiju novērtēšanā.

Tas auto izstrādi padara prasīgāku. Izturīga priekšdaļa un labs sānu drošības spilvens vairs neizstāsta visu stāstu. Elektroauto augstsprieguma akumulatoram pēc avārijas jāpaliek izolētam, glābējiem jāspēj ātri atvērt automobili, bet durvju rokturi vai elektriskās sistēmas pēc trieciena nedrīkst traucēt izkļūšanu. Euro NCAP pēcavārijas drošības protokols izmanto triecientestus arī elektroauto un hibrīdauto elektriskās drošības pārbaudei.

BMW priekšrocība ir datu mērogs.

Katram lielam autoražotājam ir simulāciju komandas un fizisko testu laboratorijas. BMW spēks šajā projektā ir datu apjoms. Vairāk nekā viens petabaits vēsturisko avāriju simulāciju datu nozīmē, ka modelis nemācās no tukšas lapas. Tas var analizēt vairākus izstrādes gadus: kuri risinājumi strādāja, kuri virsbūves mezgli uzvedās slikti, kuras simulācijas labi paredzēja fizisko testu rezultātus un kur parādījās neatbilstības.

Pastāv arī risks. Industriālais mākslīgais intelekts kļūst noderīgs tikai tad, ja dati ir kvalitatīvi, pareizi marķēti un inženieriem jēgpilni. Vāja simulācija vai pārprasts materiāla modelis var iemācīt mākslīgajam intelektam nepareizu sakarību. Tāpēc BMW paša inženiertehniskā kompetence paliek projekta centrā. Mistral AI nodrošina rīku, nevis automātisku patiesības mašīnu.

Konkurenti virzās tajā pašā virzienā.

BMW nav vienīgais, kas simulācijas un mākslīgo intelektu redz kā jaunu izstrādes paātrinātāju. Auto un aviācijas nozare arvien vairāk darba pārceļ virtuālās vidēs, jo fiziski prototipi maksā dārgi un katram izstrādes ciklam jākļūst īsākam. Euronews šo ziņu ievietoja plašākā kontekstā, norādot, ka Mistral AI parakstījis partnerību arī ar Airbus. Tas liecina, ka Eiropas industrija stratēģiskās jomās vēlas izmantot vietējos mākslīgā intelekta risinājumus.

BMW likmes ir īpaši augstas. Elektroauto, lieli akumulatoru bloki, daudzmateriālu virsbūves un stingrāki drošības protokoli liek ražotājiem ātrāk pārbaudīt vairāk variantu. Ja mākslīgais intelekts palīdzēs BMW saīsināt simulāciju analīzi un agrāk pamanīt vājās vietas, tas varētu dot priekšrocību drošībā, izstrādes laikā un izmaksās.

Tehniskais kopsavilkums

BMW Group un Mistral AI izstrādā mākslīgo intelektu avāriju simulāciju analīzei.

BMW modeļu apmācībai izmantos vairāk nekā vienu petabaitu vēsturisko avāriju simulāciju datu.

Risinājums koncentrējas uz Large Industry Model tipa industriālajiem modeļiem, nevis vispārējiem tērzēšanas robotiem.

Mākslīgajam intelektam jāpalīdz inženieriem ātrāk novērtēt virsbūves deformāciju, materiālu uzvedību un simulāciju anomālijas.

Eiropā projektam papildu nozīmi piešķir Euro NCAP 2026. gada drošības shēma un virtuālās testēšanas pieaugošā loma.