論文の概要: Exploring Challenges and Opportunities to Support Designers in Learning
to Co-create with AI-based Manufacturing Design Tools
- arxiv url: http://arxiv.org/abs/2303.00192v1
- Date: Wed, 1 Mar 2023 02:57:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-02 16:09:28.523000
- Title: Exploring Challenges and Opportunities to Support Designers in Learning
to Co-create with AI-based Manufacturing Design Tools
- Title(参考訳): AIベースのマニュファクチャリングデザインツールとの共創学習におけるデザイナ支援の課題と機会
- Authors: Frederic Gmeiner, Humphrey Yang, Lining Yao, Kenneth Holstein, Nikolas
Martelaro
- Abstract要約: AIベースのデザインツールは、複雑な製造や設計タスクでエンジニアリングや工業デザイナーを支援するために、プロのソフトウェアで急速に普及している。
これらのツールは、伝統的なコンピュータ支援デザインツールよりもエージェント的な役割を担い、しばしば「コ・クリエーター」として表現される。
これまでのところ、エンジニアリングデザイナがAIベースのデザインツールでどのように働くかはほとんどわかっていません。
- 参考スコア(独自算出の注目度): 31.685493295306387
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI-based design tools are proliferating in professional software to assist
engineering and industrial designers in complex manufacturing and design tasks.
These tools take on more agentic roles than traditional computer-aided design
tools and are often portrayed as "co-creators." Yet, working effectively with
such systems requires different skills than working with complex CAD tools
alone. To date, we know little about how engineering designers learn to work
with AI-based design tools. In this study, we observed trained designers as
they learned to work with two AI-based tools on a realistic design task. We
find that designers face many challenges in learning to effectively co-create
with current systems, including challenges in understanding and adjusting AI
outputs and in communicating their design goals. Based on our findings, we
highlight several design opportunities to better support designer-AI
co-creation.
- Abstract(参考訳): aiベースのデザインツールはプロのソフトウェアで増殖し、エンジニアや工業デザイナーが複雑な製造やデザインのタスクをこなすのを手助けしている。
これらのツールは従来のコンピュータ支援設計ツールよりもエージェント的な役割を担っており、しばしば「共同制作者」として描かれる。
しかし、そのようなシステムで効果的に作業するには、複雑なCADツールだけで作業するのとは異なるスキルが必要である。
これまでのところ、エンジニアリングデザイナーがaiベースのデザインツールを使う方法はほとんどわかっていない。
本研究では,2つのaiベースのツールを用いてリアルなデザインタスクを実践することを学び,訓練を受けた設計者を観察した。
設計者は、AI出力の理解と調整、設計目標の伝達といった課題を含む、現在のシステムと効果的に共存する学習において多くの課題に直面している。
この結果に基づき,デザイナー-ai共同制作を支援するための設計機会について紹介する。
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) - DesignGPT: Multi-Agent Collaboration in Design [4.6272626111555955]
DesignGPTは人工知能エージェントを使用して、デザイン会社におけるさまざまなポジションの役割をシミュレートし、人間のデザイナーが自然言語で協力できるようにする。
実験の結果、DesignGPTはAIツールを別々に比較すると、デザイナのパフォーマンスが向上することがわかった。
論文 参考訳(メタデータ) (2023-11-20T08:05:52Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳(メタデータ) (2022-03-06T10:12:56Z) - Using Machine Learning to Predict Engineering Technology Students'
Success with Computer Aided Design [50.591267188664666]
機械学習技術と組み合わせたデータによって、特定の学生がデザインタスクでどれだけうまく機能するかを予測する方法を示す。
初期設計シーケンスアクションを用いたモデルは,特に予測に有用であることが判明した。
これらのモデルをさらに改善することで、事前の予測が得られ、学生のフィードバックがより早く得られるようになり、学習が向上する可能性がある。
論文 参考訳(メタデータ) (2021-08-12T20:24:54Z) - Design-Driven Requirements for Computationally Co-Creative Game AI
Design Tools [6.719205507619887]
ゲームAIデザイナの目標やそのようなツールに対する期待を分類し分析する参加型デザイン研究を提案する。
我々は,ゲームAI設計と共同創造ツールの設計との深いつながりと,今後の共同創造ツールの研究・開発への示唆を明らかにする。
論文 参考訳(メタデータ) (2021-07-29T04:14:53Z) - Toward AI Assistants That Let Designers Design [0.0]
デザイナを支援するAIは、再考する必要がある。デザイナの創造性と問題解決を支援し、活用することで、自動化ではなく協力することを目指している。
私たちは、設計者の目標、推論、能力に関する推論を可能にする生成的ユーザモデルを中心に構築された、そのようなAIを作成するためのフレームワークとして、AI支援設計を提示します。
論文 参考訳(メタデータ) (2021-07-22T10:29:36Z) - Towards A Process Model for Co-Creating AI Experiences [16.767362787750418]
テクノロジーをデザイン素材として考えることは、デザイナーにとって魅力的です。
材料として、AIは設計プロセス自体の一部としてその特性が現れるため、このアプローチに抵抗します。
10組のデザイナーとエンジニアによるデザイン研究により、共創過程を調査します。
論文 参考訳(メタデータ) (2021-04-15T16:53:34Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳(メタデータ) (2021-01-11T15:54:48Z) - A Reference Software Architecture for Social Robots [64.86618385090416]
我々は社会ロボットが恩恵を受けるかもしれない一連の原則を提案する。
これらの原則は、社会ロボットのためのリファレンスソフトウェアアーキテクチャの設計の基礎にもなっている。
論文 参考訳(メタデータ) (2020-07-09T17:03:21Z) - Guru, Partner, or Pencil Sharpener? Understanding Designers' Attitudes
Towards Intelligent Creativity Support Tools [4.812445272764651]
創造支援ツール(CST)は、人間の創造性を高めることを目的としているが、創造性の深い個人的、主観的な性質は、普遍的な支援ツールの設計を困難にしている。
人工知能(AI)と機械学習(ML)技術は、個人の創造スタイルを学習し、適応する「知的な」CSTを作成する手段を提供する。
本稿では,AIツールとの協調に対する肯定的かつ実践的な態度を示す,プロのデザイナーを対象にした調査結果について述べる。
論文 参考訳(メタデータ) (2020-07-09T14:52:52Z)
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。