VOXWARM 生成式对抗网络与集群智能建筑生形国际工作营
2020年1月3日

2020年1月3日至1月8日,我院2020数字实践系列工作营第一组“VOXWARM-生成式对抗网络与集群智能建筑生形”成功举行,2020 数字实践系列工作营关注数字化设计于建造的系列工作坊,共包含三组数字工作营。

工作营内容围绕人工智能展开。人工智能作为当今最热门的科学研究议题之⼀,从技术与理论上都将给我们带来新的机遇与挑战。而进化算法作为⼈工智能技术的主要分⽀之⼀,无论从历史的角度,还是从应用的⻆度都 能给建筑带来诸多新的可能性。借助它们,我们可以对影响建筑设计的因素(建筑环境因素、建筑形式偏好、建筑结构等)进行全⾯调查,通过不断迭代进化,找出相对优化方案,从而达到提高设计质量的目的。

此次工作营的其学习重点即是进化算法。主要内容包括人工智能概述、集群智能(Swarm Intelligence)、人工神经网络、深度学习与生成式对抗网络(GAN)。工作营非常荣幸的邀请到 Morteza Rahbar教授/博士、赵冰(在读)博士、Zeynab Kasseb老师,与我校运算化设计工作室黄维达老师共同进行此次教学。

 

导师介绍

Morteza Rahbar 副教授 / 博士

Morteza副教授/ 博士,毕业于 苏黎世联邦理⼯学院(ETH )建筑学计算机深度学习生成设计方向, 现任伊朗科学与技术大学(Iran University of Science and Technology)数字建筑设计教授。长期从事于建筑计算机学习领域的研究与教学,是一位具有国际影响力的学者和专家。

 

赵冰博士(在读)

赵冰博士(在读),同济大学建筑与城市规划学院博士,专注于集群智能数字建筑理论与设计方向的研究,具有丰富的相关教学经验,也是本次活动的主要策划人之一。

 

ZEYNAB KASSEB 老师

ZEYNAB KASSEB 老师,沙希德·贝赫什提大学(伊朗,ShahidBeheshti University)建筑学硕士学位,慕尼黑工业大学(德国,Technische Universität München)录取博士,研究主要集中于通过人工智能技术解决建筑物理优化问题。

 

黄维达讲师

黄维达讲师,上海视觉艺术学院视觉德稻设计学院讲师。

 

 工作营内容

工作营主要包括三个部分,集群智能、生成式对抗网络等的知识讲座、建模软件(主要是Grasshopper)的基础操作和学习,编程基础知识 。

 

 

知识讲座

1. 集群智能

集群是一个跨学科的概念,涉及哲学、社会学、计算机科学、经济学、政治学、医学等多个学科,在建筑中,既有社会文化层面的含义也有设计、建造层面的应用,在设计上既可以涵盖城市层面的大尺度设计,如交通流线、社区分布等,又可以深入微观层面,从材料性的角度探索建筑生形与结构优化设计。

城市设计层面上,以黏菌-交通试验为例。(注:黏菌是一些霉菌的统称,在其营养生长期呈现出黏黏的形态,这时候它们可以根据周遭环境的营养供应状态任意改变体行)在培养皿中培养一定数量的黏菌,将日照、食物作为干扰条件模拟东京实际交通系统中的限制条件,经过一段时间的培养之后,黏菌群呈现出与实际交通系统几乎相同的连接体系。通过黏菌,得到模拟模型是有可能的,这便为进一步优化系统方案提供了基础。

(黏菌 图片来源:网络)

黏菌实验与东京交通系统比较

(图片来源:http://www.technovelgy.com/ct/Science-Fiction-News.asp?NewsNum=2756)

(根据黏菌特性得到的电脑模拟模型)

物质层面上,以 Roland Snooks 的物质行为研究为例。物质通过自下而上的自组织生成宏观尺度的形态,多智能体算法在其中被应用。多智能体算法的基础规则克雷格·雷诺兹用 Boids 模型表述出来。智能体基于三个基本的动力学规则,在多次迭代后可以达到动态的物理平衡,并在整体上表现出相对稳定的形态。

Boids 基本规则

(图片来源:Leach, Snooks, Swarm Intelligence:Architecture of Multi-agent Systems , 2016)

 

     Snooks 在此基础上发展了更适用于找形的规则,并根据不同设计条件设计多智能体模型,以得到符合需求的设计。

RMIT Mace, Melbourne, 2015

 

2.生成式对抗网络

生成式对抗网络(Generative adversarial networks, GAN)是当前人工智能学界最为重要的研究热点之一,用于深度学习。由Goodfellow等人于2014年提出。GAN由一组对抗性的神经网络构成(分别称为生成器和判别器),生成器试图生成可被判别器误认为真实样本的生成样本。与其他生成模型相比,GAN的显著不同在于,该方法不直接以数据分布和模型分布的差异为目标函数,转而采用了对抗的方式,先通过判别器学习差异,再引导生成器去缩小这种差异。

GAN的网络结构如图所示:

图片来源:Morteza Rahbar

GAN在深度学习上有着明显的优势,以图像生成结果为例,VAE(变分自编码器,Variational Auto-Encoders)生成的图像是模糊的,而GAN所生成的人脸图像甚至可以以假乱真。

VAE生成的人脸

GAN 生成的名人图像

 

将集群智能与生成式对抗网络结合的意义:集群智能既有效又复杂,在设计应用上,集群智能算法显得太过庞大,而如果可以通过生成式对抗网络跳过计算量过大且难以控制的模拟步骤,将进一步促进集群智能在建筑上的应用。

 

 

建模软件学习

学生主要学习了 Physacrealm 和 Culebra 两个插件,用以生成并处理集群模型。

 

 

编程语言学习

学生基于 Jupyter Notebook 或 Colab 学习编程基础知识,并熟悉 GAN。

 

 

学生作品

NO.1

VOXIMINAL

该作品使用 grasshopper 来构建最小曲面,并将他们转换为不同的形状,以探索表面对人们空间的影响。极小曲面是一类非常有趣的数学曲面,这些类型的表面柔软而富有变化,内部空间错综复杂,不能完全被看到洞的排列也很神秘和有趣。

 

NO.2

THE BREAKING BIRDS

此作品名为越狱鸟是指鸟群在规定的范围内飞出去就不会再回来,它模仿鸟的飞行路径,设计了一个像树一样的空间范围。

 

NO.3

FLOW PROGRAM

设计生成的灵感来源于水流的进发与交汇,通过模拟水流的运动轨迹,生成一个概念集群,在模拟中通过控制每一帧的运动轨迹,选择其最优的形态进行设计生成,然后再通过一系列的碰撞组合,旋转复制,最后形成一个适用于人的尺度的装置或者空间形式。

 

NO.4

SWARMMING RING

  通过黏菌试验生成的逻辑来进行运算,形成一个环形的城市建筑的装置。

 

NO.5

GROWING TREMELLA

灵感来源银耳,通过模拟黏菌的运动轨迹生成一个概念集群,形态为极小曲面,在模拟中通过控制每一帧的运动轨迹,选择其最优的形态进行设计生成。GROWING TREMELLA中运用极小曲面的经典例子之一恩内佩尔曲面。在形式上比较容易展现出设计的形态效果。同时在制作上更为节省材料。

 

每个小组的同学都在老师们的辅导下认真地顺利地完成了课程任务。

合影 

撰稿:夏煜艳

相关动态