TO-Agents：用于偏好引导的拓扑优化的多代理 AI 管道

arXiv:2605.21622v1 公告类型：新 摘要：拓扑优化可以生成高效的结构，但设计人员通常必须手动将定性意图（例如所需的视觉风格、产品体验或可制造性）转换为与这些偏好不直接相关的求解器设置。我们提出了 TO-Agents，这是一个多代理人工智能框架，它将自然语言设计意图与迭代拓扑优化联系起来。该框架将人类提供的问题描述转换为经过验证的求解器输入，运行拓扑优化求解器，渲染生成的 3D 拓扑，并使用多视图视觉语言推理和独立判断代理来批判每个结果并修改求解器参数。我们在两项长期设计任务上评估该框架：悬臂梁基准和手机支架产品设计。在这两项任务中，设计师受自然树形态的启发，指定了对分层分支结构的审美偏好，并且系统在十个独立的重复中执行四个修订周期。 TO-Agents 在每个案例研究的 60% 试验中至少产生一种符合偏好的设计，这相当于比没有视觉或历史反馈的消融管道多出 6 倍的成功试验。评委评分和人工评估表明，该流程可以识别有效的参数杠杆，从不良修改中恢复，并扩大设计探索。制造代理进一步对增材制造的顶级设计进行后处理，从而实现端到端的意图原型设计。我们还识别故障模式，包括超调、选择性记忆、工具放错位置和参数推理不正确。这些结果表明，代理拓扑优化可以将设计人员从低级参数调整转向更高级别的形式和功能规范，同时强调可靠的自主工程设计所需的保障措施。