AlphaJet: Automated Conceptual Aircraft Synthesis via Disentangled Generative Priors and Topology-Preserving Evolutionary Search

📄 arXiv: 2604.26337v1 📥 PDF

作者: Boris Kriuk

分类: cs.LG

发布日期: 2026-04-29

备注: 10 pages, 2 figures, 1 table

💡 一句话要点

AlphaJet：通过解耦生成先验和拓扑保持进化搜索实现自动化概念飞机综合

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 飞机设计 自动化设计 变分自编码器 遗传算法 形状先验

📋 核心要点

  1. 传统飞机概念设计依赖专家迭代，耗时且效率低，难以快速探索设计空间。
  2. AlphaJet提出一种端到端的自动化流程，通过解耦生成先验和拓扑保持进化搜索，实时生成可行的3D飞机设计。
  3. 该方法通过AD-VAE提供可解释的形状先验，拓扑精英遗传算法防止过早收敛，并使用感知安装的几何评分消除冗余伪影。

📝 摘要（中文）

本文提出AlphaJet，一个端到端的自动化综合流程，旨在闭环概念飞机设计。传统上，概念飞机设计是一个专家主导的迭代过程，设计者提出配置，运行低阶物理模型，检查结果并重新提出。AlphaJet从文本任务规范（质量、航程、巡航速度、硬尺寸包络、发动机数量、面密度）出发，实时进化出一个可行的3D飞机，并通过透明的多学科适应度函数进行评分，该函数涵盖空气动力学、结构、重量、稳定性、封装和几何安装一致性。该方法有三个主要贡献：(i) 一个解剖解耦变分自编码器(AD-VAE)，其前25个潜在维度被监督以对齐命名的解剖参数，提供可解释的形状先验；(ii) 一种拓扑精英遗传算法，保护来自五个尾翼拓扑结构的最佳个体，并触发停滞重启，防止过早崩溃到单一配置；(iii) 感知安装的几何评分，计算发动机和其他结构部件之间的有符号穿透，消除生成飞机模型中常见的冗余伪影。完整的循环在CPU上交互运行，并将每一代流式传输到浏览器查看器，使其成为早期设计空间探索的实用真实自动化工具。

🔬 方法详解

问题定义：传统飞机概念设计依赖于人工迭代，需要专家经验，耗时且效率低下。现有方法难以快速探索设计空间，并且生成的飞机模型可能存在冗余伪影，例如发动机与机身之间的不合理穿透。

核心思路：AlphaJet的核心思路是构建一个端到端的自动化流程，利用解耦生成先验和拓扑保持进化搜索，从文本任务规范出发，实时生成可行的3D飞机设计。通过可解释的形状先验引导生成过程，并采用拓扑精英策略和几何评分来提高生成质量和效率。

技术框架：AlphaJet的整体框架包含以下几个主要模块：1) 任务规范输入：接收文本形式的任务规范，包括质量、航程、巡航速度等；2) 解剖解耦变分自编码器(AD-VAE)：生成飞机形状的先验知识，并提供可解释的形状参数；3) 拓扑精英遗传算法：在不同的尾翼拓扑结构中搜索最佳个体，防止过早收敛；4) 几何评分：评估飞机设计的几何合理性，包括发动机安装位置等；5) 多学科适应度函数：综合考虑空气动力学、结构、重量等因素，对飞机设计进行评分；6) 浏览器查看器：实时显示每一代飞机设计，方便用户交互。

关键创新：AlphaJet的关键创新在于以下三个方面：1) 解剖解耦变分自编码器(AD-VAE)：通过监督学习将VAE的潜在维度与命名的解剖参数对齐，提供可解释的形状先验；2) 拓扑精英遗传算法：保护来自不同尾翼拓扑结构的最佳个体，防止过早收敛到单一配置；3) 感知安装的几何评分：计算发动机和其他结构部件之间的有符号穿透，消除冗余伪影。

关键设计：AD-VAE的前25个潜在维度被监督以对齐命名的解剖参数。拓扑精英遗传算法维护一个包含五个尾翼拓扑结构的精英种群，并触发停滞重启。几何评分函数计算发动机和其他结构部件之间的有符号穿透距离，用于惩罚不合理的几何结构。

🖼️ 关键图片

fig_0

📊 实验亮点

AlphaJet能够在CPU上实时运行，并将每一代飞机设计流式传输到浏览器查看器，实现交互式设计。通过AD-VAE提供可解释的形状先验，拓扑精英遗传算法防止过早收敛，并使用感知安装的几何评分消除冗余伪影，显著提高了飞机设计的质量和效率。实验结果未明确给出具体性能数据，但强调了其在实际应用中的可行性。

🎯 应用场景

AlphaJet可应用于早期飞机概念设计阶段，帮助设计人员快速探索设计空间，评估不同设计方案的可行性。该工具可以显著缩短设计周期，降低设计成本，并提高设计质量。此外，该方法还可以扩展到其他复杂工程系统的设计中，例如汽车、船舶等。

📄 摘要（原文）

Conceptual aircraft design is traditionally an expert-mediated iterative process in which a human designer proposes a configuration, runs low-order physics, inspects the result, and re-proposes. We present AlphaJet, an end-to-end automated synthesis pipeline that closes this loop. From a textual mission specification (mass, range, cruise speed, hard size envelope, engine count, areal density) AlphaJet evolves a feasible 3D aircraft in real time, scored by a transparent multi-disciplinary fitness function covering aerodynamics, structures, weights, stability, packaging, and geometric mount consistency. Three contributions distinguish our approach: (i) an Anatomically-Disentangled Variational Autoencoder (AD-VAE) whose first 25 latent dimensions are supervised to align with named anatomical parameters, providing an interpretable shape prior; (ii) a topology-elitist genetic algorithm that protects the best individual from each of five tail topologies and triggers stagnation restarts, preventing premature collapse to a single configuration; and (iii) mount-aware geometric scoring that computes signed penetration between engines and other structural parts, eliminating the redundant artifacts common in generative aircraft models. The full loop runs interactively on a CPU and streams every generation to a browser viewer, making it a practical real-world automation tool for early-phase design-space exploration.