空间装配：基于强化学习、自我博弈与树搜索的生成式架构
人工智能
2021-01-20 v1 图形学
机器学习
摘要
在这项工作中，我们通过结合过程生成算法（波函数坍缩算法（WFC））与用于博弈求解的强化学习（RL）的思想，研究将强化学习用于空间装配的生成。WFC 是一种受约束求解启发的生成式设计算法。在 WFC 中，用户定义一组瓦片/块体与约束，算法生成满足这些约束的装配体。将空间装配生成问题建模为状态转移由 WFC 定义的马尔可夫决策过程，我们提出一种利用强化学习与自我博弈学习策略的算法，该策略生成满足设计者设定目标的装配体。最后，我们展示了我们的空间装配算法在建筑设计中的应用。
引用
@article{arxiv.2101.07579,
title = {Spatial Assembly: Generative Architecture With Reinforcement Learning, Self Play and Tree Search},
author = {Panagiotis Tigas and Tyson Hosmer},
journal= {arXiv preprint arXiv:2101.07579},
year = {2021}
}
备注
Workshop on Machine Learning for Creativity and Design at the 34rd Conference on Neural Information Processing Systems (NeurIPS 2020)