Contrafactuais para Design: Um Método Agnóstico a Modelos para Recomendações de Design

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

May 18, 2023

Autores: Lyle Regenwetter, Yazan Abu Obaideh, Faez Ahmed

cs.AI

Resumo

Apresentamos os Contra-factuais Multiobjetivo para Design (MCD), um método inovador para otimização contra-factual em problemas de design. Contra-factuais são situações hipotéticas que podem levar a uma decisão ou escolha diferente. Neste artigo, os autores enquadram o problema de busca contra-factual como uma ferramenta de recomendação de design que pode ajudar a identificar modificações em um projeto, levando a um melhor desempenho funcional. O MCD aprimora os métodos existentes de busca contra-factual ao suportar consultas multiobjetivo, que são cruciais em problemas de design, e ao desacoplar os processos de busca e amostragem contra-factuais, aumentando assim a eficiência e facilitando a visualização de trade-offs entre objetivos. O artigo demonstra a funcionalidade central do MCD usando um caso de teste bidimensional, seguido por três estudos de caso de design de bicicletas que mostram a eficácia do MCD em problemas de design do mundo real. No primeiro estudo de caso, o MCD se destaca ao recomendar modificações em projetos de consulta que podem melhorar significativamente o desempenho funcional, como redução de peso e melhorias no fator de segurança estrutural. O segundo estudo de caso demonstra que o MCD pode trabalhar com um modelo de linguagem pré-treinado para sugerir alterações de design com base em um prompt de texto subjetivo de forma eficaz. Por fim, os autores atribuem ao MCD a tarefa de aumentar a similaridade de um projeto de consulta com uma imagem e um prompt de texto alvo, ao mesmo tempo em que reduz o peso e melhora o desempenho estrutural, demonstrando o desempenho do MCD em uma consulta multimodal complexa. No geral, o MCD tem o potencial de fornecer recomendações valiosas para profissionais e pesquisadores de automação de design que buscam respostas para suas perguntas do tipo "E se", explorando modificações hipotéticas de design e seu impacto em múltiplos objetivos de projeto. O código, problemas de teste e conjuntos de dados utilizados no artigo estão disponíveis publicamente em 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/.