IEDS: 探索结合设计师、AR和GAI的智能实体设计空间以支持工业概念设计
作者
研究背景与问题
-
作者发现了哪些问题或挑战? 作者指出了工业产品概念设计阶段面临的许多挑战,包括设计表现形式(物理与虚拟)的局限性以及设计材料与工具的不足,这些问题可能限制设计师的创造力与效率。尽管增强现实(AR)技术可以改善直观交互,生成式人工智能(GAI)能够提供多样设计方案,但如何将二者高效结合以支持概念设计仍存在空白。
-
为什么这个问题很重要? 工业概念设计是产品开发中至关重要的阶段,通常占据了60-80%的开发成本,因此改进这一阶段的设计效率和创造力不仅对整体开发具有重大意义,还直接影响到最终产品的质量与市场响应速度。
-
研究动机与相关工作: 作者受人机交互(HCI)和认知科学中关于“身体认知”和“生成式能力”的理论启发,提出通过整合AR与GAI构建一个扩展的设计空间(IEDS),以解决传统设计中认知过载与创造性难以扩展的局限,同时提升设计协作与快速迭代的能力。
解决方案
-
作者提出了哪些方法或解决方案? 提出了一个名为“智能化体现设计空间(IEDS)”的多模态设计系统,结合设计师的物理与虚拟交互、AR技术的增强能力以及GAI的生成与优化能力,来支持工业产品的概念设计。
-
该解决方案的创新之处是什么?
- 通过AR将GAI生成的高保真虚拟设计形式嵌入物理环境,提供一个真实与虚拟结合、支持实时交互的混合设计空间,提升设计的沉浸感与表达能力。
- 利用GAI理解设计师的意图,包括物理原型和具体文本需求,从而生成一致性更高的设计方案。
- 集成多种AR方法(头戴显示HMD、手持显示HHD和空间增强现实SAR),满足不同场景下对设计交互的需求。
-
实施步骤是什么?使用了哪些关键技术?
- 理论构建与验证:通过文献综述和专家访谈,定义IEDS的特性及交互机制。
- 工具开发:分别实现了三种结合AR和GAI的工具(GAI+HMD、GAI+HHD和GAI+SAR),以支持IEDS在不同场景下的应用。
- 用户研究与测试:通过九个设计工作坊(27位参与者)完成概念设计任务,收集设计师对IEDS的交互体验及其对设计流程、创造力和协作的影响的反馈。
- 关键技术:
- 利用Stable Diffusion XL等生成模型提供高质量的设计图像。
- 借助Unity和MRTK为HMD设备提供实时建模和渲染支持。
- 使用GRADIO Web接口实现便捷的HHD互动。
研究成果
-
取得了哪些具体成果?
- 提出并实现了IEDS系统,开发了三种基于AR技术的工具(GAI+HMD、GAI+HHD、GAI+SAR)。
- 系统性地分析了IEDS的优势和不足,并提出了初步应用原则,包括如何结合不同AR方法实现更好的交互效果。
- 发现IEDS有效促进了概念设计阶段的效率提升和创造力支持,尤其是在初始设计阶段,它显著增强了设计师的想象空间。
-
与现有解决方案相比,它有哪些优势?
- 实现了物理设计原型到高保真虚拟原型的无缝转换。
- 通过GAI和AR的结合提升了实时交互能力,显著减少了设计外化的时间成本。
- 提供了多种感官模式的输入与输出设计模式,增强了人机合作的自然性和多样性。
-
实验或评估结果是什么?
- 设计师认为IEDS显著降低了表达设计思想的门槛,尤其是对于非专业技能强的技术成员。
- 提升了版本迭代的速度,支持多模式输入,涵盖了文本、图像、物理原型和三维建模。
- AR提供的沉浸感和GAI生成的多样性显著增强了创造力,但生成的高保真细节在设计初期可能会导致设计固定性(Fixation)。
-
局限性与未来方向:
- GAI在IEDS中的应用缺乏对结构和工程知识的生成能力。
- GAI+SAR在结构式设计任务中的效用相对较弱。
- IEDS工具之间尚未实现多AR方法的融合,未来可以开发更综合化的协作交互工具。
- 随着GAI多模态能力的提升,未来可以整合 3D生成功能并对物理与虚拟交互的动作逻辑进行耦合。
总结
这篇论文不仅提出了IEDS这一创新设计概念,还通过实验验证说明了其在工业概念设计中的潜在价值及挑战,同时为进一步深化AR与GAI在设计空间的融合提供了理论基础和实践方向,有望引领HCI领域对设计工具的变革性探索。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
研究问题
3- 如何将增强现实(AR)和生成式人工智能(GAI)有效集成,以支持工业产品的概念设计?分类: 多用户与社交XR体验同类问题arrow_forward
- IEDS(智能物化设计空间)在设计效率、创意和团队协作方面的实际效果如何?分类: 多用户与社交XR体验同类问题arrow_forward
- 不同增强现实方法(HMD,HHD,SAR)的组合如何改善设计交互?分类: 多用户与社交XR体验同类问题arrow_forward
现实痛点
1- 设计师在工业产品概念设计阶段难以克服工具限制、低效交互和创意瓶颈。分类: 多用户与社交XR体验同类问题arrow_forward
- 80%
人工智能辅助的人因设计因果路径图
CHI '24· 生成式AI(文本、图像、音乐、视频) +1
- 80%
I-Card:一种由生成式AI支持的智能设计方法卡片集
CHI '25· 生成式AI(文本、图像、音乐、视频) +1
- 71%
ImmersiProtor:整合空间增强现实与组件分层生成的协作混合原型工具
CHI '26· AR 导航与情境感知 +3
- 67%
ProtoAR: 移动增强现实应用的快速物理-数字原型设计
CHI '18· AR 导航与情境感知 +2
- 67%
Jigsaw:通过连接AI基础模型支持设计师原型设计多模态应用程序
CHI '24· 生成式AI(文本、图像、音乐、视频) +2
- 67%
ProtoDreamer:结合物理模型与生成式AI支持概念设计的混合原型工具
UIST '24· 生成式AI(文本、图像、音乐、视频) +1
- 67%
GenTune:面向可追溯提示词以提升环境设计中图像细化的可控性
UIST '25· 生成式AI(文本、图像、音乐、视频) +2
- 60%
重连:从示例中获取界面设计帮助
CHI '18· 原型设计与用户测试
- 60%
波洛:设计师的网页检查器
CHI '19· 原型设计与用户测试
- 60%
揭开图形设计中隐性知识的神秘面纱:特征、实例、方法和指南
CHI '24· 原型设计与用户测试
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)