机器学习应用于现实=时间与金钱

2019年09月04日 由 TGS 发表 495995 0
美国宇航局喷气推进实验室(JPL)在着手进行一项可能会在土星和木星表面寻找生命迹象的行星着陆器概念设计前,开展了一个前沿研究,准备重新设想传统着陆器的每一个组件。因为如果能造出一个足够轻、足够强大,能够降落到数亿英里外的行星表面,成功进行复杂科学测量的着陆器,将是一项具有里程碑意义的任务。

JPL的设计师可以在产品实际制作之前,创建草图、蓝图和数字模型,并在虚拟空间中模拟它们。因为这样既可以提高效率,也可以降低设计成本,还能有利于激发设计师的灵感,但,终究还是有缺点的,那就是设计师的设想与产品的实际制作方式之间往往会脱节。

那会涉及到许多设计变量:使用什么材料、产品的形状、以及如何加工它。人工枚举和模拟每个变量的每个变体是很单调乏味的,而且在某些情况下是不可能的,因为每个模拟至少都需要几个小时才能完成。不考虑建筑和制造工艺的设计,起码会浪费30%的材料。

多年来, Autodesk一直在为设计师提供技术支持,从日常生活中的建筑物和街区电影,到一听就很高大上的JPL星际着陆器,Autodesk都提供了相应的技术支持。最近,该公司决定要做更多的工作,以帮助客户将设计的内容与制作方式保持一致,从而真正的优化流程,节省成本,为此Autodesk采用了新的设计实践,使用Amazon SageMaker进行机器学习,以便更好地连接设计与生产。

Generative Design是Autodesk首创的一种基于算法的方法,它采用强度、重量和成本等输入设计变量,并利用它们在Fusion 360等产品中提出可行的设计。通过将机器学习应用到这一组合中,设计师能产生许多创造性的选择,并从中找到最适合他们需求的设计。

通过生成设计和机器学习的结合,设计师可以利用计算机生成数百种的设计选项,既可以节省时间,又可以节省金钱,与此同时还可以创造出享誉世界各地的名作,一举多得。

为了构建、培训和部署机器学习模型,Autodesk利用Amazon SageMaker,处理了从数据标记、模型培训,到调整和预测的一系列机器学习工作流程,当需要将经过训练的模型从研究环境传递到测试和生产环境时,Amazon会允许相关人员在不预先投资硬件和基础设施的情况下,先进行机器学习实验。
这就相当于卖苹果的商贩,在真正售卖之前,允许客人先尝一口苹果,由此可见,Autodesk对自己的“苹果”,真的是信心十足。
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
评论 登录
热门职位
Maluuba
20000~40000/月
Cisco
25000~30000/月 深圳市
PilotAILabs
30000~60000/年 深圳市
写评论取消
回复取消