Fugu-MT 論文翻訳(概要): Spatial Assembly: Generative Architecture With Reinforcement Learning, Self Play and Tree Search

論文の概要: Spatial Assembly: Generative Architecture With Reinforcement Learning, Self Play and Tree Search

arxiv url: http://arxiv.org/abs/2101.07579v1
Date: Tue, 19 Jan 2021 11:57:10 GMT
ステータス: 処理完了
システム内更新日: 2021-03-23 04:05:51.569143
Title: Spatial Assembly: Generative Architecture With Reinforcement Learning, Self Play and Tree Search
Title（参考訳）: 空間アセンブリ:強化学習,自己遊び,木探索を用いた生成的アーキテクチャ
Authors: Panagiotis Tigas and Tyson Hosmer
Abstract要約: 空間集合体生成における強化学習の活用について検討する。設計者が設定した目的を最大化するアセンブリを生成するポリシーを学ぶために,強化学習と自己再生を用いたアルゴリズムを提案する。
参考スコア（独自算出の注目度）: 1.2691047660244335
License: http://creativecommons.org/licenses/by/4.0/
Abstract: With this work, we investigate the use of Reinforcement Learning (RL) for the generation of spatial assemblies, by combining ideas from Procedural Generation algorithms (Wave Function Collapse algorithm (WFC)) and RL for Game Solving. WFC is a Generative Design algorithm, inspired by Constraint Solving. In WFC, one defines a set of tiles/blocks and constraints and the algorithm generates an assembly that satisfies these constraints. Casting the problem of generation of spatial assemblies as a Markov Decision Process whose states transitions are defined by WFC, we propose an algorithm that uses Reinforcement Learning and Self-Play to learn a policy that generates assemblies that maximize objectives set by the designer. Finally, we demonstrate the use of our Spatial Assembly algorithm in Architecture Design.
Abstract（参考訳）: 本研究では,空間集合生成における強化学習(Reinforcement Learning, RL)の利用について, 逐次生成アルゴリズム(Wave Function Collapse Algorithm, WFC)とゲーム解決のためのRLのアイデアを組み合わせて検討する。 WFC は Constraint Solving にインスパイアされた生成設計アルゴリズムである。 WFCでは、タイル/ブロックと制約のセットを定義し、アルゴリズムはこれらの制約を満たすアセンブリを生成する。状態遷移をwfcで定義したマルコフ決定プロセスとして空間集合の生成の問題を取り上げ,強化学習と自己遊びを用いて,設計者が設定した目標を最大化する集合を生成するポリシを学習するアルゴリズムを提案する。最後に,建築設計における空間集合アルゴリズムの活用を実演する。
全文参考訳へのリンク