要旨

開発初期におけるサイドミラーのデザイン方向性を検討するため，深層学習モデルの一つであるPix2Pix GANを採用して，流れ場を短時間かつ十分な精度で予測し，出力までの操作が容易なツールを構築した．深層学習モデルによる予測時間の短縮に加え，計算負荷の高い形状認識のための符号付距離関数を省略して更なる短時間化を達成した．同時に少量の学習データでも予測精度を維持できるツールを構築した．さらに，ツールの操作画面においては，検証に必要な流体物理量の出力を最小限に絞り，入力から出力までをボタン操作のみでおこなえることで，設計者が使いやすいように工夫した．

参考文献

1. （１） 赤坂啓，陳放歌，寺口剛仁：機械学習を用いた自動車空力性能を予測するためのサロゲートモデル開発，自動車技術会論文集Vol. 52, No. 3, p. 621-626, (2021), doi: 10.11351/jsaeronbun.52.621
2. （２） Guo, X., Li, W., Iorio, F.: Convolutional Neural Networks for Steady Flow Approximation, KDD ’16: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, p. 481-490, (2016), doi: 10.1145/2939672.2939738
3. （３） Isola, P., Zhu, J-Y., Zhou, T., Efros, A. A.: Image-to-Image Translation with Conditional Adversarial Networks, 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), p. 5967-5976, (2017), doi: 10.1109/CVPR.2017.632
4. （４） Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., Bengio, Y.: Generative adversarial networks, Communications of the ACM, Vol. 63, Issue 11, p. 139-144, (2020), doi: 10.1145/3422622
5. （５） Mirza, M., Osindero, S.: Conditional Generative Adversarial Nets, arXiv, (2014), doi: 10.48550/arXiv.1411.1784
6. （６） Cirillo, M. D., Abramian, D., Eklund, A.: Vox2Vox: 3D-GAN for Brain Tumour Segmentation, Lecture Notes in Computer Science, Springer, Cham, Vol. 12658, p. 274-284, (2021), doi: 10.1007/978-3-030-72084-1_25
7. （７） Ronneberger, O., Fischer, P., Brox, T.: U-Net: Convolutional Networks for Biomedical Image Segmentation, Lecture Notes in Computer Science, Vol. 9351, p. 234-241, (2015), doi: 10.1007/978-3-319-24574-4_28

著者(所属)

• 橋本 拓郎（本田技研工業株式会社）
• 岡部 浩司（本田技研工業株式会社）
• 山戸田 武史（株式会社IDAJ）
• 城戸 誉芳（株式会社IDAJ）

掲載情報

Honda R&D Technical Review　Vol.38 収録 (120 - 127)

論文PDF

引用情報