Python社区  »  Git

DigitalFUTURES YOUNG | 录取学员大解密(二)

FabUnion • 2 月前 • 33 次点击  

DigitalFUTURES 2019 国际暑期工作营以“Architectural Intelligence建筑智能”为题,面向全球招募了12组共计194名优秀学员,总体录取率仅为29.7%。怎样的学员会备受导师青睐?他们又有哪些过人之处?上期推送中,我们已经为大家呈现了三位优秀青年设计师的学术成果,他们在工业设计,机器人建造,城市数据采集方面各有所长,对数字未来从形态设计到其背后的参数关系及原理,再到对人与机器、自然与科技的交互、融合、平衡与共生都有独特的思考。今天FabUnion将带你继续深入了解入选DigitalFUTURES Shanghai 2019 工作营的四位学员,走近“建筑智能”的新锐力量~

录取学员大解密(二)

杨骐

他在计算机生成设计中提出了感性指标“惊讶”;开发“水晶球”项目,将传统建模与可能的设计图片结合,帮助设计师激发灵感……独特的观点人工智能技术的主题完美结合。这使他在来自众多交叉学科的优秀报名者中脱颖而出。

林旭辉

他从城市系统入手,以无人机为媒介,制造基于合作模式的超临时结构,创建由使用者自下而上自建的公共空间......深入的实践让他成为了本次工作营无人机自主建造小组的生力军。

牛志明

他主攻设计形态学,品牌设计,工业设计方向的研究与应用,对工业概念设计、建筑设计、3维建模渲染、服务设计、品牌设计等都有兴趣和研究。他希望通过这次的工作营学习活动,对人工智能与设计方法学有更深的认识和研究应用。

陈鑫星

他大学四年所有设计课A+满绩,曾获得过绿建大会国际可持续竞赛铜奖,凭借对气候参数化设计和人工智能建筑生成的研究入选本届工作营。

交互:理性与感性之间




哥伦比亚大学 建筑学硕士

香港大学 建筑学学士


研究方向与兴趣:数据与人工智能辅助建筑设计、工具开发与城市决策

杨骐

探索感性指标“惊讶”在建筑平面生成式设计中的可能性

生成式设计方法,可以被认为是在参数化设计基础上的发展。参数化模型通过定义部件之间的逻辑联系,使传统的设计单体建筑方案变为设计建筑方案的可能区间,提高了修改方案的效率,同时促使设计师对自己的设计逻辑更加清晰。而在生成式设计方法中,通过定义不同的指标,或者评价标准,计算机便能通过遗传算法在海量方案中寻找在设计可能区间里相应的最优解,减少非理性决策在方案筛选中可能产生的负面影响。


因为计算机只识数的特性,和设计师设计中往往包含对诸如文脉,审美等等难以用一个数字表达其含义的考虑,使得在以往的生成式设计方法中大量使用的都是清晰直接的指标:造价,建筑面积,光照强度,结构形变,斜率等等,这些指标使得生成式设计逻辑严谨,所得最优解也确实表现良好,但对于设计师来说,其意义仍主要在于优化,而非进化。计算机的结果仍在人预知之内,难以启发或者颠覆人对既有事物的认知。而“拓展人的思维”才是未来人机交互设计最大的潜力和魅力。


而在本项目中,我试图对“惊讶”或者“张弛有度”这个传统建筑设计中的定性指标进行拆解和探索:构成训练是很多设计师的第一课,然而构成评价中的“平衡感”,“张力”,“动感”的获得大多依赖训练后身体的感知,而非对其意义的认知。我选用“展厅”这个主要关于观看,限制相对较少的功能对“惊讶”进行探索。在建筑师平面布置中,构成的影响清晰可见。那么,有没有可能让计算机生成一个“张弛有度”的展览空间呢?


设计空间搭建 


生成式设计并非计算机接管设计师来做设计,相反,生成式设计方法需要设计师履行更多设计职能:明确定义,转译设计逻辑和指标。人类设计师的角色在设计流程中依然存在,并且直接影响最后方案效果。借鉴构成主义绘画,我假想了一个长方形空间中的五个几何元素,两个三角和一个圆形作为封闭的空间,一道折墙和一道弧墙,他们的位置,大小,角度都是变量。我同时定义了一个入口和出口,借助空间句法的ISOVIST算法和寻路算法,程序自动计算出入口到出口的最短路径并计算路径上每单位长度取样点的视线面积。



“惊讶”指标的探索  


我更愿意将本项目中的“标准”称为“诱饵”,“诱饵”是连接人和计算机的桥梁,而好的“诱饵”所对应的猎物在可预测和不可预测之间。在这个项目里,探索了“惊讶“的三种定义方式。第一种将他定义为所有取样点视线面积的方差,并最大化;第二种计算后一采样点和前一采样点视线面积的差值,然后最大化总差值。第三种同样计算后一采样点和前一采样点视线面积的差值,当差值大于某数值时计数,程序最大化总体计数量。每一种数学表达对应一种感性的对“惊讶”的理解。第一种惊讶没有时间序列,第二种有序列性,但更看重整体的感受,而第三种标准更关注精彩的瞬间。随后我以这三种对“惊讶”的解读构成了主要优化目标,还有其他如“房间最小尺寸”,“路径长度”等作为次要目标,用程序进行了单目标和多目标的研究。


小结 


即使在生成式设计中计算机用遗传算法自动寻找最优解,仍有很多变量需要设计师调整,每一代的数量,突变频率,精英保存率等等都会影响算法能否跳出局部最优发现全局最优解。每一代数量越多,越容易发现新的设计可能性,而相应的运算时间也会增加。而进行的优化的变量种类也会影响算法最后是否收敛。什么样的设定在何种情况下能达到最佳的状态仍不可知,只能靠经验判断。而对于不同“惊讶”指标,计算机给与了我们更多构成“惊讶”的可能性,除了构成“峡谷“这种人能想象的可能性外,有一种最优解通过使用不同几何体在路径上营造了大大小小的半开放房间,另一种方案使用一堵弧墙营造了入户玄关小空间和之后的大展厅空间也很有启发性。诚然,“惊讶”肯定还有更丰富的表达方式,通过寻找传统设计评价标准的定制化数学表达,生成式设计模型能够帮助设计师大大减少推敲模型的时间,并且发现对设计师具有启发性的思路。

水晶球

不同的设计工具被开发来解决不同的问题。设计工具对我们的设计有着不容忽视的影响。而在设计流程中,“以第三者视角自我审视和评估”往往是最难的。在“水晶球”项目中,我设计了一个能激励设计师灵感的工具,作为犀牛建模软件的一个辅助,在设计过程中帮助设计师以新的视角来看待自己的设计。


具体操作 


在犀牛界面下建模时,任意时刻点击右边的“询问水晶球”按钮,水晶球会在左边上方的窗口显示出当今世上与你设计相似的结果,而左下方则会显示对你可能有启示的图片。当你视图是渲染窗口,水晶球则会给你显示相应的模型照片,当你是线稿模式,水晶球则会给你线稿的启发。

聚合:无人机与城市计算





悉尼大学 建筑学院荣誉学士

中规院 · 阿里巴巴 未来城市实验室 研究员


研究方向与兴趣:无人机、人机交互、城市计算

林旭辉

从建筑入手的城市问题

从最初本科课题设计开始,就一直有个问题,当一个城市出现文化中心过多的时候,有没有可能产生一种类似于文化旋涡的情景,把人们对这座城市的认知分散成各种碎片化的理解。所以笔者基于思考了一种多场所的聚合方式,为他们设计一座小建筑,通过小建筑,去了解这座城市里其他文化建筑的内容,为他们做一份mini guidebook。可能之后的兴趣,便是以此为契机,开始关注城市和建筑的关系。

无人机系统研究

由于笔者在悉大做课题研究的时候,主要做无人机,当时做无人机的契机是因为想要解决一个问题:当建筑师和客户在讨论的时候,由于背景不同,很多时候客户对空间尺度没有概念,以此可能会导致两者相互误解。那有没有一种方法可以去快速搭建1:1的空间。由此,选中无人机。


当在做文献综述的时候,发现大部分做集群无人机的,都是将无人机看作一个点去做各种活动。但是,有没有可能可以将无人机看作一条线,甚至是一个面,然后加上集群的方式,有没有可能去快速地围合出一个建筑空间?


为了去证明这个思路的可行性,笔者主要将系统分成三个部分,输入,连接,输出。而为了去达成这三个系统,需要有四个子系统去支撑,任务安排系统,寻踪系统,沟通系统,物数模拟系统。视频里的实验不算成功,但能证明该系统的可能性…

无人机与人机交互 


在该研究尾声,笔者开始反思,人机交互在这次研究里的表现,机器像是个解码者,将建筑师的图纸或者模型,解码成客户所能理解的1:1空间。基于此想法展开,就像机器和机器和现实之间的沟通是通过0和1,那对于人来说,是不是也存在一种底层语言,可以让背景不同的两个人,能够更好地去了解对方,而机器的角色,为转移者/解码器。如果之后能够继续做研究,希望能够将此类人机交互的模型推演出来,让人机交互模式化。

城市计算方向研究

由于笔者主要做城市计算平台部分,试着从城市系统入手,去重新看待建筑。传统建筑性能上的微观系统,以及城市模型的宏观巨系统边界,近几年开始被大数据模糊化。对于城市模型能这么做,那在物理世界中,是不是也有这么一种媒介能够联系微观以及宏观世界?无人机可能是很好的媒介。在之前的研究中,无人机通过自造系统,在微观世界里,和人进行互动。再加上他自身携带的大尺度性,将之链接上一个城市计算平台,允许无人机之间相互交流,使用者和使用者之间相互交流,完全有可能制造出一个基于合作模式的超临时结构,当他在城市里面铺开时,是不是就有可能能去创建一种,由使用者自下而上自建的公共空间结构?而这时,微观世界慢慢地和宏观世界,打上了交道…

形态:数字未来的多元创造





清华大学 工业设计-设计基础研究方向硕士

中北大学 艺术设计&国际贸易学士


研究方向与兴趣:设计形态学,品牌设计,工业设计方向的研究与应用

牛志明

自然中的设计形态学

设计基础研究的最终目的并不是停留在研究层面,而是通过研究再输送到设计应用,在高校设计研究中,可能未来设计更为重要。作为自己硕士期间研究的方向:设计形态学,它不仅需要设计学知识,还需要跨学科知识。其中师法自然就是重要的研究方法之一。在植物稳固的生物体形态中,泰森多边形就是非常值得借鉴的一种。利用GH参数设计插件,将泰森多边形与建筑设计形态相结合,在兼顾美学的同时为设计结构的解决方案提供一种可能。

数字语境下的珠宝设计

其次,在奢侈品的设计当中,从设计形态学与参数化设计角度去思考,将材质、韵律、文化、品牌等元素相结合,为奢侈品珠宝设计提供了更多拓展的空间,在设计研究中以宝格丽珠宝zero.1系列珠宝品牌为蓝本,进行了设计实验。

高维度的校园空间交流

另外,从维度出发,设计形态可以是2D、3D、4D……甚至是10D的高维空间。状态上又可划分为运动形态和静止状态。怎么利用设计形态学思维去定义未来的交流方式,也是一个值得思考的问题,于是在定义清华未来202x年校园出行方式的问题中,从设计形态学思维出发,对未来校园空间交流方式进行了再定义。

智能:机器的设计思辨





北京交通大学 建筑学学士


研究方向与兴趣:气候参数化设计和人工智能建筑生成

陈鑫星

绿色建筑参数化设计

在探索人工智能对建筑有什么帮助之前,我先尝试了解数据对建筑有什么帮助?


建筑中最常出现的数据是建筑环境参数,风光热等物理条件对建筑的数据化生成可以起到指导的作用。我在参加绿建大会国际可持续建筑竞赛的项目中使用了一种新的模拟优化算法,在参数化建模平台Grasshopper 上选用Ladybug进行环境性能分析,并用多目标优化软件进行搜索寻优。从而将形态生成、气候模拟和搜索寻优三个模块集成在同一个平台上运行。利用这个平台重点模拟中庭生成的参数化设计及其气候模拟,最终使得建筑中庭通风作用良好 。

利用DesignExplorer多维参数研究工具,在GH中求解所有可能的值并通过TTtoolbox导出模型和参数,在网页上进行可视化互动研究,求解所有可能解,并进行综合对比。

模拟过程通过四个参量(天窗大小5种,位置5种,中庭大小3种,位置3种),共生成5*5*3*3=225个模型,输出端三个变量的分布如上图,软件可以通过选取一个变量的范围,得到此模型的其他参数。例如在其中筛选出风速极值最大的模型或平均风速最高的模型可以帮助对中庭的形式进行选型。

人工智能在GH平台的发展

目前的GH平台中比较成熟的神经网络插件共有四个,分别为Dodo , Crow , Lunchbox ML,和Octopus。


其中Lunchbox ML共有四种主要的应用类型,分别是应用贝叶斯算法用于使用样本输入数据确定3D体量的外观类型;描述具有随机训练点的表面非线性回归;根据指定属性的相似性评估未标记的面板并确定面板的分组;训练数据的设置和预测空间类别。而Crow则主要应用GAN算法用于建筑风格材质可视化,应用SOM算法用于建筑形态生成,不同维度的自组织映射

SOM神经算法在城市尺度上的概念应用

SOM神经网络常用于解决旅行商问题(Travelling Salesman Problem,TSP) 即在地图上给定一系列城市和各城市之间的距离,求解遍历这些城市的最短路径。


SOM神经算法的原理:每次训练,获胜神经元(响应最强)及其近邻神经元的权值向量都会更新,反复的竞争与更新,神经网络最终学到输入数据的模式(城市的空间关系)。


SOM 自组织映射的结构:输入层、全连接(权值矩阵)、输出层(特征映射)。


通过一组随机生成的数据作为训练数据,包含六个维度的参数,新的数据利用SOM神经算法拟合训练数据向量。


回龙观地区作为北京最大的居住组团之一,因其居住密度过大和混合功能空间不足造成城市空间不适,方案通过SOM神经算法建立生存游戏,旨在创造丰富功能的城市空间。


获胜神经元一定半径内的神经元会被更新,代表城市空间不断扩张的过程中,生存下来的空间会带动其周边的空间。最终拟合到目标空间时,周边会形成相应的分布。

DigitalFUTURES 2019 WORKSHOP 系列介绍:

第一组:数字张拉模具混凝土薄壳设计

第二组:F5:移动机器人柔性建造

第三组:获取,设计,交付(ADD)- 城市密集化的综合解决方案

第四组:增强现实木构

第五组:御力于形:基于拓扑优化的建筑形态生成与建造

第六组:混合现实中的城市环境移动平台

第七组:一.协奏城市

第七组:二.人工智能建筑找形

第八组:感知、模拟、预测:亿级数据如何辅助智慧城市决策 

第九组:无人机自主建造

第十组:人工智能城市:图像判别模型与城市评估系统 

第十一组:全息构造 

编辑 | 罗又源 詹强

FAB-UNION是国内最前沿的数字化设计与建造平台。联合国内外数字建造学者、建筑师、设计师、专家及相关企、事业单位和学术团体,关注国际数字设计建造新闻,推荐优秀数字编程与建造作品,推动数字化建造工艺的发展。创造新锐数字实践者的社交空间。

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/34719
 
33 次点击  
分享到微博