APP下载

重塑标准化

2021-01-16郑超苏雅婷

绿色包装 2021年11期
关键词:机器视觉机器学习

郑超 苏雅婷

摘要:本文将探讨以数字智能设计为手段,对废弃材料和原生态自然材料等非标准化材料进行创新性设计研究与实验,以机器学习作为驱动力,利用强化学习、机器视觉和大数据应用,促进以材料为导向的设计圈,将废弃材料和原生态自然材料转化为潜在的资源,并从中提炼出新的设计系统和结构系统,达到破译与重构的目的,并最终转化为设计策略。

关键词:材料创成;机器学习;强化学习;机器视觉

中图分类号:TP391;TP183 文献标识码:A 文章编号:1400 (2021) 11-0127-08

基金项目:中国美术学院校级科研项目—青年项目(院级课题)(基于废弃材料的数字智能设计研究与实践QN2021005)

Reform Standard——Research And Practice of Digital Intelligent Design Based on Waste Materials

ZHENG Chao, SU Ya-ting

(China Academy of Art, Hangzhou 311113, China)

Abstract: This paper will discuss innovative design research and experiment on non-standard materials such as waste materials and natural materials by means of digital intelligent design. Machine Learning will be taken as the driving force. Using Reinforcement Learning, Machine Vision, and Big Data Manipulation to promote material-informed design, transforming waste materials and natural materials into potential resources, and extracting new design systems and structural systems from that, so as to achieve the purpose of deciphering and reconstruction, which would finally be developed into design strategies.

Key words: material-based generation; machine learning; reinforcement learning; machine vision

“十四五规划”中提到的四个重要原则中,有两大原则值得设计师关注和思考。一是“坚持节约集约,高质高效。坚持节约资源的基本国策,按照‘减量化、再利用、资源化要求,加快生产系统和生活系统循环链接,全面提升资源利用效率,以循环发展推动碳达峰碳中和。”二是“坚持数字赋能,深化改革。以数字化改革为牵引,坚持‘整体智治理念,推进循环经济领域数字化转型,利用数字化手段促进经济社会绿色低碳循环发展,提升推动循环经济发展的科学化、智能化水平。”

基于废弃材料的数字智能设计研究与实践积极响应了十四五规划中对循环经济和数字赋能产业的号召,以建筑学和废弃材料作为切入点,寻找实现以材料创成空间的创新设计方法和解决方案。首先,建筑学,从定义上来说就是设计与建造的艺术与科学,是数字化建造与人工智能操作材料的重要领域。其次,对于废弃回收材料的关注,是源于对标准化设计和生产流程的批判性思考。

1 关于“标准化”

国际标准化组织ISO(International Standardization Organization)是这样定义标准化的:“标准化是基于科学、技术与经济各领域中真实存在的或潜在的问题所建立的具有广泛性,且可被反复使用的标准与规定,旨在一定范围内获得最佳秩序。[1]”标准化,可以理解为标准的推广,是需要社会性的认可与实践的。换言之,标准就是使某一特定做法被普遍接受的正常化过程,当人们把它们当作自然和必要条件无意识地遵从,标准就被正常化了[2]。

我国可追溯的最早的一部具有影响力的关于设计与建造标准化的著作是宋朝李诫的《营造法式》,他在书中总结了古代建筑设计和施工中的相关技术标准、规范以及劳动定额。随着时代的进步,广泛存在于各行业的“标准”不断地完善,在技术的支持下得以合法化,并以其高效的組织给社会和经济带来了显著的效益。

但值得注意的是,标准主要面向的是通用产品,采用的是共性的条件,必然会在一定程度上限制个性的发挥。另外,为了实现标准而实施的同质化的单向投入和进程,最终会导致很多废弃材料和废弃用地的产生。作为这个时代的设计师,应对并试图解决这一现象和问题是我们不可推脱的责任。

近年来,很多设计师已经通过自己的作品对标准化给出了全新的阐述和释义,希望能重新定义更具有包容性的“标准化”。例如,由安东·加西亚(Antón García-Abril)和狄波拉·梅萨(Débora Mesa)联合创立的Ensamble Studio,就是一个融合建筑、工程、景观设计和材料研究的多元化跨学科设计事务所。他们曾在采访中说,新的一代将不接受“标准的”解决方案[3]。这个观点在他们设计方法的实验与创新实践中得到了验证。不加修饰的、坚固的模型(图1)常常是激发他们设计灵感的重要手段。安东·加西亚和狄波拉·梅萨很擅长从身边发掘可用的材料,利用非标准的材料创造出令人惊喜的成果。位于圣地亚哥,德孔波斯特拉作家与出版者总会中央办公室那道引人注目的立面(图2),就是他们利用从采石场收集来的上百块废弃的方石所完成的设计实验。建筑方案借助方石的重力,构造出了一整面富有呼吸感的“野生”长墙,粗犷且生动。这完全超出了人们对于立面,对于墙,甚至对于废弃石块的认知。

2 数字化进程为重塑标准化带来的新机遇

首先,设计与建造工具变革为范式的转化提供了更多可能。同济大学建筑与城市规划学院的袁烽教授在其《数字化建造:新方法论驱动下的范式转化》[4]一文中提出:“设计方法工具、建筑建造的过程和流程逻辑深刻地影响着新范式的产生”,并明确了“数字化建构”与“数字化建造”的不同,前者倾向于传统建造工具对传统材料的“半自主”操作,而后者则是数字化作为设计方法贯穿整个设计始末的“自主性”设计与建造方法,体现为数控工具对新材料的操作。数控机床(CNC)、3D打印技术、激光切割机、各类机器人及人工智能的使用,对材料、施工工艺有了更大程度的控制,也使得施工的精确度得到了保证。这些新技术的并行实践为范式的转化提供了可能。

其次,第二次数字化转折预示着制造大批量相同复制品的现代力量正在衰弱。建筑的第一次数字化转折改变了我们的制作方式;而第二次数字化转折改变了我们的思维方式。伦敦大学学院巴特莱特学院建筑历史和理论教授马里奥·卡波(Mario Carpo)在《字母表和算法》(The Alphabet and The Algorithm)[5]一书中指出了“现代性”的一个关键实践:制造相同的复制品。卡波认为,随着数字技术的兴起,这种制造“同一性”的现代力量正急速衰落,因为所有数字化的东西都是可变的。在建筑中,这意味着符号限制的终结,机械标准化的终结,以及“阿尔伯特式”设计的终结。

另外,计算机进行机器学习及大数据处理的能力让“非标准化”材料作为建造材料有了现实意义。马里奥·卡波(Mario Carpo)曾在其论文《过度解析:建筑设计中的人工智能和机器学习》(Excessive Resolution:Artificial Intelligence and Machine Learning in Architectural Design)[6]中指出:我們思考问题的方式和计算机解决问题的方式之间的主要区别是,我们自己的大脑从来没有连接到大数据。就像当我们需要用100万块不同的砖块来建造房子的时候,我们并不能轻易地将它们随机地堆建起来。在这种情况下,我们对大数据天生的厌恶,会促使我们进行一些极端的简化,将砖块标准化,假设它们都是一样的,然后将它们按规则排列。而计算机却能在短时间内扫描任何庞大而无序的数据,记住每一块砖不同的物理形状和肌理。现今,越来越多强大的计算工具能够独立解决一些人力无法完成的设计问题,包括对非标准化材料的解读及数据的抓取。

目前,国外也已经有相关的研究案例,例如:Certain Measure组织的Mind the Scrap项目,透过机器视觉和演算法来重新分类和切割废弃木板并创造新的几何形式;FOA设计的横滨国际客运大楼所展现的创新结构,透过对X光的研究来重新理解我们生活空间的构成;Plastic Preneur工作室立足于回收的废弃塑料,通过研发工具重新开发其加工流程等等。这些组织和设计团队的项目大部分还属于研发阶段,具有较强的针对性,研究的材料相对单一,完全应用数字智能工具做为辅助设计的方法仍然面临挑战。

3 设计研究与实践

本文进行的设计实验,将通过数字智能化的手段,进一步发掘边界、形态不规则的回收废弃材料的可能性,激发材料个性,并通过新数字艺术的创新性应用,对废弃材料进行智能化利用与重组,将其转化为潜在的可利用资源,并从中提炼出新的设计系统和结构系统,赋予它们新的功能属性与存在价值。

以废弃材料进行壳结构空间的生成设计实验为例。设计实验分为四个阶段:废弃材料准备及扫描测试、材料拼接实验、壳结构边界设定与结构模拟实验、壳结构模型建构实验。设计研究方案以机器学习(Machine Learning)为驱动力,通过对强化学习(Reinforcement Learning)、机器视觉(Machine Vision)和大数据处理(Big Data Manipulation)的递进式应用,最终形成以机制、材料及模拟为导向的设计方法。

3.1 废弃材料准备及扫描测试

实验初期,需要对各种废弃材料进行收集和分析,关注材料的在地性及基本属性。根据前期调研,项目将同一类形状、大小不一的废弃木料作为实验材料。实验初始,我们通过Reality Capture这一摄影测量软件的无接缝激光扫描功能,创建所有收集来的废弃木料的3D模型(图3)。每个被扫描的碎片都会配有一系列分析输出(图4)。其中利用了HU Moment、骨架形态、总质量、递归图等分析结果,对这些几何模型进行归类。被归类后的几何模型会按照给定的顺序,提供给机器学习模型。目前,Reality Capture软件已广泛用于多个领域,包括文化遗产、全身扫描、游戏、勘测、测绘、视觉效果和一般的虚拟现实等。

需要强调的是,面对不同类别的非标准化材料,我们需要找到与之相匹配的机器识别和阅读方法;根据不同材料的特点,设计对应的材料解读建模逻辑。例如,可使用摄影测量法、光学雷达、三角测量等工具设定对应的扫描环境及扫描背景,选择适合的扫描方式,以确立明确的数位模型边界,在建模软件中生成精准的模型并确保其能够适用在设计流程当中。这是该设计研究与实践的第一个难点。

3.2 材料拼接实验

通过Unity引擎进行机器学习(Machine Learning),将扫描的3D模型根据特性,进行组织排列。随后,利用人工测试材料的拼接、分解、融合与生长方式,获得完整的数位模型。同时,利用物理手段测试材料拼接的其他可能,同步数位模型与物理模型的拼接方法。机器学习的核心是设计师不直接参与方法论,而是设定目标和操作模式,让程序来寻找设计方法,即机制导向性的设计思维。

這个过程中的技术难点,是论证智能拼接逻辑的合理性及可行性。这需要我们将数字化模型与物理模型的拼接实验紧密结合,相互推导,反复推敲、验证。数字化模型从机器阅读的角度去理解拼接逻辑的可能性和创新性,而物理模型则是从手工技艺和直觉性创作去探索建构方法。两者应该相辅相成,以强化建构逻辑和美学理念。

3.3 壳结构边界设定与结构模拟优化实验

材料拼接实验完成后,需要设定壳结构的边界或初始形态作为指导框架。当Unity引擎学会了基础的壳结构后,设计师可介入并调整部分参数,以客制化机器学习,定义优先指标,通过基于虚拟环境的智能强化学习(Reinforcement Learning AI)有针对性地解决方案生成中的问题,优化设计方案的结构拼接节点和生长方式(图5)。随后,应用机器视觉(Machine Vision)对生成的壳结构的光线复杂度、风场、有效遮蔽面积、对称性、高度等空间使用感受进行测量和判断,选出较优方案(图6)。较优方案为上述因素加权平均出来的高分方案。

这是一个自定义机器学习的关键过程。在“基于废弃材料的数字智能设计与实践”的探究过程中,人对材料的认知和对空间、生命意义的理解应先于机器和人工智能,在此基础上,设定机器学习的运算逻辑和参数指标,让计算机协助完成人力无法处理的大量数据及人力无法完成的成千上万的模拟实验,找到提高材料利用率,减少废弃材料产生的可行方法,同时兼顾材料的结构性能和美学价值,完成废弃材料创成的择优、验证和完善。

3.4 壳结构模型建构实验

结合机器视觉与机器学习,生成最终得分最佳的壳结构库(图7)后,设计师可根据个人喜好进行下一步的壳结构模型建构实验(图8)。建构过程可以与机械臂相配合。机械臂是具有模仿人类手臂功能并可完成各种作业的自动控制设备,可由程序根据作业需求设定模型构建的指定动作(图9)。

4 利用数字智能化对于废弃材料的处理和设计领域的意义

该设计研究与实践为设计行业创造了一种可供选择的设计流程,对循环经济的彻底实现创造了新的可能。此处提及的重塑标准化,其实就是一个机器学习驱动的搜索引擎,利用现有的废弃材料设计新的结构。利用强化学习、机器视觉和自动搜索过程,该设计实验开启了材料信息设计循环,并将废弃物转化为潜在资源。存在于标准化中的不同程度的适应性通过人工智能和计算机搜索能力,最终将重新客观化地评估“废弃物”,并重新定义“废弃用地”的概念。未来世界的“废弃物”与“废弃用地”极有可能成为居民和经济实体探索、设计和使用的新元素及可用土地。这无疑对工业、生产和设计过程的标准化提出了挑战。

设计实验将废弃的不规则碎塑料块重新分类,并转换成了一种新的形态。设计实验中的搜索引擎企图寻找那些被忽视的废弃物,解读它们的复杂性,构建新的以机制为导向的美学,而不仅仅只是单纯地从能源密集输出的设计过程中回收废弃物。

另外,这一设计实验的践行是作为设计者履行社会责任感的一次尝试。在设计之初,通过材料的投入来获得信息,使其能够在更具体的环境中更好地实现经济循环潜力和社会价值。这同时也是一次艺科融合的重要尝试,希望通过这样一个创新性实践,可以有效地振兴废旧材料的生命周期,发展出一种更加可持续的设计方法,从根本上改变我们认识和评估材料的方式。

参考文献:

[1] ISO 26000文件, 网站: https://iso26000.info/ standardization/.

[2] 朱天禹.德国的标准化建造与建筑标准,专栏:包豪斯研究,建筑师,2019年第2期,第52页.

[3] Ensamble Studio采访,网站:https://www.archdaily. com/774984/interview-with-ensamble-studio-the-newgeneration-will-not-accep.

[4] 袁烽.数字化建造:新方法论驱动下的范式转化,建筑数字化建造,绪论,第3页.

[5] Carpo M. The alphabet and the algorithm[M]. MIT Press, 2011.

[6] Carpo M. Excessive Resolution: Artificial Intelligence and Machine Learning in Architectural Design, [online] Available at:

猜你喜欢

机器视觉机器学习
基于词典与机器学习的中文微博情感分析
全自动模拟目标搜救系统的设计与实现
基于机器视觉的自动浇注机控制系统的研究
基于网络搜索数据的平遥旅游客流量预测分析
前缀字母为特征在维吾尔语文本情感分类中的研究
大场景三维激光扫描仪在研究生实践教学培养中的应用
基于机器视觉的工件锯片缺陷检测系统设计
基于支持向量机的金融数据分析研究
基于机器视觉技术的动态“白带”常规检测系统的开发
机器视觉技术在烟支钢印检测中的应用