BMW uči AI razumjeti simulacije sudara

BMW ne uči umjetnu inteligenciju razgovarati, nego čitati sudar.

BMW Group koristit će vlastite industrijske podatke za analizu simulacija sudara. Prema navodima tvrtke, tijekom razvoja BMW-ovih modela svakog se tjedna izvode tisuće virtualnih simulacija sudara, a tijekom godina prikupljeno je više od jednog petabajta podataka iz različitih scenarija. Ti podaci opisuju strukture karoserije, ponašanje materijala i obrasce deformacije, što BMW-u i Mistral AI-ju daje osnovu za treniranje AI modela namijenjenog toj industrijskoj primjeni.

Simulacija sudara područje je u kojem svaki milimetar deformacije čelika, aluminija, čelika visoke čvrstoće, lijepljenih spojeva i kućišta baterije može promijeniti opterećenja u kabini, ponašanje vrata pri otvaranju, rad sigurnosnog pojasa ili zaštitu visokonaponske baterije. Vrijednost umjetne inteligencije ovdje nije u spektakularnom donošenju odluka, nego u pronalaženju obrazaca u golemoj količini inženjerskih podataka.

Large Industry Model BMW-ov je odgovor na opći chatbot.

BMW tehničku osnovu opisuje kao pristup Large Industry Model. U praksi to znači veliki industrijski model koji ne uči iz općih internetskih tekstova, nego iz inženjerskih podataka, simulacijskih mreža, modela materijala i razvojne logike iz jednog konkretnog područja. Mistral AI partnerstvo opisuje sličnim riječima: cilj je izgraditi industrijski specifične AI modele koji počinju sa simulacijama sudara, a kasnije bi se mogli proširiti i na druge dijelove BMW-ova lanca vrijednosti.

Time se BMW-ov projekt razlikuje od uobičajene generativne umjetne inteligencije. Chatbot može objasniti što su crash beam ili bočni udar. Industrijski model mora pomoći inženjeru razumjeti zašto određeni čvor karoserije otkazuje na pogrešan način, kako se opterećenja prenose kroz strukturu karoserije i koji rezultat simulacije zaslužuje detaljniju provjeru.

Simulacija sudara previše je složena za laka obećanja.

Sudar nije linearan problem. U trenutku udara materijali se savijaju i pucaju, komponente dolaze u kontakt na novim mjestima, zavareni i lijepljeni spojevi rade na granici mogućnosti, a cijeli se proces odvija u milisekundama. Nedavno istraživanje CarCrashNet ističe istu stvar: strukturna simulacija sudara zahtjevna je zbog velikih deformacija, nelinearnog kontakta, plastičnog ponašanja materijala i visokorezolucijskih mreža konačnih elemenata.

Zato obećanje BMW-a i Mistral AI-ja treba čitati trezveno. Umjetna inteligencija neće zamijeniti inženjera ni fizičko ispitivanje sudara. Mogla bi, međutim, smanjiti vrijeme potrebno za razvrstavanje simulacija, pronalaženje anomalija i usporedbu varijanti. Kada inženjer ranije vidi koja se struktura karoserije ponaša loše, može ranije u procesu promijeniti oblik profila, debljinu materijala ili put prijenosa opterećenja.

Europska sigurnosna pravila povećavaju vrijednost virtualnog razvoja.

BMW-ov projekt stiže u pravom trenutku. Euro NCAP 2026. prelazi na novu shemu ocjenjivanja, koja sigurnost promatra kroz četiri faze: sigurnu vožnju, izbjegavanje sudara, zaštitu pri sudaru i sigurnost nakon sudara. Euro NCAP ističe i sve veću ulogu virtualnih ispitivanja, posebno za buduće sigurnosne ocjene i procjenu novih tehnologija.

To razvoj automobila čini zahtjevnijim. Čvrst prednji kraj i dobar bočni zračni jastuk više ne govore cijelu priču. U električnom automobilu visokonaponska baterija nakon sudara mora ostati izolirana, spasilačke službe moraju moći brzo otvoriti vozilo, a ručice vrata ili električni sustavi ne smiju otežati izlazak nakon udara. Euro NCAP-ov protokol za sigurnost nakon sudara koristi i testove sudara za provjeru električne sigurnosti električnih i hibridnih vozila.

BMW-ova prednost leži u razmjeru njegovih podataka.

Svaki veliki proizvođač automobila ima timove za simulacije i laboratorije za fizička ispitivanja. BMW-ova snaga ovdje je u količini podataka. Više od jednog petabajta povijesnih podataka iz simulacija sudara znači da model ne uči od nule. Može proučavati godine razvoja: koja su rješenja funkcionirala, koji su se čvorovi karoserije ponašali loše, koje su simulacije dobro predvidjele rezultate fizičkih testova i gdje su se pojavile razlike.

Postoji i rizik. Industrijska umjetna inteligencija postaje korisna tek kada su podaci kvalitetni, ispravno označeni i smisleni inženjerima. Loša simulacija ili pogrešno shvaćen model materijala mogli bi AI naučiti pogrešan odnos. Zato BMW-ovo inženjersko znanje ostaje u središtu projekta. Mistral AI daje alat, a ne automatski stroj za istinu.

Konkurencija se kreće u istom smjeru.

BMW nije jedini koji u simulacijama i umjetnoj inteligenciji vidi novi akcelerator razvoja. Automobilska i zrakoplovna industrija sve više posla prebacuju u virtualna okruženja jer fizički prototipovi stoje mnogo, a svaki razvojni ciklus mora biti kraći. Euronews je vijest smjestio u širi kontekst, navodeći da je Mistral AI potpisao i partnerstvo s Airbusom, što je znak da europska industrija želi koristiti lokalna AI rješenja u strateškim područjima.

Za BMW su ulozi posebno visoki. Električni automobili, veliki baterijski paketi, karoserije od više materijala i stroži sigurnosni protokoli prisiljavaju proizvođače da brže testiraju više varijanti. Ako umjetna inteligencija BMW-u pomogne skratiti analizu simulacija i ranije otkriti slabe točke, mogla bi donijeti prednost u sigurnosti, vremenu razvoja i troškovima.

Tehnički sažetak

BMW Group i Mistral AI razvijaju umjetnu inteligenciju za analizu simulacija sudara.

BMW će za treniranje modela koristiti više od jednog petabajta povijesnih podataka iz simulacija sudara.

Rješenje je usmjereno na industrijske modele u stilu Large Industry Modela, a ne na opće chatbotove.

Umjetna inteligencija trebala bi pomoći inženjerima da brže procijene deformacije karoserije, ponašanje materijala i anomalije u simulacijama.

Za Europu projekt dobiva dodatnu važnost zbog Euro NCAP-ove sigurnosne sheme za 2026. i sve veće uloge virtualnih ispitivanja.