


Institut Penyelidikan Motor Toyota melancarkan alat reka bentuk kereta AI generatif
Alat kecerdasan buatan generatif inovatif yang baru dilancarkan akan membolehkan pereka untuk meneroka kreativiti mereka sambil memastikan pembangunan reka bentuk yang cekap dan berkesan, kata Toyota Motor Research Institute.
Penyelidik Institut Penyelidikan Motor Toyota turut menerbitkan dua kertas kerja yang menerangkan cara teknik yang dibangunkan boleh disepadukan ke dalam model AI generatif berasaskan teks-ke-imej yang lain. Kertas kerja ini menggambarkan proses penjanaan imej alat.
Pasukan ini menggabungkan teori pengoptimuman yang digunakan secara meluas dalam kejuruteraan bantuan komputer dengan kecerdasan buatan generatif berasaskan teks-ke-imej. Algoritma ini membolehkan pereka bentuk mengoptimumkan kandungan kekangan kejuruteraan sambil mengekalkan panduan gaya berasaskan teks untuk proses AI generatif.
Penjanaan Imej Dipertingkatkan
Pereka di Institut Penyelidikan Motor Toyota kini boleh memasukkan kekangan kenderaan seperti seretan, yang secara langsung menjejaskan kecekapan bahan api kenderaan, serta dimensi casis seperti ketinggian tunggangan dan dimensi kabin yang menjejaskan pengendalian, ergonomik dan keselamatan ) disepadukan bersama untuk meningkatkan penjanaan imej.
Avinash Balachandran, ketua Bahagian Pemanduan Interaktif Manusia (HID) di Institut Penyelidikan Toyota, berkata: “Alat AI penjanaan teks-ke-imej semasa terutamanya menumpukan pada mematuhi garis panduan gaya berasaskan teks pereka apabila menjana imej berpotensi Kami teknologi membolehkan Pengguna secara eksplisit menggabungkan dan mengoptimumkan kekangan kejuruteraan yang berlebihan (seperti ketinggian seret atau tunggangan) sambil menghasilkan imej yang mematuhi garis panduan gaya pereka, Balachandran berkata, teknologi ini membolehkan keseimbangan yang lebih pantas dan cekap antara estetika dan kejuruteraan , dengan itu mempercepatkan penciptaan reka bentuk baharu.
Dia menambah, “Mana-mana pereka boleh menggunakan alat AI generatif untuk inspirasi, tetapi alatan ini tidak dapat mengendalikan faktor kejuruteraan dan keselamatan yang kompleks dalam reka bentuk kereta sebenar untuk membina kenderaan yang selamat dan boleh dipercayai, reka bentuk kami mesti mematuhi keperluan Kejuruteraan , menambah kekangan kepada AI generatif sebenarnya menyediakan pengguna dengan keupayaan untuk menambah trajektori panduan kepada reka bentuk generatif mereka."
Mengoptimumkan reka bentuk kenderaan melalui AI generatif
Balachandran berkata projek itu bermula. Kira-kira setahun setengah yang lalu, ia bermula berkat kemajuan dalam alat kecerdasan buatan generatif teks-ke-imej yang membolehkan pengguna memasukkan gesaan dan, sebagai tindak balas, menjana imej yang selaras dengan panduan gaya yang disediakan.
Memberi inspirasi untuk reka bentuk baharu adalah salah satu bahagian yang paling mencabar dalam proses reka bentuk untuk pereka automotif kami, jelasnya. Mencapai estetika yang diperlukan, prestasi kejuruteraan dan langkah keselamatan adalah sangat mencabar dengan proses berulang antara reka bentuk dan kejuruteraan. ”
Menurut Balachandran, pereka dan jurutera selalunya mempunyai latar belakang dan pemikiran yang berbeza Oleh itu, apabila pereka mencipta reka bentuk, ia selalunya tidak memenuhi keperluan kejuruteraan awal, menyebabkan banyak kerjasama dengan pasukan kejuruteraan untuk mencapai. hasil terbaik.
Proses berulang ini, ditambah dengan ketegangan yang wujud antara reka bentuk dan kejuruteraan, membantu memanjangkan tempoh reka bentuk
Teknologi ini dan alat ini bukan sahaja mengenai kreativiti. tetapi juga memendekkan gelung lelaran antara kejuruteraan dan reka bentuk. ”
Mengintegrasikan aliran data yang berbeza
Toyota berkata bahawa semasa sesi idea dengan pereka, konsep "pembantu kecerdasan buatan" yang mencadangkan reka bentuk baharu dengan memanfaatkan berbilang aliran data berbeza bergema dengannya. Idea ini adalah untuk mengintegrasikan AI generatif ke dalam alat yang menggabungkan pelbagai aliran data, termasuk kekangan kejuruteraan, untuk menghasilkan reka bentuk yang inovatif
Charlene, pengarah kanan Toyota Research Institute Artificial Intelligence (HCAI) "Dengan menyepadukan teknologi AI generatif, kami mendapati pereka dapat menumpukan pada mengenal pasti kekangan reka bentuk dan gaya yang penting). aspek sambil memastikan kekangan kejuruteraan dipenuhi," kata Wu. Kami yakin alat kami akan membolehkan pengguna menumpukan lebih pada proses reka bentuk yang paling mereka gemari dan mendapat nilai yang lebih besar daripadanya. ”
Apa yang seterusnya untuk Toyota
Syarikat mengumumkan bahawa sementara teknologi itu kini dalam fasa penyelidikan, mereka bekerjasama dengan pasukan dalam Toyota untuk menyepadukan alat itu ke dalam proses reka bentuk dan pembangunan kenderaan TRI, Institut Penyelidikan Toyota, telah menyatakan komitmennya terhadap penyelidikan berterusan yang bertujuan untuk meningkatkan kualiti hidup peribadi dan masyarakat
Kami berharap dengan menggunakan alat ini, kami dapat memperkasakan pereka automotif di seluruh dunia untuk mengembangkan kuasa idea mereka sambil meningkatkan kelajuan reka bentuk dan pembangunan. Ramai penyelidik kami sedang mengkaji cara menggunakan AI generatif secara bertanggungjawab, alat baharu yang berkuasa. ”
Atas ialah kandungan terperinci Institut Penyelidikan Motor Toyota melancarkan alat reka bentuk kereta AI generatif. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 5 Julai, GlobalFoundries mengeluarkan kenyataan akhbar pada 1 Julai tahun ini, mengumumkan pemerolehan teknologi power gallium nitride (GaN) Tagore Technology dan portfolio harta intelek, dengan harapan dapat mengembangkan bahagian pasarannya dalam kereta dan Internet of Things dan kawasan aplikasi pusat data kecerdasan buatan untuk meneroka kecekapan yang lebih tinggi dan prestasi yang lebih baik. Memandangkan teknologi seperti AI generatif terus berkembang dalam dunia digital, galium nitrida (GaN) telah menjadi penyelesaian utama untuk pengurusan kuasa yang mampan dan cekap, terutamanya dalam pusat data. Laman web ini memetik pengumuman rasmi bahawa semasa pengambilalihan ini, pasukan kejuruteraan Tagore Technology akan menyertai GLOBALFOUNDRIES untuk membangunkan lagi teknologi gallium nitride. G
