자연어 설계 의도를 반복적 위상 최적화와 연결하는 멀티 에이전트 AI 프레임워크 TO-Agents를 제안했다. 시스템은 문제 설명을 검증된 솔버 입력으로 변환하고, 멀티뷰 비전-언어 추론으로 결과를 비평·개선하며, 수형 분기 구조 선호도 기반 설계를 60% 실험에서 성공적으로 생성했다. 시각·이력 피드백 없는 절제 파이프라인 대비 최대 6배 높은 성공률을 달성했으며, 제조 에이전트와의 결합으로 의도-시제품 엔드투엔드 워크플로우를 지원한다.
- •자연어 설계 의도를 위상 최적화 솔버 파라미터로 변환하는 멀티 에이전트 프레임워크 TO-Agents 제안
- •멀티뷰 비전-언어 추론과 독립 판정 에이전트가 최적화 결과를 비평하고 파라미터를 반복 개선
- •수형 분기 구조 선호도 설계를 60% 실험에서 달성, 피드백 없는 절제 파이프라인 대비 최대 6배 성공률
- •제조 에이전트와 결합해 적층 제조용 후처리까지 포함한 의도-시제품 엔드투엔드 워크플로우 구현
TO-Agents: A Multi-Agent AI Pipeline for Preference-Guided Topology Optimization
- 1.TO-Agents는 자연어 설계 의도를 위상 최적화 솔버와 연결하는 멀티에이전트 AI 프레임워크
- 2.시각-언어 추론으로 결과를 평가하고 솔버 파라미터를 4회 반복 수정하는 자율 설계 파이프라인
- 3.60% 시도에서 디자이너 선호 구조 설계 성공, 피드백 없는 시스템 대비 최대 6배 향상
- 4.적층 제조(3D 프린팅) 후처리까지 포함한 엔드투엔드 의도-프로토타입 설계 구현
왜 중요한가?
AI 에이전트가 엔지니어링 설계 파라미터 조정을 자동화하여, 설계자가 고수준 의도 명세에 집중할 수 있도록 하는 실용적 접근법을 제시한다.
🏷️ 언급 프로젝트
본문 미리보기
arXiv:2605.21622v1 Announce Type: new Abstract: Topology optimization can generate efficient structures, but designers often must manually translate qualitative intent, such as desired visual style, product experience, or manufacturability into solver settings that are not directly tied to those preferences. We present TO-Agents, a multi-agent AI framework that connects natural-language design intent with iterative topology optimization. The framework converts a human-provided problem descripti
전체 내용이 궁금하다면?
원문을 직접 읽어보세요