論文の概要: Structural Design Recommendations in the Early Design Phase using
Machine Learning
- arxiv url: http://arxiv.org/abs/2107.08567v1
- Date: Mon, 19 Jul 2021 01:02:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-20 15:16:58.616019
- Title: Structural Design Recommendations in the Early Design Phase using
Machine Learning
- Title(参考訳): 機械学習を用いた設計初期における構造設計勧告
- Authors: Spyridon Ampanavos, Mehdi Nourbakhsh, Chin-Yi Cheng
- Abstract要約: ApproxiFramerは機械学習ベースのシステムで、リアルタイムで構築計画のスケッチから構造的レイアウトを自動的に生成する。
我々は、スケッチレベルの建築計画のための構造設計ソリューションを反復的に生成するように、畳み込みニューラルネットワークを訓練した。
- 参考スコア(独自算出の注目度): 6.071146161035648
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Structural engineering knowledge can be of significant importance to the
architectural design team during the early design phase. However, architects
and engineers do not typically work together during the conceptual phase; in
fact, structural engineers are often called late into the process. As a result,
updates in the design are more difficult and time-consuming to complete. At the
same time, there is a lost opportunity for better design exploration guided by
structural feedback. In general, the earlier in the design process the
iteration happens, the greater the benefits in cost efficiency and informed
de-sign exploration, which can lead to higher-quality creative results. In
order to facilitate an informed exploration in the early design stage, we
suggest the automation of fundamental structural engineering tasks and
introduce ApproxiFramer, a Machine Learning-based system for the automatic
generation of structural layouts from building plan sketches in real-time. The
system aims to assist architects by presenting them with feasible structural
solutions during the conceptual phase so that they proceed with their design
with adequate knowledge of its structural implications. In this paper, we
describe the system and evaluate the performance of a proof-of-concept
implementation in the domain of orthogonal, metal, rigid structures. We trained
a Convolutional Neural Net to iteratively generate structural design solutions
for sketch-level building plans using a synthetic dataset and achieved an
average error of 2.2% in the predicted positions of the columns.
- Abstract(参考訳): 構造工学の知識は、設計初期段階のアーキテクチャ設計チームにとって重要な意味を持つ。
しかし、アーキテクトやエンジニアは通常、概念的なフェーズで一緒に働くのではなく、実際、構造的エンジニアはしばしばプロセスの後半に呼ばれる。
その結果、設計の更新は難しくなり、完成するのに時間がかかる。
同時に、構造的なフィードバックによってよりよい設計探索を行う機会が失われている。
一般的に、イテレーションが行われる設計プロセスの早い段階では、コスト効率のメリットが大きくなり、デサイン探索が通知されるため、高品質な創造的な結果が得られます。
初期の設計段階における情報探索を容易にするため,基本構造工学タスクの自動化を提案し,計画スケッチから構造レイアウトを自動的に生成する機械学習システムであるApproxiFramerをリアルタイムで導入する。
このシステムは、設計者が構造的含意について十分な知識を持って設計を進めるために、概念段階で実現可能な構造的解決策を提示することでアーキテクトを支援することを目的としている。
本稿では, 直交, 金属, 剛体構造の領域における概念実証実装の性能について述べる。
合成データセットを用いたスケッチレベルの構築計画のための構造設計ソリューションを反復的に生成するために畳み込みニューラルネットワークを訓練し,予測された列の位置において平均2.2%の誤差を達成した。
関連論文リスト
- Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
本調査では,コンピュータ支援設計における学習手法の概要について概観する。
類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。
ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
論文 参考訳(メタデータ) (2024-02-27T17:11:35Z) - Zero-shot Sequential Neuro-symbolic Reasoning for Automatically
Generating Architecture Schematic Designs [4.78070970632469]
本稿では,アーキテクチャ設計を自動生成するシステムを提案する。
我々は、生成AI(神経推論)と数学的プログラムソルバ(記号推論)の強みを利用する。
提案手法は, 周辺地域の理解に応じて, 様々な建築設計を作成できる。
論文 参考訳(メタデータ) (2024-01-25T12:52:42Z) - RDesign: Hierarchical Data-efficient Representation Learning for
Tertiary Structure-based RNA Design [65.41144149958208]
本研究では,データ駆動型RNA設計パイプラインを体系的に構築することを目的とする。
我々は、ベンチマークデータセットを作成し、複雑なRNA第三次構造を表現するための包括的な構造モデリングアプローチを設計した。
RNA設計プロセスを容易にするために,塩基対を持つ抽出二次構造体を事前知識として組み込んだ。
論文 参考訳(メタデータ) (2023-01-25T17:19:49Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳(メタデータ) (2022-11-29T17:28:31Z) - Dynamically Grown Generative Adversarial Networks [111.43128389995341]
本稿では、ネットワークアーキテクチャとそのパラメータを自動化とともに最適化し、トレーニング中にGANを動的に成長させる手法を提案する。
本手法はアーキテクチャ探索手法を勾配に基づく訓練とインターリーブステップとして組み込んで,ジェネレータと識別器の最適アーキテクチャ成長戦略を定期的に探究する。
論文 参考訳(メタデータ) (2021-06-16T01:25:51Z) - Twins: Revisiting Spatial Attention Design in Vision Transformers [81.02454258677714]
本稿では,注意深い空間的注意機構が最先端のスキームに対して好適に機能することを実証する。
Twins-PCPVTとTwins-SVTの2つのビジョントランスアーキテクチャを提案します。
提案するアーキテクチャは,現代のディープラーニングフレームワークに高度に最適化された行列乗算のみを含む,高効率かつ実装が容易である。
論文 参考訳(メタデータ) (2021-04-28T15:42:31Z) - Software Architecture for Next-Generation AI Planning Systems [0.0]
我々は、次世代AI計画システムを設計、開発、使用する能力の中核となるサービス指向の計画アーキテクチャを提案する。
ソフトウェア設計の原則とパターンをアーキテクチャに組み込んで、計画機能のユーザビリティ、相互運用性、再利用性を可能にします。
論文 参考訳(メタデータ) (2021-02-22T13:43:45Z) - Mutual Information Maximization for Robust Plannable Representations [82.83676853746742]
モデルに基づく強化学習のための情報理論表現学習アルゴリズムMIROを提案する。
提案手法は, 邪魔や散らかったシーンの存在下で, 再建目的よりも頑健であることを示す。
論文 参考訳(メタデータ) (2020-05-16T21:58:47Z) - Learning to simulate and design for structural engineering [0.0]
本研究では,建物構造をグラフとして定式化し,柱と梁の最適断面を学習するためのエンドツーエンドパイプラインを作成する。
提案した構造設計の性能は、遺伝的アルゴリズム(GA)によって最適化された設計と同等であり、全ての制約が満たされている。
論文 参考訳(メタデータ) (2020-03-20T05:00:28Z) - Toward Automated Virtual Assembly for Prefabricated Construction:
Construction Sequencing through Simulated BIM [0.0]
本稿では,開発レベル(LOD)に基づく構築順序の形式化など,自動化された仮想アセンブリの開発に対処する必要がある諸要因について述べる。
論文 参考訳(メタデータ) (2020-03-14T20:17:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。