Contrafactuales para el Diseño: Un Método Agnóstico al Modelo para Recomendaciones de Diseño

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

May 18, 2023

Autores: Lyle Regenwetter, Yazan Abu Obaideh, Faez Ahmed

cs.AI

Resumen

Presentamos Contrafactuales Multi-Objetivo para Diseño (MCD), un método novedoso para la optimización contrafactual en problemas de diseño. Los contrafactuales son situaciones hipotéticas que pueden llevar a una decisión o elección diferente. En este artículo, los autores plantean el problema de búsqueda contrafactual como una herramienta de recomendación de diseño que puede ayudar a identificar modificaciones en un diseño, conduciendo a un mejor desempeño funcional. MCD mejora los métodos existentes de búsqueda contrafactual al soportar consultas multi-objetivo, las cuales son cruciales en problemas de diseño, y al desacoplar los procesos de búsqueda y muestreo contrafactual, mejorando así la eficiencia y facilitando la visualización de compensaciones entre objetivos. El artículo demuestra la funcionalidad central de MCD utilizando un caso de prueba bidimensional, seguido de tres estudios de caso sobre diseño de bicicletas que muestran la efectividad de MCD en problemas de diseño del mundo real. En el primer estudio de caso, MCD destaca al recomendar modificaciones a diseños de consulta que pueden mejorar significativamente el desempeño funcional, como la reducción de peso y mejoras en el factor de seguridad estructural. El segundo estudio de caso demuestra que MCD puede trabajar con un modelo de lenguaje preentrenado para sugerir cambios de diseño basados en un prompt de texto subjetivo de manera efectiva. Por último, los autores encargan a MCD aumentar la similitud de un diseño de consulta con una imagen objetivo y un prompt de texto, mientras simultáneamente reduce el peso y mejora el desempeño estructural, demostrando el rendimiento de MCD en una consulta multimodal compleja. En general, MCD tiene el potencial de proporcionar recomendaciones valiosas para profesionales e investigadores en automatización de diseño que buscan respuestas a sus preguntas de "¿Qué pasaría si?" al explorar modificaciones hipotéticas de diseño y su impacto en múltiples objetivos de diseño. El código, problemas de prueba y conjuntos de datos utilizados en el artículo están disponibles públicamente en decode.mit.edu/projects/counterfactuals/.

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/.