2020年9月26日(土) 01:10 JST

3号機 ようやく お披露目

  • 印刷用ページ
  • 2020年9月 1日(火) 12:00 JST
  • 投稿者:

昨年度末にロボットそのものは設置済みでしたが、きちんとお披露目できるまでに半年もかかりました。理由は例のコロナのせいで、学生と一緒に密な環境下で作業することができず、私一人でのんびりやっていたからです。ロボット加工機の開発でこの先論文が出にくい(技術的には整った)段階に至り、専従の学生を配置しなかったこともありますが。

そういうわけで、春から一人でセットアップをしていましたが、昨年までのように数人同時に分担してロボットを操作していたときには気づかなかった問題に直面しました。いざ一人になると全てを手許に置かないと安全に作業できないのです。


切削した相欠きの寸法を確認(写っている作業員は学生ではありません、為念)

新しい講義「建築形体論理」

  • 印刷用ページ
  • 2020年9月15日(火) 11:44 JST
  • 投稿者:

仰々しい名前がついていますが…プログラミングによる三次元モデリングにおいて制作可能なモデルを作ることにフォーカスした講義です。「制作可能な」をもう少し具体的に言えば、多軸加工機等でのファブリケーションの入力として利用できるように、納まりが表現されていて(≒構法)、制作できそうな(≒工法)水準の三次元モデリングを考えよう、ということになるでしょうか。今年度からの開講となりました。建築分野における三次元モデル、特にBIMな三次元モデルは属性オリエンテッドで、属性をうまくつかってシミュレーションや情報伝達がなされていますが、三次元モデルの目的の一つである「建てる」を考えれば、やっぱり形状も大切です。加工機でのファブリケーションを想定すれば、加工の可否判断や制御の導出に必要ですので、なおのこと重要であることがわかります。

プログラミングによる三次元モデリングに関しては、2017年からArchiCAD付属のモデリング言語GDLを建築生産設計という講義でも扱っています(研究室としては2005年からゼミのコンテンツとしていました)。研究室で毎年行っている木工実習では、この建築生産設計で学んだことを活かし、三次元モデルでの設計が行われますが、実習向けの簡単な対象であってもちゃんと納まり等を加えようとするとちょっと難しいようです。レシプロカル・タワーのように斜めかつ部品種数が多いアルゴリズミックな対象ではさらにハードルがあがり、スケジュールの兼ね合いもあってモデリングを完走できる学生がぐっと減ってしまいます。このあたりの問題意識をモチベーションに、建築生産設計(学部四年生向け)を基礎編、建築形体論理(修士向け)を応用編のように位置づけ、制作に耐える三次元モデリングを目標に据えました。

初回となる今年度は:

  1. 三次元曲面を含むような複雑形状のモデリング
  2. 継手仕口のような納まりの生成の仕方
  3. 進化的アルゴリズムによる最適化の導入
の三つの構成を試行しました。この記事では内容や成果について簡単に紹介したいと思います。


5軸加工機の改良

  • 印刷用ページ
  • 2020年8月10日(月) 16:45 JST
  • 投稿者:

当研究室では、施設管理者の好意により、数年前から自由に使える屋外展示スペースをキャンパス内で借用しています。このスペースには大きめの木造作品を年2回制作して展示することにしており、現在はレシプロカル構造のタワーと多面体を展示中です。コロナ禍でゼミ運営にも不自由する昨今ですが、そういう状況でも新しい作品の計画をしぶとく進めており、恒例の秋のオープンラボでのお披露目を目標に、細々とですが活動しています。


5軸加工機による加工 作品 小皿<梅>
(関連リンク)
レシプロカル多面体、展示中です
レシプロカル構造、どう造ったか?
レシプロカルタワーを制作しました

これらの木造作品の制作においては、当研究室で独自開発中の5軸加工機を主に使用していますが、タイトな制作スケジュールのなかで、加工機システムとしてはアドホックな部分を少し残してしまっていました。期限までに作品を完成させることが第一優先ですので、スマートとは言いがたいワークフローでもだましだまし運用せざるを得ませんでした。

しかしながら研究室の学生は毎年のように入れ替わりますので、アドホックな部分を放置しておくと「これはどうするの?」とか「あれはどうするんだっけ?」のような事象がたびたび発生します。知識を属人的な状態で放置しておくと、たった数年であってもノウハウの継承が難しくなっていきます。

これまでは5軸加工機の精度や機能の向上を優先してきましたが、開発そのものが一段落ついたのもあり、次のステップに進む前にシステムの整理を行うことにしました。コロナ禍でアクティビティが落ちたことも見直し作業に踏み切る切欠になったと思います。

今回見直したのは大きく分類して以下の4項目です。

ロボットが余るなんて・・・

  • 印刷用ページ
  • 2020年7月 9日(木) 09:37 JST
  • 投稿者:

数年前に、エイヤッとそれこそ清水の舞台から飛び降りる決意でロボットを導入してから、あれよあれよとロボットが増え、すでに他所に移籍したものも含めると計8機のロボットが研究室にやって来ました。8機目の方はしばらく先になりますが、今回はその初代ロボットを活用した研究の紹介です。


3Dプリントロボット

メーカー名は伏せますが、このロボット、不具合が多くて本当に困りました。木材の切削など、振動が出る仕事をさせるとエンコーダが狂うのです。何度も修理を依頼しましたが、部品が日本国内にないことがあったり、本当にちゃんと働いている期間が短い、そんなロボットでした。大学の研究室の場合、顧客の依頼を納期までに仕上げる、そんなクリティカルなデッドラインはないのでなんとか使ってこられましたが、翌年以降、普通に動くロボットが研究室に入ってくると、木材切削からは退役しその後はタイル並べを細々と続けていましたが、いつしか電源も結線されることなく床にぽつんと放置されてしまいました。

論文の締め切りはあります。為念。

そんな様子を見て不憫に思ったのか、M2の学生が「オレンジ君を使って何かしたい。人間用の3Dペンをロボットに持たせてみたらどうなるか、確かめたい。(注:脚色しています)」と申し出ました。人間用の3Dペンはおもちゃカテゴリーの製品ですので高価ではありません。ロボットへの装着は3Dプリンタでパーツを自作すればよく、低予算で試行できるのでやってもらうことにしました。

オートエンコーダを用いた設計案の管理 -AI(機械学習)メモ vol.3

  • 印刷用ページ
  • 2020年6月15日(月) 13:52 JST
  • 投稿者:

AI(機械学習)メモ vol.3は、オートエンコーダを用いた設計情報の管理(オートエンコーダを用いた外構設計情報の管理とクラスタリングに関する研究、日本建築学会大会(東北)、学術講演梗概集、(社)日本建築学会、2018.9)についてです。あまり聞き慣れないエンコーダという言葉ですが、元の情報を某かの目的に応じ符号に変換をする仕組みを意味します。変換することをエンコード(符号化)と呼び、逆に変換したものを元の情報に戻すことをデコード(復号化)、この仕組みをぞれぞれエンコーダ・デコーダと呼びます。JPEGやZIPでの圧縮も高効率符号化と呼ばれる符号化の一種ですので、JPEGエンコーダの場合は、あるビットマップ画像(元の情報:RGBの塊)をJPEG形式のエンコーダでエンコードして保存する、デコーダでデコードし画像を閲覧する、というかたちで用いられています。自分はエンコード・デコードなんて普段していないぞ、と思うかもしれませんが、これはスマートフォンやPCで自動的に行われているものです。スマートフォンで写真を撮影すると、大体高さ4,000✕幅3,000程度、計12,000,000ピクセルの画像になり、各ピクセルにRGB で3チャンネルぞれぞれ1Byte(8bit: 0~255)ずつ情報がありますので、本来であれば36,000,000Byte = 36MByteの領域を保存に要するわけですが、JPEGで高効率に符号化(エンコード)されることで2MByte程度の容量になって保存されます。もちろんこれを閲覧する際にはビューワでデコードが行われています。高効率符号化はファイル容量を小さくしますので、圧縮とも呼ばれることがありますね。

さて、オートエンコーダは、ニューラルネットワークを用いてエンコーダとデコーダを学習させるものです。オートエンコーダのうち、層が多いものは特にディープオートエンコーダとも呼ばれる、など実装の仕方によって呼び方に区別があるようですが、ここではざっくり区別せずにオートエンコーダと呼ぶことにします。オートエンコーダのネットワークは次図のようになっていて、入力した画像を前半のネットワークでエンコードして特徴量化し、後半のネットワークでデコードして元の画像に近づける、というふうに学習を行います。図では特徴量の要素数をkとしていますが、入力するイメージの要素数より小さい要素数となるよう設定します。このようにすることでイメージを表現する抽象的かつ説明的な特徴量を得ることができます。今回紹介する設計情報の管理研究では、戸建て外構のレイアウト図を対象にオートエンコーダの学習を行い、これで得た特徴量で、類似する設計案を検索することやクラスタリングを行うということを試行しています。


最初 | 前へ | 1 234567| 次へ | 最後

Twitter ・ Facebook

Twitter 平沢研究室アカウント FaceBook 平沢研究室ページ

アクセスカウンタ

8,000,700