通过基础模型协调工作流程进行替代辅助行人保护设计

人工智能驱动的工程工作流程在碰撞安全设计中面临着特殊的挑战：与空气动力学不同，碰撞事件涉及高度非线性的接触动力学、材料非线性和离散状态转换，而这些很难用数据驱动的替代模型来捕获。据我们所知，我们提出了第一个基础模型——用于碰撞安全设计的精心设计的工作流程，该工作流程能够实现行人保护的替代辅助探索，将每次 CAE 模拟的评估时间从数小时缩短至数秒。该工作流程集成了四个组成部分：（1）经过 CAE 碰撞模拟训练的代理，根据设计参数预测行人腿部受伤指标，实现平均 $R^2=0.87$ 并提供无分布的保形预测区间； （2）多目标进化搜索（NSGA-II），用于在用户指定的约束下发现各种可行的参数集； (3) 基于变形的几何生成器，将参数映射到保留拓扑的 3D 形状； (4) 自然语言界面，其中 LLM 协调工作流程，视觉语言模型支持生成设计的语义比较。在汽车前保险杠案例研究中，工作流程通过一次探索产生 35 种不同的安全合规替代方案，而传统 CAE 迭代需要数周时间才能完成这一过程。这些结果表明，基础模型可以充当机器学习代理和基于物理的模拟之间的集成层，有助于将人工智能功能引入安全关键工程领域。