UCLなど、ピタゴラ装置を設計する物理シミュレーションと機械学習を用いた計算フレームワークを発表

UCLやLIXなどによる研究チームは、仕掛けを連鎖的に作動させる表現方法「ルーブ・ゴールドバーグ・マシン (Rube Goldberg machine)」を設計する計算フレームワークを発表しました。

論文:Designing Chain Reaction Contraptions from Causal Graphs

著者:Robin Roussel, Marie-Paule Cani, Jean-Claude Léon, Niloy J. Mitra
所属:University College London,   LIX, École Polytechnique,    Grenoble Alpes University,  CNRS, Inria, Grenoble INP, LJK 

ルーブ・ゴールドバーグ・マシンとは、日本で言えばピタゴラスイッチで紹介されるピタゴラ装置が有名かも知れません。簡単な仕掛けを連鎖的に作動させることで視聴者を満足させる装置です。本論文は、これらを実行できる設計を計算する手法を提案します。

提案手法は、ユーザによって提供される原因結果グラフ技法の大雑把なレイアウト図を入力に、物理ベースのシミュレーションと機械学習を用いて条件下でレイアウトを最適化します。最適化は、シミュレーション上で訓練されたSupport Vector Machine(SVM)のスコアから構築する成功確率分布(SPD, success probability distribution)をベースに行われます。フレームワークはPython3で実装し、物理演算エンジンはBulletを使用しシミュレートします。下図のように、シーンや原因結果グラフを容易に定義するために、多数のオブジェクトや関連するイベントを提供します。

論文内では、提案フレームワークで作成した出力結果をいくつか検証しており、それを参考に実際に作成した物理装置も動画で確認できます。