特許ウォッチ

公開番号2025063511
公報種別公開特許公報(A)
公開日2025-04-16
出願番号2023172786
出願日2023-10-04
発明の名称設計支援装置および設計支援方法
出願人国立大学法人千葉大学
代理人個人,個人,個人,個人
主分類G06F 30/27 20200101AFI20250409BHJP(計算;計数)
要約【課題】意匠性も含め最適化できる設計支援装置および設計支援方法を提供する。
【解決手段】最適化演算処理部において形状生成アルゴリズムにより形状を生成する造形物の設計支援装置であって、引用したい意匠の特徴を深層学習する深層学習演算処理部をさらに備え、最適化演算処理部は、形状生成アルゴリズムにより生成された形状を引用したい意匠の特徴を深層学習した学習済みネットワークに入力し、最適化アルゴリズムにより形状の特徴量と引用したい意匠の特徴量との類似度を最適化する。
【選択図】図1
特許請求の範囲【請求項１】
最適化演算処理部において形状生成アルゴリズムにより形状を生成する造形物の設計支援装置であって、
引用したい意匠の特徴を深層学習する深層学習演算処理部をさらに備え、
前記最適化演算処理部は、前記形状生成アルゴリズムにより生成された前記形状を前記引用したい意匠の特徴を深層学習した学習済みネットワークに入力し、最適化アルゴリズムにより前記形状の特徴量と前記引用したい意匠の特徴量との類似度を最適化することを特徴とする設計支援装置。
続きを表示（約 790 文字）【請求項２】
前記深層学習演算処理部は、色情報を除いた画像データを用いて深層学習することを特徴とする請求項１に記載の設計支援装置。
【請求項３】
前記画像データは、深度画像データであることを特徴とする請求項２に記載の設計支援装置。
【請求項４】
前記形状は、色情報を除いた画像データに変換されて前記学習済みネットワークに入力されることを特徴とする請求項１に記載の設計支援装置。
【請求項５】
前記画像データは、深度画像データであることを特徴とする請求項４に記載の設計支援装置。
【請求項６】
前記形状は、任意のパラメトリック３Ｄモデルのｓｈａｐｅ＝ｆ（ｔ）のパラメータｔに基づいて生成される形状であることを特徴とする請求項１に記載の装置。
【請求項７】
前記最適化演算処理部は、前記類似度が所定範囲に収束するまで最適化を行うことを特徴とする請求項１ないし６のいずれかに記載の設計支援装置。
【請求項８】
前記設計支援装置は、複数の前記形状に最適化スコアを併記しつつ表示し、選択を促すことを特徴とする請求項７に記載の設計支援装置。
【請求項９】
造形物の設計支援を行う設計支援方法であって、
形状生成アルゴリズムにより生成される形状を最適化アルゴリズムにより最適化する最適化ステージと、
引用したい意匠の特徴を深層学習する深層学習ステージと、を備え、
前記最適化ステージは、前記深層学習ステージにおいて前記引用したい意匠の特徴を深層学習した学習済みネットワークに前記形状を入力するステップと、前記最適化アルゴリズムにより前記形状の特徴量と前記引用したい意匠の特徴量との類似度を最適化するステップと、を有することを特徴とする設計支援方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、造形物の設計支援を行う設計支援装置および設計支援方法に関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
建物、建物の一部（建具、内装、外装）および家具等の造形物の設計は、機能性、安全性、耐久性、日射取得等の観点から求められる機能や制約（構造強度、製作コスト等）を満たしている必要がある。これらの機能や制約を満たすために、パラメータが設定された形状生成アルゴリズムを用いた設計が行われている。
【０００３】
従来の形状生成アルゴリズムを用いた設計においては、パラメータのパターンが膨大になることから、機能や制約も満たす最適なパラメータの探索が難しいため、特許文献１においては、例えば建物や大型の構造物の自重支持用または耐震用に使用される骨組構造について、自動でパラメータを最適化する設計支援装置が提案されている。詳しくは、特許文献１の設計支援装置は、骨組構造におけるパラメータである鉄骨部材の数、配置、断面寸法の最適な組み合わせを計算するための最適化手法として、最適化アルゴリズムを用いることにより、入力されたパラメータについて適応度を求め、自動でパラメータの最適化を行い、骨組構造を最適化設計できるようになっている。
【先行技術文献】
【特許文献】
【０００４】
特開２００１－１３４６２８号公報（第４頁～第６頁、第２図）
【発明の概要】
【発明が解決しようとする課題】
【０００５】
特許文献１の設計支援装置においては、骨組構造の構造強度や製作コスト等の定量的な評価軸について、最適化アルゴリズムにより自動でパラメータの最適化を行うことはできるが、定性的な評価が必要となる意匠性については考慮されておらず、意匠の変更の都度設計を見直す必要があり、多くの意匠から好適な意匠を選定することは現実的に困難であった。
【０００６】
本発明は、このような課題に着目してなされたもので、意匠性も含め最適化できる設計支援装置および設計支援方法を提供することを目的とする。
【課題を解決するための手段】
【０００７】
前記課題を解決するために、本発明の設計支援装置は、
最適化演算処理部において形状生成アルゴリズムにより形状を生成する造形物の設計支援装置であって、
引用したい意匠の特徴を深層学習する深層学習演算処理部をさらに備え、
前記最適化演算処理部は、前記形状生成アルゴリズムにより生成された前記形状を前記引用したい意匠の特徴を深層学習した学習済みネットワークに入力し、最適化アルゴリズムにより前記形状の特徴量と前記引用したい意匠の特徴量との類似度を最適化することを特徴としている。
この特徴によれば、形状生成アルゴリズムにより生成される形状を引用したい意匠の特徴を深層学習した学習済みネットワークに入力し、当該形状における意匠を演算可能な特徴量として表現し、最適化アルゴリズムにより当該形状における意匠を特徴量と引用したい意匠の特徴量との類似度を最適化することにより、構造強度等の所定の評価軸を満たしつつ、意匠性も含めて最適化された形状を有する造形物の設計支援を行うことができる。
【０００８】
前記深層学習演算処理部は、色情報を除いた画像データを用いて深層学習することを特徴としている。
この特徴によれば、色情報を除いた画像データを深層学習に用いることにより、色の影響が抑制され、意匠の特徴量を表現しやすくすることができる。
【０００９】
前記画像データは、深度画像データであることを特徴としている。
この特徴によれば、深度画像データを用いることにより、レンダリングが容易になるとともに、意匠の形状的な特徴量を簡単に表現することができる。
【００１０】
前記形状は、色情報を除いた画像データに変換されて前記学習済みネットワークに入力されることを特徴としている。
この特徴によれば、最適化の対象となる形状を色情報を除いた画像データに変換して用いることにより、色の影響が抑制され、意匠の特徴量を表現しやすくすることができる。
（【００１１】以降は省略されています）

関連特許