MCD：一种用于多模态设计修改的模型无关反事实搜索方法

设计师常常自问如何调整其设计概念以实现苛刻的功能目标。要回答此类问题，设计师通常必须考虑反事实，权衡设计备选方案及其预期性能。本文介绍了面向设计的多目标反事实(MCD)，这是一种自动化并简化反事实搜索过程的计算工具，可推荐满足设计师独特要求的针对性设计修改。MCD通过对支持多目标需求（在设计问题中至关重要）以及解耦反事实搜索与采样过程来改进现有的反事实搜索方法，从而提升效率并促进目标权衡可视化。本文通过三个示例性自行车设计挑战展示了MCD在复杂工程任务中的能力。在第一个挑战中，MCD有效识别出可量化提升功能性能的设计修改，强化了车架并减轻了重量。在第二个挑战中，MCD以跨模态方式修改参数化自行车模型，以 resemble 主观文本提示或参考图像。在最后的跨学科案例研究中，MCD解决了前两个问题引入的所有定量与主观设计需求，同时根据个体骑行者的生物力学特征定制自行车设计。通过探索假设性设计变更及其对多个设计目标的影响，MCD为寻求对其设计进行针对性增强的从业者推荐有效的设计修改。本文使用的代码、测试问题和数据集已在 decode.mit.edu/projects/counterfactuals/ 公开。