AFBench

AFBench数据集由哈尔滨工业大学、上海人工智能实验室和上海飞机设计研究院联合创建，是一个大规模的空气动力学逆向设计数据集。该数据集包含200,000个精心设计的合成和手动设计翼型，具有11个几何参数和66种工作条件下的空气动力学特性。数据集的创建过程包括自动数据引擎的数据合成、高质量标注和低质量过滤。AFBench数据集主要应用于空气动力学逆向设计领域，旨在通过多模态指令实现数据驱动的可控逆向设计模型，以解决学术研究和工业应用之间的差距。

The AFBench dataset, jointly created by Harbin Institute of Technology, Shanghai AI Lab, and Shanghai Aeronautical Design and Research Institute, is a large-scale aerodynamic inverse design dataset. The dataset contains 200,000 meticulously designed synthetic and manually designed airfoils with 11 geometric parameters and aerodynamic characteristics under 66 operating conditions. The creation process of the dataset includes data synthesis using an automated data engine, high-quality annotation, and low-quality filtering. The AFBench dataset is primarily applied in the field of aerodynamic inverse design, aiming to bridge the gap between academic research and industrial applications through multimodal instructions to achieve data-driven controllable inverse design models.

原始信息汇总

AFBench: A Large-scale Benchmark for Airfoil Design

概述

AFBench 是一个大规模的翼型设计基准数据集。

关键词

• AFBench
• 大规模基准
• 翼型设计

搜集汇总

数据集介绍

构建方式

AFBench数据集的构建基于现有数据集的整合与新型数据生成方法的结合。该数据集首先从UIUC和NACA等公开数据集中选取了部分空气动力性能优良的翼型，然后通过CST参数化方法和无条件生成模型（如BézierGAN和扩散模型）生成了大量新的翼型，最终形成了包含20万个翼型的AF-200K数据集。在数据标注阶段，利用CFD软件对每个翼型在不同工作条件下的空气动力参数进行计算，并结合PARSEC物理参数和关键控制点进行几何标注。

特点

AFBench数据集具有以下特点：1) 规模庞大：包含20万个翼型样本，是现有公开数据集的数倍；2) 多样性丰富：涵盖了从低速到跨音速的多种翼型，以及通过生成模型获得的多样设计；3) 标注全面：每个翼型均标注了11个几何参数和66个工作条件下的空气动力性能，为翼型生成和编辑提供了丰富的输入条件；4) 开放性：数据集和代码库均已开源，方便研究者进行模型训练和评估。

使用方法

AFBench数据集可用于翼型逆向设计的两个主要任务：1) 多条件翼型生成：根据给定的物理参数和控制关键点生成满足设计需求的翼型；2) 翼型编辑：根据设计指令对现有翼型进行几何参数或控制关键点的调整，实现翼型的渐进式优化。使用该数据集时，研究者可以选择不同的生成模型进行训练和评估，如cVAE、cGAN和扩散模型等。此外，AFBench还提供了用户友好的演示界面，方便研究者在线进行翼型生成和编辑。

背景与挑战

背景概述

AFBench数据集的创建是为了解决空气动力学设计中空气foil逆设计的问题。该数据集由哈尔滨工业大学、上海人工智能实验室和上海飞机设计研究院的研究人员共同创建，于2024年发布。AFBench数据集包含了20万个经过精心设计的空气foil，以及高质量的空气动力学和几何标签，旨在为空气foil逆设计提供一个大规模的数据基准。该数据集的核心研究问题是生成和编辑满足多模态指令的空气foil，即拖动点和物理参数。AFBench数据集的创建对相关领域产生了重要的影响，为数据驱动和可控的逆设计模型提供了重要的资源和工具，有助于将设计理念与实际执行、学术研究与工业应用之间的差距缩小。

当前挑战

AFBench数据集面临的挑战主要包括：1)缺乏大规模的开放源代码数据集，这限制了数据驱动模型在空气foil逆设计领域的应用；2)现有的数据集通常只提供单一条件，即空气动力学参数，无法处理多条件设计，如同时控制前缘半径和上缘位置等几何参数；3)当前的空气foil逆设计方法不支持根据手动和多模态要求逐步编辑现有设计，这在工业应用中是一个限制。为了应对这些挑战，AFBench数据集提供了大规模和高品质的空气foil数据集，包括多条件空气foil生成和多模态空气foil编辑任务，以及一个开源的代码库，其中包含了多个现有的方法，如cVAE、cGAN以及我们新提出的模型PK-VAE、PK-GAN、PKVAE-GAN和PK-DiT。此外，AFBench还提供了用户友好的演示，方便研究人员进行在线生成和编辑空气foil。

常用场景

经典使用场景

AFBench 数据集作为空气动力学设计领域的一个大规模基准，主要用于训练和评估空气动力设计模型。它包含20万个翼型样本，并附有11个几何参数和66种工况下的空气动力学性能标签，为研究者提供了一个丰富的资源。经典的使用场景包括多条件翼型生成和多模态翼型编辑，旨在通过物理参数和控制关键点来生成和编辑满足多种要求的翼型。

衍生相关工作

AFBench 数据集的提出和发布，为翼型设计领域的研究提供了新的方向和工具。它不仅推动了数据驱动生成模型在翼型设计中的应用，还为相关领域的研究提供了重要的参考和借鉴。此外，该数据集还衍生出了一系列相关的经典工作，例如基于条件生成模型的多条件翼型生成和多模态翼型编辑方法，为翼型设计领域的研究和应用提供了新的思路和方法。

数据集最近研究

最新研究方向

在航空工程领域，空气动力学设计一直是追求效率与性能的关键环节。AFBench数据集的提出为空气动力学设计领域带来了新的研究方向，特别是在空气动力学设计的逆向工程方面。该数据集包含了20万个高质量的空气foil数据，以及详细的几何和空气动力学标注，为数据驱动模型的训练和评估提供了宝贵资源。AFBench的提出旨在解决现有数据集规模小、缺乏多条件设计支持以及无法支持渐进式编辑等问题。通过引入多条件空气foil生成和多模态空气foil编辑任务，AFBench为研究者和工程师提供了更贴近实际工业应用的设计平台。此外，AFBench还提供了包含多种先进生成模型的代码库，以及用于评估模型性能的综合指标，为未来研究提供了强有力的支持。

相关研究论文

• AFBench: A Large-scale Benchmark for Airfoil Design

  哈尔滨工业大学, 上海人工智能实验室, 上海飞机设计研究院 · 2024年