NL2Hull: 자연어 기반 제약형 선체 설계 의사결정 프레임워크
요약
본 논문은 자연어 요청을 기반으로 선체 형태를 설계하는 NL2Hull Framework를 제안합니다. 이 프레임워크는 언어적 결정을 타입이 지정된 이산 결정 문제로 공식화하고, 이를 NURBS와 FFD 엔진에 연결하여 기하학적 선체 재구성을 수행합니다. 연구진은 대규모 데이터셋(SDD Dataset)을 구축하고, 제안 모델 Chip을 통해 높은 정확도를 입증했습니다.
핵심 포인트
- 자연어 기반의 선체 형태 설계 의사결정 프레임워크 제시
- 언어적 결정을 이산 결정 문제로 공식화함
- NURBS와 FFD를 활용하여 기하학적 재구성을 수행
- 대규모 데이터셋(SDD Dataset)을 구축하고 성능 검증
선체 형태 설계는 부드러운 기하학적 표현, 국부적인 형태 편집, 그리고 결과로 나오는 선체에 대한 제약을 결합합니다. 본 논문에서는 선체 형태 편집을 타입이 지정된 이산 결정 문제(typed discrete decision problem)로 공식화하고 언어적 결정을 수치적 기하학에 연결하는 Natural-Language-to-Hull Framework (NL2Hull Framework)를 제시합니다. 이 프레임워크의 Constrained Free-Form Deformation Engine (CFFD Engine)은 비균일 유리 B-스플라인(non-uniform rational B-splines, NURBS)으로 선체 수면선(hull waterlines)을 표현하고, 그 제어점들에 자유 형태 변형(free-form deformation, FFD)을 적용하며, 선체를 재구성하고 기하학적 제약 조건을 확인합니다. 저희는 134,558개의 정제된 기록으로 Ship Design Decision Dataset (SDD Dataset)을 구축했으며, 이 데이터셋의 부분집합인 Ship Design Decision Benchmark (SDDBench)(5,000개 기록 및 43,496개의 타입 지정 질문 포함)에서 비교 모델들을 평가했습니다. 저희는 자연어 요청을 처리하기 위한 제약형 선체 설계 의사결정 모델인 Chip을 제안합니다. Chip은 95.90%의 질문 정확도와 99.32%의 FFD 정확 일치율, 음의 로그 우도(negative log-likelihood) 0.0951, 예상 보정 오차(expected calibration error) 0.0032, 그리고 Brier 점수 0.0551을 달성했습니다. NL2Hull Framework는 언어 기반 선체 형태 결정을 평가할 수 있는 재현 가능한 인터페이스를 제공하며, 추가적인 개발이 필요한 기하학 및 연속 제어 구성 요소를 식별합니다. 저희의 코드와 데이터셋은 https://github.com/wenhuahuo/NL2Hull에서 이용 가능합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기