Aerodynamisch perfektes Fahrrad dank künstlicher Intelligenz

Mehr entdecken
simulation
spin-off
start-up
künstliche Intelligenz

Ermittlung der idealen aerodynamischen Form beim ersten Versuch dank künstlicher Intelligenz: Diese Spitzenleistung gelang der Software des EPFL-Start-ups Neural Concept auf der Basis einiger Ausgangskriterien. Das an einer Weltkonferenz über Machine Learning in Stockholm vorgestellte Programm diente insbesondere dazu, die Form eines Fahrrades zu berechnen, mit dem der Geschwindigkeitsweltrekord gebrochen werden soll.

 

Der Geschwindigkeitsweltrekord für ein allein dank der Muskelkraft des Fahrers angetriebenes Fahrrad auf flacher Strecke liegt bei 133,78 km/h. Im September wurde in den USA in der Wüste von Nevada ein neuer Versuch unternommen, um die von einem niederländischen Team 2012 erzielte Leistung zu überbieten (World Human Powered Speed Challenge). Um die Leistung seines Fahrrads zu verbessern, wandte sich das Team des IUT Annecy an das EPFL-Spin-off Neural Concept. Mithilfe der von diesem jungen Unternehmen entwickelten künstlichen Intelligenz lässt sich in wenigen Minuten eine optimale Form berechnen. Das Programm, mit dem die Aerodynamik in vielen anderen Bereichen optimiert werden kann, wurde in Stockholm anlässlich einer Weltkonferenz über Machine Learning vorgestellt.

Von aussen gleicht das stromlinienförmige Sitzfahrrad eher einem kleinen Rennauto als einem Fahrrad ohne Motor. Das für den Fahrer des französischen Teams massgeschneiderte Zweirad muss sich eng an seinen Körper schmiegen. Der in diesem sehr engen Raum liegende Fahrer muss nach einem Anlauf über acht Kilometern auf den schnurgeraden Strassen der Wüste von Nevada eine Strecke von 200 Metern so schnell wie möglich zurücklegen. Ziel ist natürlich nicht der Komfort des Fahrrads, sondern die Optimierung des gesamten Raums.

Schnellere, vertieftere und genauere Formenprüfung

Die aktuellen Methoden zur Optimierung der Aerodynamik erfordern viel Rechenleistung. Nun wurde die Gestaltung der Stromlinienform erstmals durch ein Optimierungsprogramm bestimmt, während bei der klassischen Methode nur die Intuition des Ingenieurs zum Vornherein einige Formen bestimmt, die anschliessend in der Simulation getestet werden. Das Programm verarbeitet diese Daten, indem es in Windeseile unzählige Formen unter Verwendung jeglicher Formate vergleicht. Mit genauen Kriterien für die maximale Länge und Breite sowie den Platz für den Mechanismus und die Räder half das Programm des Start-ups insbesondere bei der Entscheidung über die breiteste Stelle des Zweirads.

Auf der Grundlage von allgemeinen Mesh-Formen – Punktnetze für die Erzeugung von 3D-Formen – trainierten die Forscherinnen und Forscher am Labor für Computer Vision ein neurales Netzwerk, das die aerodynamischen Eigenschaften vorhersagen kann. Diese Art der künstlichen Intelligenz mit mehrstufiger Verarbeitung kann die einfachsten und komplexesten Informationen kategorisieren. Die ersten Schichten erfassen beispielsweise die Konturen und weisen diese dann einem Gegenstand zu. Anschliessend werden diese Informationen verwendet, um genau zu ermitteln, welcher Kategorie der Gegenstand je nach erwartetem Ergebnis angehört.

Pierre Baqué, CEO von Neural Concept

Das am EPFL-Labor für Computer Vision entwickelte Programm ermöglicht eine schnellere und vertieftere Erforschung der Formen mit deutlich besserer Ergebnisgenauigkeit. «In bestimmten Fällen kann so ein um 5 bis 20% aerodynamischeres Ergebnis als mit der herkömmlichen Methode erzielt werden, und – wichtiger noch – ist dieser Ansatz auch in den Fällen anwendbar, die mit der herkömmlichen Methode nicht bearbeitet werden können», erklärt Pierre Baqué, CEO des Spin-offs. Ausserdem vergleicht das Programm die gefundenen Beispiele vorurteilslos. «Die Trainingsformen können ganz anders aussehen als das Endergebnis. Dadurch verfügt unser System über eine grosse Flexibilität.

Der World Human Powered Speed Challenge für von Universitätsinstituten entwickelte Zweiräder fand vom 10. bis 15 September in den USA statt. Folglich waren noch andere Fahrräder am Start und versuchten, den Weltrekord auf flacher Rennstrecke zu schlagen. Für das Programm Neural Concept und das Team der IUT Annecy handelte es sich um einen Test in natura. Das Programm ermöglicht aber noch unzählige weitere Anwendungen wie Drohnen, Windräder und Luftfahrt. Dieses System des Machine Learning interessiert die Fachleute, denn Pierre Baqué wurde eingeladen, es in Stockholm an der grössten internationalen Jahreskonferenz dieses Bereichs (International Conference in Machine Learning) vorzustellen. Ausserdem haben das Start-up und das Team des IUT Annecy bereits mit der Arbeit am Fahrrad des nächsten Jahres begonnen, das ohne Eingreifen des Menschen vollständig vom Programm entworfen werden sollte.

Scrollen
Innovation | 16 artikel