Il team di Autodesk Research, che comprende progettisti e gli ingegneri di San Francisco, Shanghai e Toronto, ha creato Dreamcatcher system una piattaforma di progettazione sperimentale, volta ad aiutare gli utenti a generare o migliorare i loro progetti 3D.
Il procedimento è facile: il designer inserisce in piattaforma l’obiettivo del proprio progetto e diverse informazioni quali il tipo di materiale, i requisiti funzionali, le restrizioni delle prestazioni, le restrizioni dei costi, etc.
Una volta che il progettista ha immesso tali dati, il progetto viene elaborato all’interno della piattaforma stessa che auto-genera uno spazio di progettazione sintetizzato, in grado di rispettare i requisiti inseriti dal designer. A questo punto, Dreamcatcher valuta le soluzioni auto-generate, dopodiché il progettista è in grado di andare avanti nel lavoro o riconfigurare la soluzione progettuale, qualora il risultato non rispondesse esattamente al suo obiettivo.
La vastità notevole delle funzionalità di Dreamcatcher è dovuta all’implementazione in piattaforma di machine-learning. Grazie a questa tecnica di programmazione, Dreamcatcher cerca attraverso un indice classificato di funzioni e vincoli di progettazione 3D e trova tra le varie soluzioni pre-esistenti, quella in grado di rispondere al meglio – perché più simile – al problema di progettazione di quel determinato utente. In tal modo, Dreamcatcher crea uno spazio di design personalizzato e conforme a ciò che ogni singolo progetto richiede per funzionalità e produzione.
Il team di Autodesk Research sta anche sviluppando e testando la sintesi di forma, che permetterà alla piattaforma di realizzare rappresentazioni geometriche volte ad ottimizzare la complessità delle forme, la velocità di analisi e la precisione della simulazione generata.
Dreamcatcher sembra, insomma, già attestarsi come uno strumento prezioso, perché indipendentemente dalla complessità o dalla dimensione del progetto, sarà in grado di presentare una quantità notevole di soluzioni e strategie utili ai progettisti, i quali, a loro volta, potranno implementarle o migliorarle secondo il proprio fine progettuale.
Il forte grado d’innovazione del progetto sta, senza dubbio, nella tecnica del machine-learning, attraverso la quale Dreamcatcher insegnerà ai progettisti come ottimizzare i propri modelli 3D e, contemporaneamente, insegnerà a sé stesso come perfezionarsi apprendendo nuove e migliori soluzioni.
—
Leggi anche:
Autodesk rende open source elettronica e firmware di Ember 3D
FarmBot: la prima macchina open source per un’agricoltura di precisione
Vi raccontiamo l’Open Space Technology Napoli, vissuto dai nostri studenti del Fraccacreta
Condividi:
Ricerche simili