Генеративный дизайн представляет собой революционную технологию проектирования, основанную на использовании алгоритмов. Вместо ручного моделирования и оценки вариантов, инженер определяет параметры и условия, а разное программное обеспечение генерирует тысячи трёхмерных моделей, таким образом самостоятельно сравнивая и отбирая наиболее оптимальные решения. Человек в этом процессе выступает в роли постановщика задачи, задавая критерии оптимизации и ограничения. Компьютер же берёт на себя функции творчества, генерируя и оценивая множество вариантов с несравненной скоростью и точностью. Распространение генеративного дизайна обусловлено ростом вычислительных мощностей и стремительным развитием 3D-печати, которая позволяет реализовать в физическом мире сложные объекты, созданные с помощью этой технологии.

Генеративный дизайн постепенно становится основным и мощным инструментом  автоматизированного проектирования, открывая новые горизонты для инженерного творчества. Здесь мы можем получить:

1. Описание результата, который нужно получить. Использование эволюционных алгоритмов даёт отчасти случайный (в том смысле, что он не может быть до конца предсказан) результат, но всё же требуется базовая конкретизация задачи.
2. Определение параметров. Пользователь определяет, каким характеристикам должны соответствовать генерируемые решения.
3. Отбор лучших вариантов. Система предлагает некоторое количество решений, которые отличаются по целевым характеристикам и все удовлетворяют поставленным условиям, дальше нужно выбрать самый красивый/впечатляющий/вызывающий/отвечающий вкусу заказчика и так далее вариант, то есть опереться на трудно поддающиеся какому-то формальному описанию критерии. С этим человек пока справляется лучше компьютера.

Общая схема выглядит так:

Генеративный дизайн в городском планировании

Если подумать об этом отвлечённо, то какая разница между оптимизацией планировки офиса и оптимизацией фабрики или даже оптимизацией механизма? Это всего лишь куча деталей, которые нужно уложить и организовать вместе наилучшим образом из возможных. В этом сценарии отличаться будут параметры и ограничения, которые определяют размещение каждой части головоломки. По большому счёту, компьютеру всё равно, каковы эти параметры или части, он просто использует алгоритм для оптимизации в соответствии со вкусом программиста.

На Autodesk University Кин Уолмсли (Kean Walmsley) и Лоренцо Вилладжи (Lorenzo Villaggi) рассказывали о своём участии в проекте для голландской строительной компании Van Wijnen Groep, строящей доступное жильё в городе Алкмар. Специалистов из The Living девелоперы привлекли, чтобы применить методы генеративного дизайна в городском масштабе. Требовалось спроектировать жилой квартал так, чтобы одновременно соблюсти местные строительные нормы (например, по максимальной этажности, ориентации домов вдоль существующих улиц, числу и расположению проездов, парковочных карманов и т.д.) и требования девелопера. К последним относится, например, то обстоятельство, что в проекте должны были использоваться конкретные типы коттеджей (101-5700, 201-5700 и 301-5700) и многоквартирных домов.

При проектировании городской среды большое число заинтересованных сторон, зачастую предъявляющих противоречащие друг другу требования, создаёт дополнительную сложность. Применяя генеративный дизайн, можно структурировать эту сложность и управлять ею посредством определения целей. Для проекта Alkmaar Housing было разработано семь целей, в том числе финансовые, экологические, а также более архитектурные (вид из окна, вариативность).

Последовательность работы геометрической системы такова: сначала участок был разбит на сетку, скорректированную в соответствии с направлением границ (1), и по этому мешу сгенерированы внутренние проезды (2) с учётом требований по доступности со стороны существующих улиц. Далее участок был разделён на меньшие (3), и на этих внутренних лотах перебирались варианты с размещением коттеджей (4) и многоквартирных домов (5).

Множество сгенерированных вариаций:

Каждый из полученных вариантов компоновки участка оценивался по семи целевым параметрам, определённым в самом начале. Совокупность их значений складывалась в некий общий коэффициент, дававший возможность сравнивать фреймы между собой и выбирать лучшие.

Project Refinery

Важным итогом сотрудничества между Autodesk и Van Wijnen Groep стало понимание того, что генеративный дизайн вполне может быть применим для улучшения процесса планирования жилых кварталов. Но был и второй результат, не менее важный, – это бета-версия приложения для генеративного дизайна в архитектурно-строительной области, которая даст пользователям возможность исследовать и оптимизировать свои проекты, созданные в Revit.

Присоединиться к Project Refinery может любой желающий – надо подать заявку. Действующим бета-тестерам проект станет доступен сразу и появится в списке My Projects; тем, кто никогда раньше участия в бета-тестировании не принимал, придётся подождать чуть дольше.

Если в двух словах, Project Refinery представляет собой пакет для Dynamo, который помогает создавать варианты проекта. Он запускается локально и использует нод для кэширования модели Revit. Потом, после работы алгоритма оптимизации, лучший вариант экспортируется обратно в Revit.

Звучит как-то совсем просто, но когда я увидела, как выглядит весь скрипт целиком, у меня даже закружилась голова – он огромный. И в своей части презентации Кин говорил о сложностях, с которыми столкнулась команда, работая с этим проектом. В процессе они выработали несколько базовых принципов организации и использовали разные уровни (сверху вниз), разную цветовую кодировку в зависимости от типа действий и направленный слева направо поток данных. Также был создан (и также доступен на бета-портале) специальный пакет Warnamo. В своём блоге Through the Interface Кин рассказывает о том, как вообще появился этот пакет и как он упрощает навигацию и поиск внутри скрипта.

Зачем еще нужен генеративный дизайн

Генеративный дизайн уже успешно применяется в цифровом производстве. Это происходит как благодаря развитию технологий 3D-печати, которые решают вопрос о производстве форм, сгенерированных алгоритмами, так и благодаря тому, что одним из ограничений может стать способ производства (например, можно задать 2.5- или 5-координатную обработку). Примеров уже немало, самые яркие на слуху даже у таких далёких от производства людей, как я: Bionic Partition – коллаборация Airbus, Autodesk и APWorks – облегчённая перегородка для салона самолёта. На момент создания это была самая большая в мире металлическая деталь для воздушного судна, напечатанная на 3D-принтере.

Благодаря сочетанию технологий генеративного дизайна, 3D-печати и использованию продвинутых материалов эта штука получилось на 50% легче обычных перегородок и на 10% прочнее. Или, например, совместный проект с General Motors, который появился во всех, кажется, важных презентациях Autodesk в этом году.

Генеративный дизайн в архитектуре

Для архитектуры рабочий процесс тот же самый, что и для инженерных проектов, но он включает более сложные цели – в них входят качественные аспекты опыта пространства, которые менее ощутимы и которые труднее измерить. В 2017 году The Living, первая в своем роде студия Autodesk, которая применяет генеративный дизайн, биологию и новые материалы для реальных проектов в контексте технологий, культуры и окружающей среды, была привлечена к проектированию собственного офиса Autodesk в Торонто в инновационном центре MaRS.

Работа началась со сбора исходных данных. Сотрудников и руководителей опрашивали о стиле работы и предпочтениях по расположению рабочего места. На основании их ответов было разработано шесть основных и измеримых целей, сочетающих аспекты человеческого восприятия (например «предпочтения соседства») и количественные характеристики (например «освещённость», «уровень шума»). Далее архитекторы и исследователи создали геометрическую систему, которая содержала несколько уровней ограничений, включая размер пространства, количество переговорных комнат, зон общего пользования и чётко зафиксированных помещений, расположение которых не может быть изменено (санузлов, технических помещений).

Когда заданы все параметры и определения, запускается алгоритм поиска, чтобы автоматически исследовать множество возможных вариантов планировки и находить новые и наиболее высокопроизводительные из них. Алгоритм поиска представляет собой подмножество главного алгоритма оптимизации для обнаружения оптимальных настроек входных параметров функции, которая максимизирует значение одного или нескольких результатов. Существует несколько алгоритмов поиска, в этом проекте команда разработчиков использовала многоцелевой генетический алгоритм (MOGA).

Итак, генеративный дизайн благодаря развитию железа уже вышел за пределы лабораторий, оснащённых суперкомпьютерами, стал доступен широкому кругу пользователей и скоро, я думаю, перейдёт из разряда экспериментальных инструментов для отдельных отважных исследователей в привычное средство оптимизации проектных решений.

Источник: http://isicad.ru/
Автор: Алла Землянская