본 연구는 기존 건축에 대한 강화학습 연구에서 한발짝 더 나아가 강화학습에 의한 공간배치가 실제 설계에 이용될 가능성을 탐구해 보는 것에 목적이 있다. 가상의 건축주와의 인터뷰를 통하여, 공간배치 프로그램의 요구사항을 받아, 강화학습의 상 벌점체계에 적용하여 강화학습을 이용하여 공간배치를 하고, 같은 공간배치의 요구사항을 토대로 인간 건축가에 의한 공간배치를 얻어내어 생성해낸 공간배치를 강화학습 연구에서 한발짝 더 나아가 강화학습에 의한 공간배치가 실제 설계에 이용될 가능성을 탐구해 보는 것에 목적이 있다. 가상의 건축주와의 인터뷰를 통하여, 공간배치 프로그램의 요구사항을 받아, 강화학습의 상 벌점체계에 적용하여 강화학습을 이용하여 공간배치를 하고, 같은 공간배치의 요구사항을 토대로 인간 건축가에 의한 공간배치를 얻어내어 생성해낸 공간배치를 공간구문론 (Space Syntax)를 이용하여 비교, 분석하여 공간배치에 대하여 강화학습의 가능성을 입증하고 주택설계 분야에서 공간배치에 대한 창의적인 해결책을 얻기 위한 방법론을 제시하는 것에 목적이 있다. 정해진 평면과 계획에 맞추어 동이나 호수를 선택하는 아파트와는 달리, 단독주택은 건축주의 의도에 맞춰서 공간을 배치할 수 있다. 보통의 계획설계 과정에서의 공간배치는 건축물의 목적에 따른 기능수행이 용이한 공간배치가 가장 중요하지만, 주택설계에서의 공간배치는 건축주가 선호하는 공간배치를 하는 것이 가장 중요하다고 할 수 있다. 건축주마다 선호하는 공간의 배치가 다르고 가장 주관적이고 형식에 얽매이지 않은 공간배치를 할 수 있는 주택설계에서 가장 좋은 공간배치 방법은 건축주의 요구에 맞는 모든 경우의 수를 검토하고 최적의 경우를 제안하고 설계에 반영하는 것이다. 건축설계란 주어진 공간을 어떻게 나열하고 배치하는가의 문제라고 볼 수 있다. 그리고 최종 ‘선택’되어진 공간배치가 건축주, 또는 공간의 사용자가 원하는 최적의 대안이라고 말하기에도 어렵다. 모든 경우의 대안을 검토하기에는 불가능하고 기존 주택과의 차별성을 가지는 공간배치를 하기도 힘들기 때문이다. 32평 아파트, 32평 주택을 떠올려보면 머릿속에 집 구조가 대략적으로 자동으로 그려진다. 종합예술로도 일컬어지는 건축이라는 분야에서, 특히 가장 다양하고 자유로운 공간배치가 가능한 주택설계 분야에서, 조금 더 다양한 공간배치안을 생성 해낼 대안이 필요하다고 볼 수 있다. 따라서 본 연구에서는 건축설계에 대한 배경 지식, 또는 어떠한 편견도 없는 인공지능(강화학습)이 주택의 공간배치에 대하여 새로운 창의적인 방안을 제시하는지, 건축주의 요구사항에 따른 공간배치가 가능한지를 확인해보고자 한다. 이를 확인하기 위해 본 연구에서는 임의 건축주에게 주택에 대한 공간배치 요구사항을 받아서, 공간의 인접 관계 정도에 따른 보상 값을 정량화하여 강화학습의 보상체계에 적용하여 공간배치안을 생성하고, 같은 정량화 되어진 인접 관계 요구사항을 인간건축가에게 전달하여 공간배치를 하게 하였다. 생성된 공간배치안을 공간구문론(space syntax)을 이용하여 비교분석하고, 인접 관계에 대한 요구사항에 대한 반영 정도를 비교하였다.
본 연구는 기존 건축에 대한 강화학습 연구에서 한발짝 더 나아가 강화학습에 의한 공간배치가 실제 설계에 이용될 가능성을 탐구해 보는 것에 목적이 있다. 가상의 건축주와의 인터뷰를 통하여, 공간배치 프로그램의 요구사항을 받아, 강화학습의 상 벌점체계에 적용하여 강화학습을 이용하여 공간배치를 하고, 같은 공간배치의 요구사항을 토대로 인간 건축가에 의한 공간배치를 얻어내어 생성해낸 공간배치를 공간구문론 (Space Syntax)를 이용하여 비교, 분석하여 공간배치에 대하여 강화학습의 가능성을 입증하고 주택설계 분야에서 공간배치에 대한 창의적인 해결책을 얻기 위한 방법론을 제시하는 것에 목적이 있다. 정해진 평면과 계획에 맞추어 동이나 호수를 선택하는 아파트와는 달리, 단독주택은 건축주의 의도에 맞춰서 공간을 배치할 수 있다. 보통의 계획설계 과정에서의 공간배치는 건축물의 목적에 따른 기능수행이 용이한 공간배치가 가장 중요하지만, 주택설계에서의 공간배치는 건축주가 선호하는 공간배치를 하는 것이 가장 중요하다고 할 수 있다. 건축주마다 선호하는 공간의 배치가 다르고 가장 주관적이고 형식에 얽매이지 않은 공간배치를 할 수 있는 주택설계에서 가장 좋은 공간배치 방법은 건축주의 요구에 맞는 모든 경우의 수를 검토하고 최적의 경우를 제안하고 설계에 반영하는 것이다. 건축설계란 주어진 공간을 어떻게 나열하고 배치하는가의 문제라고 볼 수 있다. 그리고 최종 ‘선택’되어진 공간배치가 건축주, 또는 공간의 사용자가 원하는 최적의 대안이라고 말하기에도 어렵다. 모든 경우의 대안을 검토하기에는 불가능하고 기존 주택과의 차별성을 가지는 공간배치를 하기도 힘들기 때문이다. 32평 아파트, 32평 주택을 떠올려보면 머릿속에 집 구조가 대략적으로 자동으로 그려진다. 종합예술로도 일컬어지는 건축이라는 분야에서, 특히 가장 다양하고 자유로운 공간배치가 가능한 주택설계 분야에서, 조금 더 다양한 공간배치안을 생성 해낼 대안이 필요하다고 볼 수 있다. 따라서 본 연구에서는 건축설계에 대한 배경 지식, 또는 어떠한 편견도 없는 인공지능(강화학습)이 주택의 공간배치에 대하여 새로운 창의적인 방안을 제시하는지, 건축주의 요구사항에 따른 공간배치가 가능한지를 확인해보고자 한다. 이를 확인하기 위해 본 연구에서는 임의 건축주에게 주택에 대한 공간배치 요구사항을 받아서, 공간의 인접 관계 정도에 따른 보상 값을 정량화하여 강화학습의 보상체계에 적용하여 공간배치안을 생성하고, 같은 정량화 되어진 인접 관계 요구사항을 인간건축가에게 전달하여 공간배치를 하게 하였다. 생성된 공간배치안을 공간구문론(space syntax)을 이용하여 비교분석하고, 인접 관계에 대한 요구사항에 대한 반영 정도를 비교하였다.
The purpose of this study is to go one step further from the existing reinforcement learning study on architecture and to explore the possibility that spatial arrangement by reinforcement learning can be used in actual design.Through interviews with virtual architects, space layout program requireme...
The purpose of this study is to go one step further from the existing reinforcement learning study on architecture and to explore the possibility that spatial arrangement by reinforcement learning can be used in actual design.Through interviews with virtual architects, space layout program requirements are applied to the reward system of reinforcement learning, and space layout created by human architects based on the same space layout requirements is compared and analyzed using space syntax to prove the possibility of reinforcement learning. Unlike apartments that choose a building or lake according to a set plan and plan, detached houses can arrange spaces according to the intention of the builder. In the general planning design process, spatial arrangement that is easy to perform functions according to the purpose of the building is the most important, but in housing design, spatial arrangement preferred by the owner is the most important. Each owner has a different preferred layout of space, and the best way to arrange it is to review the number of cases that meet the owner's needs, propose optimal cases, and reflect them in the design. Architectural design can be seen as a matter of how to list and arrange a given space. And it is difficult to say that the final 'selected' spatial arrangement is the optimal alternative desired by the owner or the user of the space. This is because it is impossible to review alternatives in all cases, and it is difficult to arrange a space that is differentiated from existing houses. When you think of a 32-pyeong apartment and a 32-pyeong house, you can automatically picture the structure of the house in your head. In the field of architecture, which is also referred to as comprehensive art, especially in the field of housing design where the most diverse and free space arrangement is possible, a more diverse space arrangement plan is created.It can be seen that an alternative is needed to do it. Therefore, in this study, we will check whether the background knowledge of architectural design or artificial intelligence (reinforcement learning) without any prejudice presents a new creative plan for housing space layout, and whether it is possible to arrange space according to the owner's requirements. To confirm this, this study received the spatial arrangement requirement for housing from a random owner, quantified the compensation value according to the degree of spatial adjacency, applied it to the compensation system of reinforcement learning, and delivered the same quantified adjacency requirement to the human architect to arrange the space arrangement. The generated spatial arrangement was compared and analyzed using space syntax, and the degree of reflection on the requirements for adjacent relationships was compared.
The purpose of this study is to go one step further from the existing reinforcement learning study on architecture and to explore the possibility that spatial arrangement by reinforcement learning can be used in actual design.Through interviews with virtual architects, space layout program requirements are applied to the reward system of reinforcement learning, and space layout created by human architects based on the same space layout requirements is compared and analyzed using space syntax to prove the possibility of reinforcement learning. Unlike apartments that choose a building or lake according to a set plan and plan, detached houses can arrange spaces according to the intention of the builder. In the general planning design process, spatial arrangement that is easy to perform functions according to the purpose of the building is the most important, but in housing design, spatial arrangement preferred by the owner is the most important. Each owner has a different preferred layout of space, and the best way to arrange it is to review the number of cases that meet the owner's needs, propose optimal cases, and reflect them in the design. Architectural design can be seen as a matter of how to list and arrange a given space. And it is difficult to say that the final 'selected' spatial arrangement is the optimal alternative desired by the owner or the user of the space. This is because it is impossible to review alternatives in all cases, and it is difficult to arrange a space that is differentiated from existing houses. When you think of a 32-pyeong apartment and a 32-pyeong house, you can automatically picture the structure of the house in your head. In the field of architecture, which is also referred to as comprehensive art, especially in the field of housing design where the most diverse and free space arrangement is possible, a more diverse space arrangement plan is created.It can be seen that an alternative is needed to do it. Therefore, in this study, we will check whether the background knowledge of architectural design or artificial intelligence (reinforcement learning) without any prejudice presents a new creative plan for housing space layout, and whether it is possible to arrange space according to the owner's requirements. To confirm this, this study received the spatial arrangement requirement for housing from a random owner, quantified the compensation value according to the degree of spatial adjacency, applied it to the compensation system of reinforcement learning, and delivered the same quantified adjacency requirement to the human architect to arrange the space arrangement. The generated spatial arrangement was compared and analyzed using space syntax, and the degree of reflection on the requirements for adjacent relationships was compared.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.