一个新的学位项目宾夕法尼亚大学斯图尔特·韦茨曼设计学院已经开始在世界范围内开花结果。深救援，一个大型雕塑墙装置，由该校设计学硕士:机器人与自主系统(MSD-RAS)项目。26日，费城外的米德尔顿自由图书馆举行了竣工仪式，并将其安装在中庭。

MSD-RAS项目已经进入第三个年头，由助理教授领导罗伯特•史密斯这是一个为期一年的后专业高级建筑学位，专注于设计和制造技术的前沿。然而，尽管许多学术研究仍然局限于实验室及其模拟领域，但这批早期设计师却获得了一个独特的机会，让他们的研究得以实现。中庭楼梯的特色墙的原始设计在价值工程中被切割，留下了图书馆，由当地实践设计Erdy麦克亨利，没有专题艺术作品。Scott Erdy校长，同时也是Weitzman的讲师，他帮助设计了机器人MSD-RAS项目的实验室改造，找到了副教授安德鲁•桑德斯关于重新利用EPS泡沫块的切下部分，这些部分在该计划的介绍性研讨会上被机器人线切割。相反，桑德斯看到了一个机会，可以做一些更雄心勃勃的事情。

在机构的支持下，MSD-RAS项目现在有了一个具体的设计提示和一个(松散的)截止日期来指导他们的研究。其结果是阴影和人物相互作用的复杂组合，就像在一个两层楼高、梯形、14英寸深的墙壁装置中看到的那样，由雕刻的白色EPS泡沫块制成。

虽然机器人制造在当代建筑行业中还很不常见，但建筑学院配备先进的制造实验室，拥有这样的设备越来越普遍。如果说机械臂能完成的任何任务都是“简单”的，那就有些夸张了，而热线泡沫切割是一个相对简单的过程。这种权宜之计是桑德斯和MSD-RAS计划策划者的诉求之一;在速成课程中，时间至关重要。看到结果很快使学生受益，因为他们学习，而热线切割过程是实现这一目标的一种方式。

但是MSD-RAS中的“A”代表“自主的”，而不是“自动化的”——后者描述的是在大学环境中普遍存在的机器人制造过程，而前者则不那么常见。为了参与下一代以技术为中心的设计过程，“这不仅仅是教他们如何使用机器人和制造东西，”桑德斯说一个．“我们需要引入一些自主的概念，所以我们从卷积神经网络(或风格迁移)开始。”cnn是一种深度学习的机器视觉算法，它试图“看到”和区分图像，类似于人类视觉的运作方式。然后使用CNN根据输入训练数据的特征重新分发和生成新的迭代和图像。的子集中发生的这项工作人工智能机器学习在几年前就开始了Midjourney以及其他文本转图像工具使人工智能生成的图像广为人知。

例如，cnn相对于Midjourney等更流行的引擎的优势在于，它首先可以控制进入模型的训练数据和图像:“我们知道我们有规则曲面，所以我们只放入规则曲面，”桑德斯谈到团队开发的自定义训练数据时说。这些条形表面——由一条直线沿着两条引导曲线形成的表面——来自于机械热丝切割臂的固有逻辑，它的切割使用这种几何结构:电线本身是直线，而引导曲线是由手臂的运动产生的。

虽然有许多著名的设计师在建筑中使用了规则面，如Felix Candela的薄壳混凝土结构，但桑德斯对复杂性和浮雕的兴趣导致了一个很少有人涉足的起点:俄罗斯构成主义雕塑家Naum Gabo和Antoine Pevsner令人难以置信的细节规则面。设计师从这些雕塑家的逻辑中学习建模和开发训练数据，在CNN中嵌入了深厚的制造和三维几何知识。CNN在学习了这些先例后，将它们重新分配为新的模式、组合和切割类型。

结果仍然是一个栅格二维图像，需要解释为三维数字模型，制造数据可以通过Grasshopper脚本生成。对于Saunders来说，这种解释是建筑过程中特有的，不管使用的技术是什么:“这是一个非常手动或明确的建模过程(从CNN到3D)。”研究人员在训练数据中嵌入的切割类型的知识可以在新的cnn生成的图像中进行调查;在这样做的过程中，设计师学会了如何创作，也学会了如何阅读和翻译，并获得了意想不到或意想不到的后果的更深层次的知识。虽然这个项目有点激进——桑德斯不知道还有哪个永久性的项目是如此大规模地将人工智能应用到三维物体中——但它也是基础的东西:“在某种程度上，它是基本的建筑101，观察具有空间含义的2D图像，并研究如何将它们变成3D。”

经过两年的研究、筹款、设计、原型制作和在梅尔森大厅机器人实验室的业余时间制作作品，最终完成了一项大规模的工作，深救援现场安装的速度比预期的要快得多，特别是对于由不规则的、定制的单元组成的安装。尽管有许多独特的部件，但组装相对标准:每一块泡沫，涂有环氧树脂和油漆，有中密度纤维板衬底，用z型夹挂在墙上。团队分配了4天的时间进行安装，但这太过了。有了制作图纸和3d打印的树脂模型，工人们只花了半天时间就完成了。“(安装过程)简直完美，”桑德斯称赞道，因为没有不合适的报告，也没有部件需要修改或更换。

深救援是人工智能驱动设计流程、机器人线切割和MSD-RAS程序本身的概念证明。这也有力地证明了先进数字制造方法的好处。虽然在项目最终安装之前有一个有点漫长的两年时间，但相对于大多数当代学术研究而言，在世界范围内实施专有实验的时间线是很快的。此外，安装的成功和便捷性反驳了传统的施工手段和方法比更新和新颖的工艺更容易或更可靠的观点。自动化制造技术提供的精度和紧公差与手工方法相比是无与伦比的;任何与未知相关的额外前期成本都可以通过消除被拒绝的返工来抵消。

深救援它的双重性是引人注目的，因为它既是一个永久的作品，也是一个典范。当然，它的品质和特点对米德尔敦的书虫和创客空间爱好者都是有益的。但在多种意义上，它也起到了模型的作用。这是MSD-RAS计划和广泛的数字制造的一个模型。(桑德斯已经在研究如何将这个项目中探索的概念和研究转化为完整建筑围护结构的问题。)由于它的规模、材质、颜色和复杂的几何角度，它也被解读为预示后续建筑的建筑模型，就像它们所描述的建筑之前的典型模型一样。这件作品可以被解读为单一的事物，但也可以被解读为一系列完美地嵌套在一起的物体——图书馆的墙壁变成了画廊空间，一种可能性的暗示，这种可能性无法被作品的物理实例化体验所耗尽。“对我来说，”桑德斯说，“我认为这个项目很有趣一个回答不出的如何(从人工智能)走向3D，以及对建筑的影响。”

戴维斯·理查德森是REX的建筑师，曾在新泽西理工大学和建筑协会任教。

项目学分:

• 研发设计总监:安德鲁·桑德斯副教授
• 机器人研究助理:Penn Praxis研究员Riley Studebaker, Penn Praxis研究员Mathew White, Claire Eileen Moriarty
• 研究助理:Penn Praxis研究员Caleb Ehly, Penn Praxis研究员Benjamin Hergert, Yujie Li, Jesse Allen, Macarena De La Piedra, Cecily Nishimura
• 材料和施工:万能泡沫，L.J. Paollela Construction