至顶网CIO与应用频道 05月13日 北京消息(文/王聪彬):现如今的汽车设计都在做减法,尤其为了保持品牌一致性,车型的设计也会相对趋同,缺少个性,所以现在更多的个性化转移到了汽车内部空间和细节上,重回大师时代一直是设计师们的追求。
2019大中华区CATIA Hackathon设计大赛为设计师们提供了这样一个契机,CATIA Hackathon是一个面向设计师、3D数模设计师及可视化专家的比赛,其理念是用户体验基于3DEXPERIENCE平台的CATIA应用,同时与行业内顶尖的汽车设计师及CATIA技术专家共同探索一种全新的设计方式。
CATIA Hackathon大赛此前在米兰成功举办,此次达索系统第一次将其引入中国。大赛于3月29日启动,共有118位选手报名参赛。选手们参与了四轮集中线上授课后,筛选组队并分别在五位设计导师的带领下展开以“未来驾乘体验”为主题的24小时全封闭设计。在比赛的各个阶段,几位导师也会根据赛程进行分享,通过分享启发设计师推进比赛。
本次大赛获胜作品
本次大赛邀请到合众汽车设计副总裁常冰、奇点汽车联合创始人兼首席设计师杜宝南、上汽大通副总工程师兼设计中心执行总监黄斌、爱驰汽车副总裁兼设计总监罗冬飞、IDIADA公司设计总监Filipe Braganca作为大赛导师,最终,来自罗冬飞导师团队的设计作品赢得冠军。
罗冬飞带领团队赢得桂冠
大赛不仅是设计比赛,更是一次设计思维的深度碰撞。几位导师对于新科技和设计流程创新都非常感兴趣,他们认为两天的集中设计,可能做到在传统开发业务链关系里做不到的事情,而且大赛产生的创意很可能会进一步优化,甚至投入到真实生产中。
据介绍,五组选手通过抽签组成虚拟团队进行比赛,其中包括了设计师、3D专家、可视化专家,以及CATIA Design专家提供技术支持。上汽大通副总工程师兼设计执行总监黄斌表示,在相对短的时间里,团队的分工合作特别重要,要很快地抓住每个人的特长,形成一个战队配合关系。
此次比赛聚焦新能源汽车设计,IDIADA公司设计总监Filipe Braganca指出,新能源汽车最大的变化是社区化,人与车、车与车之间都在产生沟通,这会改变设计的方向,让我们思考未来的汽车是什么样。
对于达索系统软件的使用,奇点汽车联合创始人兼首席设计师杜宝南有几点收获感悟,第一、人机模拟调用帮助可以节约调整的时间;第二、在项目管理上更加迅速,实现合理协调资源。
“软件本身作为一种高科技工具的应用,能改变设计师的一些思维方式。”合众汽车设计副总裁常冰说道。参数化设计可以帮助一个建模师快速便捷的把模型建立起来,甚至出现一些意料之外的收获,这也为设计师的思维增加了助力,原来是靠人的想象力界定创意的边界,现在软件帮我们把这个边界又进行了扩展。
爱驰汽车副总裁兼设计总监罗冬飞也提到了参数化辅助设计的得到的惊喜,通过软件可以快速的搭建参数化设计的数据或者3D模型,这对于传统的数字建模师可能是一个恶梦,因为这需要大量的运算。
导师们一致认为达索系统不仅仅是一个综合的软件工具,还是社交化的平台,这种协同工作非常适合汽车长流程开发中的迭代。这也是全球设计师都在需求的解决方案,帮助提升设计的创新能力,满足最终用户对产品体验的要求,希望未来可以继续挖掘软件背后的可能性。
好文章,需要你的鼓励
大多数用户只使用计算机预装的操作系统直到报废,很少尝试更换系统。即使使用较老版本的Windows或macOS,用户仍可通过开源软件获益。本文建议通过重新安装系统来提升性能,Mac用户可从苹果官方下载各版本系统安装包,PC用户则建议使用纯净版Windows 10 LTSC以获得更长支持周期。文章强调备份数据的重要性,并推荐升级内存和固态硬盘。对于老旧系统,应替换需要联网的内置应用以降低安全风险,定期进行系统维护清理。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
微软杰出工程师Galen Hunt在LinkedIn上宣布,目标是到2030年消除微软所有C和C++代码。公司正结合AI和算法重写最大的代码库,目标是"1名工程师、1个月、100万行代码"。微软已构建强大的代码处理基础设施,利用AI代理和算法指导进行大规模代码修改。该项目旨在将微软最大的C和C++系统翻译为内存安全的Rust语言,以提高软件安全性并消除技术债务。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。