Gegenfakten für das Design: Eine modellagnostische Methode für Designempfehlungen

Counterfactuals for Design: A Model-Agnostic Method For Design Recommendations

May 18, 2023

Autoren: Lyle Regenwetter, Yazan Abu Obaideh, Faez Ahmed

cs.AI

Zusammenfassung

Wir stellen Multi-Objective Counterfactuals for Design (MCD) vor, eine neuartige Methode zur kontrafaktischen Optimierung in Designproblemen. Kontrafaktische Szenarien sind hypothetische Situationen, die zu einer anderen Entscheidung oder Wahl führen können. In diesem Artikel formulieren die Autoren das Problem der kontrafaktischen Suche als ein Designempfehlungswerkzeug, das dabei helfen kann, Modifikationen an einem Design zu identifizieren, die zu einer besseren funktionalen Leistung führen. MCD verbessert bestehende Methoden zur kontrafaktischen Suche, indem es mehrzielorientierte Abfragen unterstützt, die in Designproblemen entscheidend sind, und indem es den kontrafaktischen Such- und Samplingprozess entkoppelt, wodurch die Effizienz gesteigert und die Visualisierung von Zielkonflikten erleichtert wird. Das Papier demonstriert die Kernfunktionalität von MCD anhand eines zweidimensionalen Testfalls, gefolgt von drei Fallstudien zur Fahrradkonstruktion, die die Wirksamkeit von MCD bei realen Designproblemen zeigen. In der ersten Fallstudie zeigt MCD seine Stärke darin, Modifikationen an Abfragedesigns zu empfehlen, die die funktionale Leistung erheblich verbessern können, wie z.B. Gewichtseinsparungen und Verbesserungen des strukturellen Sicherheitsfaktors. Die zweite Fallstudie zeigt, dass MCD mit einem vortrainierten Sprachmodell zusammenarbeiten kann, um Designänderungen basierend auf einem subjektiven Textprompt effektiv vorzuschlagen. Schließlich beauftragen die Autoren MCD damit, die Ähnlichkeit eines Abfragedesigns zu einem Zielbild und Textprompt zu erhöhen, während gleichzeitig das Gewicht reduziert und die strukturelle Leistung verbessert wird, was die Leistungsfähigkeit von MCD bei einer komplexen multimodalen Abfrage demonstriert. Insgesamt hat MCD das Potenzial, wertvolle Empfehlungen für Praktiker und Forscher im Bereich der Designautomatisierung zu liefern, die Antworten auf ihre „Was-wäre-wenn“-Fragen suchen, indem sie hypothetische Designmodifikationen und deren Auswirkungen auf mehrere Designziele untersuchen. Der Code, die Testprobleme und die im Papier verwendeten Datensätze sind öffentlich unter decode.mit.edu/projects/counterfactuals/ verfügbar.

English

We introduce Multi-Objective Counterfactuals for Design (MCD), a novel method for counterfactual optimization in design problems. Counterfactuals are hypothetical situations that can lead to a different decision or choice. In this paper, the authors frame the counterfactual search problem as a design recommendation tool that can help identify modifications to a design, leading to better functional performance. MCD improves upon existing counterfactual search methods by supporting multi-objective queries, which are crucial in design problems, and by decoupling the counterfactual search and sampling processes, thus enhancing efficiency and facilitating objective tradeoff visualization. The paper demonstrates MCD's core functionality using a two-dimensional test case, followed by three case studies of bicycle design that showcase MCD's effectiveness in real-world design problems. In the first case study, MCD excels at recommending modifications to query designs that can significantly enhance functional performance, such as weight savings and improvements to the structural safety factor. The second case study demonstrates that MCD can work with a pre-trained language model to suggest design changes based on a subjective text prompt effectively. Lastly, the authors task MCD with increasing a query design's similarity to a target image and text prompt while simultaneously reducing weight and improving structural performance, demonstrating MCD's performance on a complex multimodal query. Overall, MCD has the potential to provide valuable recommendations for practitioners and design automation researchers looking for answers to their ``What if'' questions by exploring hypothetical design modifications and their impact on multiple design objectives. The code, test problems, and datasets used in the paper are available to the public at decode.mit.edu/projects/counterfactuals/.