Fosters사 ARD팀의 평면분석 AI 연구

왼쪽 3열은 오피스의 구획평면, 오른쪽 3열은 개방형 평면이다. 맨 위 행은 파라마타 모델을 이용한 생성 평면, 두 번째 행은 공간 연결성 분석 결과, 세 번째 행은 시각적 연결성 분석 결과를 보여준다.

평면의 성능을 평가하는 방법 중 하나는 연결성을 분석하는 것이다. 일반적으로 공간의 연결성과 시각적 연결성 분석을 한다. 이들 연결성 분석의 경우 큰 규모의 평면의 경우 적지 않은 시간의 계산을 필요로 한다. 

   적지 않은 시간의 소요는 설계 과정에서 즉시적 피드백이 어렵다는 의미이다. 즉, 설계과정에서 사용이 쉽지 않다는 것이다. ARD는 설계가 완성된 이후에 분석하는 것이 아닌, 과정 중에서 사용할 수 있는 방법에 관한 연구를 진행하였다.

  

기존의 분석 알고리즘 이용방식 대신, 기계학습을 사용하는 접근방식을 취하였다. 문제의 대상으로 사무실을 선택하였다. 첫째, 학습을 위한 데이터 셋을 만들었다. 이를 위하여 사무실 평면과 공간 구획, 그리고 가구 배치를 생성하는 패러매트릭 모델을 만들었다. 이 모델을 이용하여 수 천개의 합성 평면 데이터 세트를 만들었다. 그리고, 이들 평면에 대한 공간 및 시각 분석을 시행한 다른 데이터 세트를 만들었다.

   이들 데이터 세트를 사용하여 기계학습을 진행하였다. 초기 평면에 대한 분석이 매우 부정확한 상태로부터, 지속적 학습을 통한 실수를 수정하고, 점차 정답에 가까운 기계학습 시스템을 만들어 나아갔다. 즉, 입력 평면에 대한 연결성 분석에 관한 출력 데이터를 수 천개 예제를 통하여 학습과정을 거쳐 완성 단계로 만들어 갔다. 이를 기반으로 새로운 평면에 대하여도 즉시적으로 연결성 분석을 할 수 있는 시스템을 완성하여 나아갔다.