VehicleSDF：基于代理建模的受约束工程设计的 3D 生成模型
计算机视觉与模式识别
2024-10-28 v1 机器学习
摘要
机械设计的主要挑战之一是能够在满足工程约束条件的同时高效地探索设计空间。本 work 探索了在 vehicle 开发背景下使用 3D 生成模型来探索设计空间，同时估计和强制执行工程约束。具体而言，我们生成满足给定几何规格要求的多样化汽车 3D 模型，同时获得性能参数（如气动阻力）的快速估计。为此，我们采用基于 ShapeNet 数据集的数据驱动方法来训练 VehicleSDF，这是一个基于 DeepSDF 的模型，表示潜在空间中的潜在向量，可解码为 3D 模型。我们然后训练代理模型从潜在空间表示估计工程参数，使我们能够高效地优化潜在向量以匹配规格。我们的实验表明，我们可以在匹配指定几何参数的同时生成多样化的 3D 模型。最后，我们演示了其他性能参数（如气动阻力）可以在可微分管道中进行估计。
引用
@article{arxiv.2410.18986,
title = {VehicleSDF: A 3D generative model for constrained engineering design via surrogate modeling},
author = {Hayata Morita and Kohei Shintani and Chenyang Yuan and Frank Permenter},
journal= {arXiv preprint arXiv:2410.18986},
year = {2024}
}
备注
9 pages, 14 figures, NeurIPS 2024 workshop