Slik fungerer «Computational Design»-prosessen

Federico Casalegno, leder for SDIC, beskriver prosessen som en sløyfe bygget på tre pilarer: ekte mennesker, digitale tvillinger og roboter .

1. 3D- og 4D-kroppsskanning. SDIC fanger opp høyoppløselige anatomiske skanninger av ører, håndledd og fingre fra en mangfoldig global populasjon. «4D»-komponenten tilfører tidselementet, og fanger hvordan disse kroppsdelene endrer form under bevegelse .
2. Opprettelse av digitale tvillinger. Disse skanningene konverteres til virtuelle anatomiske modeller med høy nøyaktighet, som fungerer som testmiljøet .
3. AI-drevne simuleringer. På disse digitale tvillingene kjører forskerne tusenvis av AI-drevne fysikksimuleringer og justerer variabler som vinkel på øreproppene, plassering av sensorer og kontakttrykk. For Galaxy Buds4-serien innebar dette over 10 000 simuleringer .
4. Robotisert kryssvalidering. Vinnerne fra simuleringene verifiseres fysisk ved hjelp av spesialbygde robottesterigger. Dette lukker sløyfen og gjør et tradisjonelt subjektivt spørsmål som «hvordan føles dette?» om til en målbar ingeniørmetrikk .

Slik formet «Computational Design» hver nye wearable

Galaxy Buds4-serien: «Blade-designet» ble konstruert, ikke bare tegnet

Øreproppene er den mest detaljerte case-studien for den nye tilnærmingen. Samsung analyserte hundretalls millioner øredatapunkter – én offisiell kilde anslår det til over 100 millioner globale øreformdatapunkter – og kjørte mer enn 10 000 tilpasningssimuleringer for å komme frem til den nye «Buds blade»-identiteten .

Dataene fortalte en tydelig historie: hovedkroppen på øreproppen måtte være litt mindre, og rotasjonsvinkelen måtte endres med noen få grader. Disse små geometriske endringene ga en stor forbedring i stabilitet og komfort gjennom hele dagen for en mye bredere brukergruppe . Resultatet er en ultraslank, ergonomisk passform som sitter godt selv under intens bevegelse, en påstand som nå støttes av objektive robottestdata snarere enn en håndfull subjektive anmeldelser .

Galaxy Watch8-serien: Passform er et helsesensorproblem

For en smartklokke handler passform ikke bare om komfort; den bestemmer sensornøyaktigheten for hjertefrekvens, søvn, stressmåling (inkludert den nye EDA-sensoren på Watch8) og treningssporing .

SDIC brukte den samme 4D-skanningen og AI-simuleringsprosessen for å optimalisere håndleddskontakten. Dataene presset teamet til å forbedre putedesignet på tvers av hele Watch8-serien. En viktig mekanisk beslutning var å utvide Dynamic Lug System – først introdusert på Galaxy Watch Ultra – til alle Watch8-modeller, noe som minimerer gapet mellom klokkekroppen og håndleddet for å forbedre konsistensen i sensoravlesningene .

Galaxy Ring: En universell passform for millioner av fingre

Ringer er iboende vanskelige fordi et enkelt, stivt objekt må opprettholde presis sensorkontakt på fingre av vidt forskjellige former. Samsungs «computational design»-prosess bygger nå digitale tvillinger av brukernes fingre for å optimalisere ringstørrelse, indre krumning og PPG-sensorplassering for helseovervåking hele dagen .

Målet er å sikre at biometriske målinger som hjertefrekvens og søvnfaseinndeling forblir nøyaktige på tvers av et bredest mulig spekter av fingeranatomier, uten at brukerne selv må bli eksperter på ringstørrelser .

Dette planlegger Samsung videre: Nye wearable-kategorier og AI-fabrikker

Casalegnos fremtidsutsikter, fra Samsungs offisielle intervju, peker på tre konkrete retninger .

• En selvforsterkende datafordel. Etter hvert som Samsungs proprietære anatomiske datasett vokser, vil deres tilpassede AI-verktøy drive mer nøyaktige simuleringer og dypere innsikt, noe som potensielt kan øke forspranget til konkurrenter som baserer seg på mindre eller mindre varierte treningsdata .
• Helt nye wearable-kategorier. Casalegno uttalte at utvidelse av denne metodikken kan «låse opp eksponentielle innovasjoner som fører til en helt ny kategori av wearables som kan redefinere grensene for brukeropplevelsen» . Han spesifiserte ikke formen, men infrastrukturen – objektive tilpasningsdata for ører, håndledd og fingre – er nå på plass.
• Fra lab til fabrikk. Separat har Samsung kunngjort en plan om å omstille all global produksjon til fullt AI-drevne fabrikker innen 2030, med digitale tvilling-baserte simuleringer integrert gjennom hele produksjonskjeden . Dette antyder at den samme digitale tvilling-metodikken som designer en Galaxy Buds i dag, til slutt også vil styre hvordan den produseres på samlebåndet.

Samsungs SDIC-team bekreftet også at de aktivt innoverer designprosessen basert på akkumulerte data og spesialisert AI, med mål om å introdusere wearable-produkter som kombinerer ergonomi og AI dypere enn dagens produkter tillater . Foreløpig er Galaxy Buds4, Watch8 og Ring de første fysiske bevisene på at subjektive tilpasningspaneler viker for en objektiv, AI-verifisert standard.

Slik fungerer «Computational Design»-prosessen

Federico Casalegno, leder for SDIC, beskriver prosessen som en sløyfe bygget på tre pilarer: ekte mennesker, digitale tvillinger og roboter .

1. 3D- og 4D-kroppsskanning. SDIC fanger opp høyoppløselige anatomiske skanninger av ører, håndledd og fingre fra en mangfoldig global populasjon. «4D»-komponenten tilfører tidselementet, og fanger hvordan disse kroppsdelene endrer form under bevegelse .
2. Opprettelse av digitale tvillinger. Disse skanningene konverteres til virtuelle anatomiske modeller med høy nøyaktighet, som fungerer som testmiljøet .
3. AI-drevne simuleringer. På disse digitale tvillingene kjører forskerne tusenvis av AI-drevne fysikksimuleringer og justerer variabler som vinkel på øreproppene, plassering av sensorer og kontakttrykk. For Galaxy Buds4-serien innebar dette over 10 000 simuleringer .
4. Robotisert kryssvalidering. Vinnerne fra simuleringene verifiseres fysisk ved hjelp av spesialbygde robottesterigger. Dette lukker sløyfen og gjør et tradisjonelt subjektivt spørsmål som «hvordan føles dette?» om til en målbar ingeniørmetrikk .

Slik formet «Computational Design» hver nye wearable

Galaxy Buds4-serien: «Blade-designet» ble konstruert, ikke bare tegnet

Øreproppene er den mest detaljerte case-studien for den nye tilnærmingen. Samsung analyserte hundretalls millioner øredatapunkter – én offisiell kilde anslår det til over 100 millioner globale øreformdatapunkter – og kjørte mer enn 10 000 tilpasningssimuleringer for å komme frem til den nye «Buds blade»-identiteten .

Dataene fortalte en tydelig historie: hovedkroppen på øreproppen måtte være litt mindre, og rotasjonsvinkelen måtte endres med noen få grader. Disse små geometriske endringene ga en stor forbedring i stabilitet og komfort gjennom hele dagen for en mye bredere brukergruppe . Resultatet er en ultraslank, ergonomisk passform som sitter godt selv under intens bevegelse, en påstand som nå støttes av objektive robottestdata snarere enn en håndfull subjektive anmeldelser .

Galaxy Watch8-serien: Passform er et helsesensorproblem

For en smartklokke handler passform ikke bare om komfort; den bestemmer sensornøyaktigheten for hjertefrekvens, søvn, stressmåling (inkludert den nye EDA-sensoren på Watch8) og treningssporing .

SDIC brukte den samme 4D-skanningen og AI-simuleringsprosessen for å optimalisere håndleddskontakten. Dataene presset teamet til å forbedre putedesignet på tvers av hele Watch8-serien. En viktig mekanisk beslutning var å utvide Dynamic Lug System – først introdusert på Galaxy Watch Ultra – til alle Watch8-modeller, noe som minimerer gapet mellom klokkekroppen og håndleddet for å forbedre konsistensen i sensoravlesningene .

Galaxy Ring: En universell passform for millioner av fingre

Ringer er iboende vanskelige fordi et enkelt, stivt objekt må opprettholde presis sensorkontakt på fingre av vidt forskjellige former. Samsungs «computational design»-prosess bygger nå digitale tvillinger av brukernes fingre for å optimalisere ringstørrelse, indre krumning og PPG-sensorplassering for helseovervåking hele dagen .

Målet er å sikre at biometriske målinger som hjertefrekvens og søvnfaseinndeling forblir nøyaktige på tvers av et bredest mulig spekter av fingeranatomier, uten at brukerne selv må bli eksperter på ringstørrelser .

Dette planlegger Samsung videre: Nye wearable-kategorier og AI-fabrikker

Casalegnos fremtidsutsikter, fra Samsungs offisielle intervju, peker på tre konkrete retninger .

• En selvforsterkende datafordel. Etter hvert som Samsungs proprietære anatomiske datasett vokser, vil deres tilpassede AI-verktøy drive mer nøyaktige simuleringer og dypere innsikt, noe som potensielt kan øke forspranget til konkurrenter som baserer seg på mindre eller mindre varierte treningsdata .
• Helt nye wearable-kategorier. Casalegno uttalte at utvidelse av denne metodikken kan «låse opp eksponentielle innovasjoner som fører til en helt ny kategori av wearables som kan redefinere grensene for brukeropplevelsen» . Han spesifiserte ikke formen, men infrastrukturen – objektive tilpasningsdata for ører, håndledd og fingre – er nå på plass.
• Fra lab til fabrikk. Separat har Samsung kunngjort en plan om å omstille all global produksjon til fullt AI-drevne fabrikker innen 2030, med digitale tvilling-baserte simuleringer integrert gjennom hele produksjonskjeden . Dette antyder at den samme digitale tvilling-metodikken som designer en Galaxy Buds i dag, til slutt også vil styre hvordan den produseres på samlebåndet.

Samsungs SDIC-team bekreftet også at de aktivt innoverer designprosessen basert på akkumulerte data og spesialisert AI, med mål om å introdusere wearable-produkter som kombinerer ergonomi og AI dypere enn dagens produkter tillater . Foreløpig er Galaxy Buds4, Watch8 og Ring de første fysiske bevisene på at subjektive tilpasningspaneler viker for en objektiv, AI-verifisert standard.