COrigami: Un pipeline de IA para codiseñar origamis plegables planos visualmente reconocibles

Resumen

Aunque la IA generativa ha logrado un éxito notable en la resolución de problemas con soluciones verificables, la generación de arte físico que satisfaga tanto restricciones geométricas estrictas como la estética visual subjetiva sigue siendo un desafío. Este artículo presenta un enfoque para abordar estas dificultades en el dominio del origami computacional, un entorno matemáticamente riguroso que fundamenta el diseño artístico dentro de las ecuaciones de plegabilidad plana. Presentamos COrigami, un pipeline impulsado por IA de extremo a extremo que asiste el ciclo de diseño generando patrones de pliegue a partir de lenguaje natural. Nuestro pipeline implica generar una figura de palitos semántica, calcular un empaquetado de base, resolver un patrón de pliegue plegable plano, modelar el patrón de pliegue plegado plano y refinar el modelo generado mediante aprendizaje por refuerzo impulsado por un bucle de evaluación estética autónoma. Nuestro sistema actúa como un asistente colaborativo altamente efectivo, generando puntos de partida estructurales que los artistas humanos pueden expandir y modelar posteriormente. Al integrar la optimización algorítmica con la crítica estética autónoma, este trabajo demuestra cómo los sistemas de IA pueden satisfacer restricciones físicas multiobjetivo para permitir una co-creatividad confiable y matemáticamente fundamentada.

English

While generative AI has achieved remarkable success in solving problems with verifiable solutions, generating physical art that satisfies both strict geometric constraints and subjective visual aesthetics remains a challenge. This paper presents an approach to tackle these difficulties in the domain of computational origami, a mathematically rigid environment that grounds artistic design within the equations of flat foldability. We present COrigami, an end-to-end AI-driven pipeline that assists the design cycle by generating crease patterns from natural language. Our pipeline involves generating a semantic stick figure, computing a base packing, solving for a flat-foldable crease pattern, shaping the flat-folded crease pattern, and refining the generated model using reinforcement learning driven by an autonomous aesthetic evaluation loop. Our system acts as a highly effective collaborative assistant, generating structural starting points that human artists can further expand and shape. By integrating algorithmic optimisation with autonomous aesthetic critique, this work demonstrates how AI systems can satisfy multi-objective physical constraints to enable reliable, mathematically grounded co-creativity.