目标导向设计智能体：将视觉模仿与一步前瞻优化集成于生成式设计
人工智能
2021-10-12 v1
摘要
工程设计问题常涉及巨大的状态与动作空间以及高度稀疏的奖励。由于对这些空间进行穷举搜索不可行，人类利用相关领域知识来压缩搜索空间。此前，引入了深度学习智能体（DLAgents）以使用视觉模仿学习来建模设计领域知识。本札记基于DLAgents，并将其与一步前瞻搜索集成，以开发能够增强所学习策略、用于顺序生成设计的目标导向智能体。目标导向DLAgents可采用从数据中学到的人类策略，同时优化目标函数。DLAgents的视觉模仿网络由卷积编码器-解码器网络组成，充当独立于反馈的粗略规划步骤。同时，前瞻搜索在目标引导下识别精细调整的设计动作。这些设计智能体在一个无约束桁架设计问题上训练，该问题被建模为基于动作的顺序配置设计问题。随后在两个版本的问题上评估这些智能体：用于训练的原始版本，以及具有受阻建造空间的未见约束版本。目标导向智能体在两种情景下均优于用于训练该网络的人类设计者以及先前与目标无关的智能体版本。这展示了一个设计智能体框架，其能有效利用反馈，不仅增强所学设计策略，还能适应未见的设计问题。
引用
@article{arxiv.2110.03223,
title = {Goal-Directed Design Agents: Integrating Visual Imitation with One-Step Lookahead Optimization for Generative Design},
author = {Ayush Raina and Lucas Puentes and Jonathan Cagan and Christopher McComb},
journal= {arXiv preprint arXiv:2110.03223},
year = {2021}
}