AI-agent lär sig optimera industriell design genom slutna simuleringsløkjer
Forskare har utvecklat COSMO-Agent, en AI som använder förstärkningsinlärning för att automatisera den tidskrävande processen mellan CAD-design och simulering inom industrin. Systemet tränar små språkmodeller att orkestrera externa verktyg och revidera geometrier tills designbegränsningar är uppfyllda, med testresultat som visar att mindre modeller kan överträffa större både vad gäller genomförbarhet och stabilitet.
Djupdykning
Industriell design har alltid varit ett ping-pong-spel mellan kreativitet och fysikens lagar – du skissar något snyggt, simulerar det, upptäcker att det kollapsar under stress, och börjar om. COSMO-Agent automatiserar denna process genom att träna AI-modeller att faktiskt förstå varför en design misslyckades och hur den ska justeras, inte bara generera nya former i det blå. Det riktigt smarta ligger i belöningssystemet som balanserar tre olika mål: att designen faktiskt fungerar fysiskt, att verktygen inte kraschar, och att resultatet kan användas av riktiga ingenjörer. Det som de flesta missar är att det här inte handlar om att ersätta CAD-tekniker, utan om att överbrygga den enorma kommunikationsklyffan mellan designverktyg och simuleringsverktyg som har plågat industrin i decennier. Små, öppna AI-modeller som tränats med denna metod presterade bättre än gigantiska kommersiella modeller – vilket antyder att specialiserad träning slår rå kraft när det gäller komplexa, tekniska arbetsflöden.