Bu makale, geleneksel ahşap geçme yapım yöntemi olan Kurtboğaz’ın form bulma kapasitesini araştırmakta ve bu yöntemi korumak ve çağdaş mimariye entegre etmek amacıyla hesaplamalı tasarım teknikleri aracılığıyla yeni mimari formlar ve olasılıklar keşfetmeyi hedeflemektedir. Çalışma, tasarımcı tarafından belirlenen hareket kurallarına ve Kurtboğaz'ın basit montaj kurallarına dayalı olarak farklı yapılar oluşturan ve rastgele kural uygulaması yoluyla öngörülemeyen formlar ortaya çıkaran Birleştirici Tasarım Algoritmasını sunar. Ayrıca bu çalışma, bir tür makine öğrenimi olan pekiştirmeli öğrenmenin bu tasarım sürecini teorik bir çerçevede nasıl iyileştirebileceğini araştırmaktadır. Kurtboğaz’ın modüler ve yeniden yapılandırılabilir özellikleri Kurtboğaz’ın form bulma kapasitesini incelemek için güçlü bir temel sağlamaktadır. Birleştirici Tasarım algoritması geleneksel mimariyi hesaplamalı tasarım ile yorumlamak suretiyle Kurtboğaz’ın basit yapım-montaj kuralları üzerinden sayısız kombinasyon oluşturma potansiyelini gösterir. Birleştirici Tasarım Algoritması, rastgele kural uygulamasını mümkün kılarak çeşitli biçimlerin oluşmasını sağlamaktadır. Ancak, Birleştirici Tasarım Algoritması’nın rastgele birleştirme nedeniyle uygulanmasında çarpışma önleme, yapısal bütünlük, sınır tespiti ve yapısal parametrelerin optimizasyonu gibi çeşitli zorluklarla karşılaşılabilir. Bu zorlukların üstesinden gelmek için, bu çalışma Birleştirici Tasarım Algoritması çerçevesine Pekiştirmeli Öğrenme’nin (PÖ) teorik entegrasyonunu önermektedir. PÖ’nün entegrasyonu, algoritmanın form bulma sürecini uyarlamalı olarak öğrenmesini ve optimize etmesini sağlayarak, Kurtboğaz yönteminin performansını ve uygulanabilirliğini çağdaş mimari pratikler bağlamında artırabilir. Sonuç olarak çalışma Kurtboğaz’ın algoritmik kural tabanlı bir mantık içerisinde form bulma yeteneğini onun temel özelliklerini keşfederek incelemekte ve PÖ ile desteklenen bir tasarım süreci geliştirmektedir.
Birleştirici Tasarım Algoritması Geleneksel Mimari Ahşap-Geçme Yapım Sistemi Kurtboğaz Pekiştirmeli Öğrenme
-
-
-
-
This paper investigates the form-finding capacity of the traditional timber-joint construction method, Kurtboğaz, aiming to explore new architectural forms and possibilities through computational design techniques to preserve vernacular construction methods and integrate them into contemporary architecture. It presents an Aggregative Design Algorithm (ADA) that creates different structures based on designer rules and simple assembly rules of Kurtboğaz, leading to unique emergent forms through random rule application. The paper also explores how reinforcement learning, a type of machine learning, can improve this design process through a theoretical framework. The study tries to use a rule-based generative algorithm to explore the modular and reconfigurable characteristics of the Kurtboğaz. The ADA enables random rule application, leading to diverse forms. However, several challenges may be encountered during the application of ADA because of its random aggregation, such as collision avoidance, structural integrity, boundary detection, and the optimization of structural parameters. The study suggests using Reinforcement Learning (RL) in the ADA framework to address these problems. Incorporating RL is anticipated to enable the algorithm to adaptively learn and optimize the form-finding process, enhancing the performance and applicability of the Kurtboğaz method in contemporary architectural practice. In the future, with this generative process described by the study, designs that create spatial differences with the help of walls, floors, and rooms on a human scale can be realized. The study also plans to explore the synergy between craftsmanship and digital fabrication in the future
Aggregative Design Algorithm Traditional Architecture Timber-Joint System Kurtboğaz Reinforcement Learning
-
Primary Language | English |
---|---|
Subjects | Architectural Computing and Visualisation Methods |
Journal Section | Research Articles |
Authors | |
Project Number | - |
Publication Date | September 30, 2024 |
Submission Date | July 10, 2024 |
Acceptance Date | September 16, 2024 |
Published in Issue | Year 2024 Volume: 5 Issue: 2 |