Dans l'ensemble de l'industrie automobile, les entreprises explorent l'IA générative pour améliorer la conception, l'ingénierie et la fabrication des véhicules, ainsi que le marketing et les ventes. Au-delà du cycle de vie des produits automobiles, l'IA générative permet également de nouvelles percées dans le développement des véhicules autonomes (VA). Ces domaines de recherche comprennent l'utilisation de la technologie du champ de rayonnement neuronal (NeRF) pour transformer les données enregistrées par les capteurs en simulations 3D totalement interactives. Ces environnements de jumeaux numériques, ainsi que la génération de données synthétiques, peuvent être utilisés pour développer, tester et valider les VA à grande échelle.
Descas d'utilisation innovants
Les modèles de fondation, tels que ChatGPT pour la génération de texte et Stable Diffusion pour la génération d'images, peuvent soutenir les systèmes d'IA capables d'effectuer des tâches multiples. Cela ouvre de nombreuses possibilités. Tout comme lorsque les premiers développeurs d'applications iPhone ont commencé à utiliser le GPS, les accéléromètres et d'autres capteurs pour créer des applications mobiles, les développeurs d'IA peuvent désormais exploiter les modèles de base pour créer de nouvelles expériences et capacités.L'IA générative peut aider à relier différents flux de données, non seulement text-to-text, ou text-to-image, mais aussi des éléments vidéo ou 3D. Grâce à ce nouveau modèle informatique puissant, une invite textuelle pourrait renvoyer un plan physiquement précis d'une usine d'assemblage. Toyota, l'un des plus grands constructeurs automobiles au monde, a mis au point une technique d'IA générative pour s'assurer que les premières esquisses de conception intègrent les paramètres d'ingénierie. De son côté, Mercedes-Benz a présenté un assistant vocal compatible avec la technologie ChatGPT. D'autres acteurs de l'industrie automobile se tournent également vers l'IA générative pour accélérer les itérations de conception et obtenir de meilleurs résultats.
Des bénéfices pour les flux de travail des concepteurs et des artistes
Actuellement, il faut aux concepteurs et aux artistes des mois de préparation et d'examen de conception pour passer de l'idéation et de l'esquisse des premiers concepts au développement de modèles à grande échelle. Ceci est souvent entravé par des outils incompatibles, des données cloisonnées et de trop nombreux flux de travail.Les artistes commencent souvent le processus de conception en recherchant des références visuelles, sur la base des tendances en matière de design automobile. Ils cherchent l'inspiration en puisant dans des bibliothèques d'images basées sur des mots-clés. Le processus consiste à examiner les véhicules de l'ensemble de l'industrie, qu'ils soient existants ou historiques. Ensuite, grâce à un important travail de curation humaine, un mélange de modèles populaires et de nouvelles inspirations basées sur le style d'une entreprise émerge. Ces éléments constituent la base des esquisses 2D dessinées à la main par les artistes, qui sont ensuite recréées sous forme de modèles 3D et de prototypes en argile. Ces processus de conception linéaires et chronophages sont utilisés pour les pièces extérieures telles que les calandres, les capots et les roues, ainsi que pour les aspects intérieurs tels que les tableaux de bord, les sièges, l'ergonomie et les interfaces utilisateur.
Pour développer ces modèles 3D, les équipes de design automobile travaillent avec des ingénieurs sur des outils tels qu'Autodesk Alias ou Maya pour développer des modèles « NURBS », abréviation de « non-uniform rational B-splines ». Les représentations mathématiques de la géométrie en 3D qui en résultent capturent les formes des ébauches en 2D. Le résultat final est une représentation en 3D qui est le fruit d'un travail de stylisme, de conception et d'ingénierie sur mesure et qui peut être utilisé dans des applications de conception assistée par ordinateur pour définir des surfaces.
L'industrie automobile a désormais la possibilité d'utiliser l'IA générative pour transformer instantanément des croquis en 2D en modèles NURBS, ce qui lui permet de faire des bonds en avant en termes de productivité. Ces outils ne remplaceront pas les concepteurs, mais leur permettront d'explorer plus rapidement un large éventail d'options.
L'IA générative au service de la conception et du design
Les entreprises axées sur la conception peuvent utiliser des ensembles de données visuelles et l'IA générative pour faciliter leur travail sur de nombreux fronts. Déjà expérimenté avec des outils de codage tels que GitHub Copilot - formé sur des milliards de lignes de code - cela promet d'aider à réduire les longs délais de conception.Lors de la recherche d'éléments de conception, les modèles d'IA générative peuvent être entraînés sur le portefeuille d'un constructeur automobile ainsi que sur les véhicules de l'ensemble de l'industrie, ce qui facilitera le déroulement des opérations. Cela peut se faire d'abord en affinant un petit ensemble de données d'images avec l'apprentissage par transfert. Les concepteurs et les artistes peuvent demander à l'IA générative des éléments de conception, tels que "robuste", "sophistiqué" ou "élégant". L'IA génère ensuite des exemples à partir du monde extérieur des constructeurs automobiles et des catalogues d'images internes d'une entreprise, ce qui accélère considérablement cette phase initiale.
Pour l'intérieur des véhicules, de grands modèles de langage pour la génération de « texte à image » peuvent permettre aux concepteurs de taper une description d'une texture, comme un motif floral, et l'IA générative l'appliquera à la surface d'un siège, d'un panneau de porte ou d'un tableau de bord. Si un designer souhaite utiliser une image particulière pour générer une texture de décoration intérieure, l'IA générative peut prendre en charge la création de textures image par image.
Les usines intelligentes bénéficient de l'avantage de l'IA générative
Les fabricants qui développent des usines intelligentes adoptent des plateformes de simulation et des interfaces de programmation d'applications d'IA générative pour connecter les outils de conception et d'ingénierie afin de créer des jumeaux numériques de leurs installations. Le groupe BMW utilise ces technologies pour soutenir sa vision de l'usine du futur. Lors de la construction d'installations, la planification en simulation avant le lancement de la production permet de réduire les ordres de modification coûteux qui peuvent entraîner l'arrêt des chaînes de fabrication.L'IA générative au service du marketing et de la vente au détail
L'IA générative fait également son chemin dans les services de marketing et de vente au détail de nombreuses industries à travers le monde. Selon un rapport de McKinsey, ces équipes devraient voir leur productivité augmenter de plus de 950 milliards de dollars grâce à l'IA générative. Par exemple, beaucoup adoptent ChatGPT pour de l’analyse, des brainstormings et pour améliorer leurs textes de marketing et les campagnes publicitaires. L'IA générative texte-to-image contribue à soutenir les efforts visuels dans le domaine du marketing et des ventes. De grands modèles de langage sont également utilisés dans la reconnaissance vocale automatisée, ce qui permet d'améliorer l'assistance à la clientèle. Les constructeurs automobiles peuvent développer des chatbots de service à la clientèle de nouvelle génération en utilisant l'IA générative. Le géant londonien de la publicité WPP travaille sur un moteur de contenu révolutionnaire basé sur l'IA générative afin d'aider le secteur de la publicité numérique, qui pèse 700 milliards de dollars. DENZA, la coentreprise de BYD et Mercedes-Benz, s'appuie sur WPP pour construire et déployer le premier moteur de contenu basé sur l'IA générative.L'IA générative : plus rapide, plus efficace et moins chère
La compréhension du contexte, la créativité et les capacités d'apprentissage adaptatif de l'IA générative marquent le début d'une nouvelle ère. Ce qui a commencé avec la découverte du modèle transformer a depuis donné des résultats incroyables, soutenus par des modèles massifs dont l'apprentissage a été rendu possible grâce aux sauts de performance de l'informatique accélérée. Bien qu'il soit encore tôt, et donc difficile de quantifier toutes les implications de ce changement, les constructeurs automobiles adoptent des "copilotes" spécifiques à l'industrie pour la conception, l'ingénierie, la fabrication, le marketing et les ventes afin d'obtenir des opérations meilleures, plus efficaces et moins coûteuses. Et cela ne fait que commencer.Par Danny Shapiro, Vice-Président, Secteur Automobile chez NVIDIA
