DrivAerNet++: A Large-Scale Multimodal Car Dataset with Computational Fluid Dynamics Simulations and Deep Learning Benchmarks

我们介绍了DrivAerNet++，这是最大、最全面的多模态数据集，用于空气动力学汽车设计。DrivAerNet++包括8000个不同的汽车设计，使用高保真计算流体动力学（CFD）模拟进行建模。数据集包括各种汽车配置，如快背、凹背和旅行车，具有不同的底盘和轮毂设计，以代表内燃机和电动汽车。数据集中的每个条目都具有详细的3D网格、参数模型、空气动力学系数和广泛的流场和表面场数据，以及用于汽车分类和点云数据的分段部分。该数据集支持各种机器学习应用，包括数据驱动的设计优化、生成建模、代理模型训练、CFD模拟加速和几何分类。拥有超过39TB的公开可用工程数据，DrivAerNet++填补了现有资源的重要空白，提供高质量、多样化的数据，以增强模型训练、促进泛化和加速汽车设计过程。除了严格的数据集验证外，我们还提供了在空气动力学阻力预测任务上的机器学习基准结果，展示了我们数据集支持的应用广度。该数据集将显著影响汽车设计和更广泛的工程学科，促进创新并提高空气动力学评估的准确性。

本论文的问题是创建一个包含8000个不同汽车设计的高保真CFD模拟数据集，以支持各种机器学习应用，并加速汽车设计过程。这是一个新问题。

论文的关键思路是创建DrivAerNet ++数据集，其中包含详细的3D网格、参数模型、空气动力学系数、流场和表面场数据，以及用于汽车分类和点云数据的分割部分。该数据集支持数据驱动的设计优化、生成建模、代理模型训练、CFD模拟加速和几何分类等各种机器学习应用。

该数据集包含39 TB的公共工程数据，可用于增强模型训练、促进泛化和加速汽车设计过程。论文还提供了严格的数据集验证和在气动阻力预测任务上的机器学习基准测试结果。该数据集的开源代码和广泛的机器学习应用使其成为自动驾驶汽车和未来汽车设计的重要资源。

最近的相关研究包括：1）使用CFD模拟数据集进行数据驱动的汽车设计，2）使用机器学习技术进行气动优化，3）使用CFD模拟进行汽车设计的其他数据集。