Controfattuali per il Design: Un Metodo Agnosticamente Modellistico per Raccomandazioni di Progettazione

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

May 18, 2023

Autori: Lyle Regenwetter, Yazan Abu Obaideh, Faez Ahmed

cs.AI

Abstract

Introduciamo Multi-Objective Counterfactuals for Design (MCD), un nuovo metodo per l'ottimizzazione controfattuale nei problemi di progettazione. I controfattuali sono situazioni ipotetiche che possono portare a una decisione o scelta diversa. In questo articolo, gli autori inquadrano il problema della ricerca controfattuale come uno strumento di raccomandazione per la progettazione che può aiutare a identificare modifiche a un design, portando a una migliore performance funzionale. MCD migliora i metodi esistenti di ricerca controfattuale supportando query multi-obiettivo, cruciali nei problemi di progettazione, e separando i processi di ricerca e campionamento controfattuale, migliorando così l'efficienza e facilitando la visualizzazione dei compromessi tra obiettivi. L'articolo dimostra la funzionalità principale di MCD utilizzando un caso di test bidimensionale, seguito da tre studi di caso sulla progettazione di biciclette che mostrano l'efficacia di MCD nei problemi di progettazione del mondo reale. Nel primo studio di caso, MCD eccelle nel raccomandare modifiche ai design di query che possono migliorare significativamente la performance funzionale, come il risparmio di peso e i miglioramenti al fattore di sicurezza strutturale. Il secondo studio di caso dimostra che MCD può lavorare con un modello linguistico pre-addestrato per suggerire cambiamenti al design basati su un prompt testuale soggettivo in modo efficace. Infine, gli autori affidano a MCD il compito di aumentare la somiglianza di un design di query a un'immagine target e a un prompt testuale, riducendo contemporaneamente il peso e migliorando la performance strutturale, dimostrando le prestazioni di MCD su una query multimodale complessa. Nel complesso, MCD ha il potenziale di fornire raccomandazioni preziose per i professionisti e i ricercatori dell'automazione della progettazione che cercano risposte alle loro domande "E se" esplorando modifiche ipotetiche al design e il loro impatto su molteplici obiettivi di progettazione. Il codice, i problemi di test e i dataset utilizzati nell'articolo sono disponibili al pubblico su 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/.