COrigami: AI-конвейер для совместного проектирования плоскоскладывающихся визуально узнаваемых оригами

Аннотация

Хотя генеративный ИИ добился впечатляющих успехов в решении задач с верифицируемыми решениями, создание физического искусства, удовлетворяющего как строгим геометрическим ограничениям, так и субъективным визуальным эстетическим требованиям, остается сложной задачей. В данной статье представлен подход к преодолению этих трудностей в области вычислительного оригами — математически строгой среды, которая обосновывает художественное проектирование в рамках уравнений плоской складываемости. Мы представляем COrigami — сквозной конвейер на основе ИИ, который помогает процессу проектирования, генерируя схемы сгибов по текстовому описанию на естественном языке. Наш конвейер включает генерацию семантической схематической фигуры, вычисление базовой упаковки, нахождение плоскоскладываемой схемы сгибов, придание формы плоскосложенной схеме и уточнение сгенерированной модели с помощью обучения с подкреплением, управляемого автономным циклом эстетической оценки. Наша система выступает в качестве высокоэффективного ассистента в совместной работе, создавая структурные отправные точки, которые художники-люди могут в дальнейшем развивать и изменять. Интегрируя алгоритмическую оптимизацию с автономной эстетической критикой, данная работа демонстрирует, как системы ИИ могут удовлетворять многокритериальным физическим ограничениям для обеспечения надежного, математически обоснованного совместного творчества.

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.