Анализ возможностей и перспектив применения технологий искусственного интеллекта в автомобильном дизайне

Введение (постановка задачи и актуальность). Промышленный и, в частности, авто[1]мобильный дизайн является эффективным инструментом в позиционировании товара на рынке и привлечении внимания покупателя. Поэтому актуальным является поиск и апробация новых методов и средств, направленных на расширение возможностей дизайнеров, повышение качества результатов их работ, снижение сроков и затрат на разработку. Одно из перспективных направлений совершенствования процесса дизайн-проектирования – использование возможностей искусственного интеллекта (ИИ). В связи с этим возникает задача изучения передового мирового опыта в данной области.

Цель исследования – определение возможностей, тенденций развития и перспектив применения технологий ИИ при разработке дизайна автомобилей и апробация их прикладного применения.

Методология и методы. Использованы методы анализа и систематизации результатов исследований в области применения технологий ИИ при разработке дизайна автомобиля; осуществлён эксперимент по их прикладному применению.

Результаты и научная новизна. Проведён аналитический обзор исследований по разработке, апробации и применению в дизайн-проектировании автомобилей алгоритмов, обучаемых моделей систем и программ, использующих технологии ИИ. Рассмотрены системы с инструментами машинного обучения, обеспечивающие генерацию реалистичных изображений автомобилей и их компонентов, создание и тестирование дизайна по заданным эстетическим и инженерным критериям, оценку степени схожести разработок, внедрение программы с интегрированными CAD/CAE-системами. Представлены результаты апробации процесса создания рендерных изображений автомобиля с использованием нейросети Vizcom (Visual Communication) на базе ИИ.

Практическая значимость. Применение технологий ИИ в дизайн-проектировании автомобиля обеспечивает ускорение процесса поиска дизайн-идей, повышение качества получаемых изображений, а также создаёт условия для расширения возможностей вариативного представления исходной дизайн-концепции.

1. Денисенко В.В., Евтеева К.С., Савченко И.И., Скрыпников А.А. Использование искусственного интеллекта для обработки персональных данных // Международный журнал гуманитарных и естественных наук. – 2020. – № 7-1 (46). – С. 110–114.

2. Андреев А.В. Искусственный интеллект и его роль в обработке больших данных // Умная цифровая экономика. – 2023. – Т. 3. – № 1. – C. 65–69.

3. Hou Ch. Application of artificial intelligence technology in smart car design // Highlights in Science, Engineering and Technology (MECAE 2022). – 2022. – V. 15. – P. 322–325.

4. Чжан Ц. Современное состояние и развитие искусственного интеллекта и больших данных // Инновации. Наука. Образование. – 2022. – № 50. – C. 2436–2446.

5. Матюшок В.М., Красавина В.А., Матюшок С.В. Мировой рынок систем и технологий искусственного интеллекта: становление и тенденции развития // Вестник Российского университета дружбы народов. Серия: Экономика. – 2020. – Т. 28. – № 3. – С. 505–521.

6. Burnap A., Hauser J.R., Timoshenko A. Product aesthetic design: a machine learning augmentation // Marke ting Science. – 2023. – V. 42. – No. 6. – Р. 1029–1056.

7. Revolutionizing automotive design with artificial intelligence. 2023. URL: https://medium.com/@labmaharaj/revolutionizing-automotive-design-withartificial-intelligence-b1ceff124b5b (дата обращения: 18.02.2024).

8. Abduljabbar R., Dia H., Liyanage S., Bagloee S.A. Applications of artificial intelligence in transport: an overview // Sustainability. – 2019. – No. 11 (1). – P. 189.

9. Yüksel N., Börklü H.R., Sezer H.K., Canyurt O.E. Review of artificial intelligence applications in engineering design perspective // Engineering applications of artificial intelligence. – 2023. – V. 118. – P. 105697.

10. Rezk S.M.M. The role of artificial intelligence in graphic design // Journal of Art, Design and Music. – 2023. – V. 2. – Iss. 1.

11. Иванько А.Ф., Иванько М.А., Сизова Ю.А. Нейронные сети: общие технологические характеристики // Научное обозрение. Технические науки. – 2019. – № 2. – С. 17–23.

12. Дементьев К.И. Анализ мирового опыта применения искусственного интеллекта для оптимизации бизнес-процессов предприятий // Управленческое консультирование. – 2023. – № 1. – С. 107–120.

13. What is artificial intelligence? Gartner. URL: https://www.gartner.com/en/topics/artificial-intelligence (дата обращения: 18.03.2024).

14. Фролова Н.Ю. Дизайн в контексте постгуманизма // Человек в социокультурном измерении. – 2022. – № 1. – С. 57–63.

15. Нейросети и искусственный интеллект: различия и взаимосвязь. NeiroSeti.tech. URL: https://neiroseti.tech/interesnoe/nejroseti-i-iskusstvennyj-intellekt/ (дата обращения: 18.03.2024).

16. Дрюкова А.Э., Мильчакова Н.Е., Дрюков М.В. Использование нейронных сетей в индустриальном дизайне // Дизайн. Материалы. Технология. – 2022. – № 2 (66). – С. 24–29.

17. Попов Н.Р., Ерёмина Д.В. Нейронные сети и их применение / Актуальные вопросы науки и хозяйства: новые вызовы и решения: сборник материалов LIII Международной студенческой научно-практической конференции. – Тюмень: Государственный аграрный университет Северного Зауралья, 2019. – С. 475–479.

18. Иноземцева И. Нейросети в архитектурном проектировании и дизайне – революция в творческом процессе. Architect4U проектная мастерская. URL: https://www.architect4u.ru/articles/nejroset-v-arhitekture-dizajne.html (дата обращения: 14.03.2024).

19. Huang J., Chen B., Yan Z., Ounis I., Wang J. GEO: a computational design framework for automotive exterior facelift // ACM transactions on knowledge discovery from data. – 2023. – V. 17. – Iss. 6. – P. 1–20.

20. Zhu J.-Y., Zhang Z., Zhang C., Wu J., Torral ba A., Tenenbaum J.B., Freeman W.T. Visual object networks: image generation with disentangled 3D re presentation / NIPS’18: proceedings of the 32nd International conference on neural information processing systems. – New York: Curran Associates Inc., 2018. – P. 118–129.

21. Yoo S., Lee S., Kim S., Hwang K.H., Park J.H., Kang N. Integrating deep learning into CAD/CAE system: generative design and evaluation of 3D conceptual wheel // Structural and Multidisciplinary Optimization. – 2021. – V. 64. – No. 4. – P. 2725–2747.

22. Yoo S., Lee S., Kim S., Hwang K.H., Park J.H., Kang N. Integrating deep learning into CAD/CAE System: case study on road wheel design automation. URL: https://www.researchgate.net/publication/341899356_Integrating_Deep_Learning_into_CADCAE_System_Case_Study_on_Road_Wheel_Design_Automation (дата обращения: 01.03.2024).

23. Kang K.P., Jung Ga.H., Eom Ju.H., Kwon S.B., Park Ja.H. Application of deep metric learning in the verification process of wheel design similarity: Hyundai Motor Company case // AI Magazine. – 2023. – V. 44. – No. 4. – P. 406–417.

24. Arechiga N., Permenter F., Song B., Yuan C. Drag-guided diffusion models for vehicle image generation. URL: https://www.researchgate.net/publication/371684712_Dragguided_diffusion_models_for_vehicle_image_generation (дата обращения: 01.03.2024).