MechaFormer：用于运动学机械结构设计自动化的序列学习
机器学习
2025-08-13 v1
摘要
设计机械结构以追踪特定路径是经典且极其困难的工程问题， characterized by a vast and complex search space of discrete topologies and continuous parameters。我们引入 MechaFormer，这是基于 Transformer 的模型，通过将结构设计视为条件序列生成任务来解决这一挑战。我们的模型学习将目标曲线翻译为领域特定语言 (DSL) 字符串，同时在单一的统一过程中确定机械结构的拓扑结构和几何参数。MechaFormer 显著优于现有基线，实现了业界最先进的路径匹配精度，并生成广泛多样的新颖且有效的设计。我们演示了一套可显著提高解质量并为设计师提供宝贵灵活性的采样策略。此外，我们表明 MechaFormer 提供的高质量输出可作为传统优化器的优异起点，形成一种能够以惊人的效率找到更好解答的混合方法。
关键词
引用
@article{arxiv.2508.09005,
title = {MechaFormer: Sequence Learning for Kinematic Mechanism Design Automation},
author = {Diana Bolanos and Mohammadmehdi Ataei and Pradeep Kumar Jayaraman},
journal= {arXiv preprint arXiv:2508.09005},
year = {2025}
}