复杂性构建 | “强结构”系列讲座实录

△ 讲座视频回顾

强结构——复杂性构建

主讲人：鲍鼎文 / 皇家墨尔本理工大学（RMIT）

整理：崔春晓 / 哈尔滨工业大学（深圳）

校订：鲍鼎文 / 皇家墨尔本理工大学（RMIT）、曹婷 / 哈尔滨工业大学（深圳）

大家好，很感谢有方和哈工大（深圳）的邀请来参加这次系列讲座。我是鲍鼎文，现在在澳大利亚皇家墨尔本理工大学建筑学院担任助理教授，负责建筑科技课程。在2017年的时候，我回到我的本科母校开始博士研究和教书，所以今天的讲座大部分是围绕着我博士期间做的研究性项目和教学成果展开的。

在过去的三四年里，我基本上是科研项目和教学同时展开，今天的讲座也算是对这几年的科研和教学工作的一个总结。由于做的项目以研究性为主，而且澳大利亚跟中国的建筑体量也有很大的差异性，所以很多项目都比较小，在一定程度上都是一些创新和突破类型的项目。

复杂性（设计+结构+建造）

说到复杂性构建，其实主要讨论的是如何创造复杂性的设计，以及如何实现复杂性的设计。复杂性主要体现在设计、结构和建造层面上，具体来说从算法开发到设计找形，再到结构优化，最后建造技术。今天主要围绕“结合拓扑优化和集群智能的生成式建筑设计方法和建造技术”，这也是在探索一种创新的设计方法，该方法在数字化建筑设计、结构优化算法和机械臂智能建造之间建立互补关系。该研究探索并评估了拓扑优化和多智能体算法在建筑找形设计及机械臂智能建造过程中的应用。

首先，鸟巢、树叶经脉、蚁穴、蛛网等自然形态下形成的结构，带给了我们很多造型设计上的灵感，甚至是一些结构设计上的启发。早期的哥特式建筑和高迪的圣家族大教堂，都是来自于自然界的形态的启发和模仿。现在苏黎世理工大学DBT实验室做的DFab House里面的Smart Slab楼板（图1上），和斯图加特大学ICD/ITKE实验室做的碳纤维亭子Buga Fibre Pavilion（图1下），都受到了很多自然结构的引导和自然形态的启发。这些形态看着有一定的复杂性，但又是有一定科学逻辑去引导这种形态的产生，不同于前面提到的那些古建，这些形态的产生基本利用的是大量计算机辅助的生成式设计方法，以及机械臂的智能建造技术。

我们将这些先进的设计和建造方法归结于基于性能驱动的仿生计算设计和智能建造。对此，我们的研究主要分以下几个背景和因素：首先是自然现象带给我们的灵感；然后是如今建筑师和结构工程师之间的合作；还有建筑的复杂性和有效性的联系；最后是建筑美感跟结构性能之间的平衡。在这几个背景下，我也将过去几年的研究方向分成了以下几个阶段来实行，简单来说是从理论到方法到应用。

01

理论到方法（集群智能+拓扑优化）

理论上就是将两种不同类型的生成式算法（集群智能和拓扑优化），通过不同的方式去整合，以达到之前提到的高效及美观的设计，并在设计师做建筑设计的前期阶段能够预知最佳的结构及材料的分布，去结合这两种算法。

为了发挥性能数据驱动设计和集群智能算法各自的优势，我们在第一种方法中让集群智能体具备了一定的结构意识，能够同时生成多种具备高性能的拓扑优化结构。该方法试图将集群计算的局部自组织生成方式与递归的全局结构分析相结合，它提供了一个开放的框架，以保证建筑师可以基于多种智能体意图和行为进行编程，从而在设计过程中实现局部与全局意识上的多学科之间的协作。

另一种方法比较宏观，是将多智能体作为一个杆件结构（我们称它为Agent Bodies），而不是以点云（Agent Points）的模式来呈现，也是通过编程的方式在运行集群智能算法的同时，得到一个实时的结构性能的反馈信息。在创造复杂且富有表现力的一些建筑形态的同时，这些算法可以帮助在材料与结构性能上达到最高效，随后通过机械臂大型3D打印技术来实现建筑形态。

首先我们来看一下1990年初，谢亿民院士（Prof. Mike Xie）提出的苹果形态的拓扑模拟实验。他模拟了一个悬挂的苹果，由于重力因素渐渐从一个悬挂的方形演变成一个苹果的形状；这是基于有限元方法。自20世纪60年代起，有限元方法、计算流体力学等计算机辅助计算方法，逐步被应用于诸多工程领域。而通过计算机图形学与相关科学理论，我们便可以在复杂建筑几何模型与建筑性能分析之间建立起一条相互关联的路径，从而实现对于建筑性能的定量反馈。这条路径的总体逻辑可以分为模型离散化、设定输入参数与计算模拟分析三个步骤。

之后谢亿民院士团队提出了渐进结构优化法（ESO）和双向渐进结构优化法（BESO）等拓扑优化算法。近20年来，越来越多的学者去关注基于有限元分析数据的一个定量结构造型的方法。相对于图解静力学为代表的方法，这种基于性能数据的方法，可以考虑真实材料的耐受和破坏特性，以及更多结构的连接关系。

每次迭代以基于模型单元的结构性能、计算的灵敏度的相对大小为标准，决定结构单元是否应该被删除或增加，在某种程度上解释了自然界进化的规律，也有越来越多的建筑师和结构师开始将这种方法去应用在建筑构建和整体建筑造型的过程中，例如著名建筑师矶崎新团队利用拓扑优化算法设计的卡塔尔国家会议中心（图2）。

同时，为了方便更多的建筑师和设计师使用这种双向渐进结构优化算法，谢亿民院士团队基于Rhino和Grasshopper软件平台开发了Ameba软件，方便建筑师和设计师们使用这个算法，让更多建筑师或设计师们去使用拓扑优化—双向渐进结构优化法去做设计。

另一方面，集群的概念一开始是指一大群相同的自然生物或者人造生物，通过群体合作来实现仅凭个体无法实现的更高目标，例如成千上万的鸟列队飞行，他们可以很精确地快速转弯和变向。此外还包括蚂蚁、蜜蜂、白蚁这些本身似乎没有推理能力，只是以简单的方式与群体中的相邻个体以及当地环境进行接触，但是作为一个群体，它们能够出于繁殖的目的建造出复杂的巢穴。这种通过改变环境来影响后续个体行为的过程被称为共识主动性，它引出了无需中央领导或规划的强大集体智慧，被叫做集群智能。随着数字建筑理论的发展，基于生物形态模式的找形技术也逐渐从先锋派设计走向实践。集群智能被发展成了一种算法，凭借它简洁的逻辑架构、优秀的可移植性和广泛的应用前景，正逐渐被建筑师和学者们应用于建筑设计之中。

集群智能算法（Swarm Intelligence）是一种复杂性形式模拟逻辑，起源于鸟群、虫群、人类社会网格及城市运行系统。其中最为大家熟知的是皇家墨尔本理工大学Roland Snooks教授和宾夕法尼亚大学Robert Stuart-Smith教授早期成立的Kokkugia事务所开发的KAgent集群智能算法。通过这种算法，自然界中生物的行为逻辑被赋予建筑之上，从而使生物性环境应对策略得以在智能建筑中重现。然而，将集群智能算法应用于建筑设计的做法仍然处于试验阶段，这种动态的设计逻辑在实践中往往因为无法获得来自建筑自身和环境的数据反馈，而难以成为最终的设计方案。例如Roland Snooks教授做的竞赛项目Yeosu Pavilion馆（图3），以及SoomeenHahm Design和Fologram公司做的Steam Punk Pavilion（图4）；越来越多先锋建筑师们在去实现这种集群智能来创造的设计。

我的研究主要是结合之前提到的两大算法：拓扑优化算法和集群智能算法。我和国科大的严鑫博士在谢亿民院士的指导下，基于Python编程语言，通过不断的测试和修改，成功整合了这两种算法，并称之为SwarmBESO。我们没有取一个特定的中文名，但从字面意思上可以命名为“集群双向渐进结构优化”算法。在这个算法框架里，通常意义的建筑形态和模型位于性能分层数据层，以一个网格模型的形式呈现。因为网格模型天然的离散单元结构，更利于直接被导入到各种工程分析得到一个模型的各单位的数据性能，而多智能体则被引入到集群智能的交互层中。这种智能体可以在程序迭代中基于设定好的向量化行为模式而产生相互的作用，从而产生一个新的形式。其实就是多智能体通过材料差值假设和移动立方体算法与建筑网格模型产生关联，而多智能体的行为向量则是基于网格模型的各种性能数据与来自交叉学科的各种限制条件计算而来，从而实现“从网格模型计算性能数据，再由性能数据影响智能体行为，智能体移动映射到新的建筑形态”的一个闭环演化逻辑。简单地说，就是通过这种方法，可以将网格模型很容易地在演化迭代中随多智能体的运动变化，为下一次的结构性能提供一个模型的基础。在对照关系中，网格单元范围内的集智能体的数量增加会加强该单元的材料属性；反之，基于有限元技术得到的结构性能数据，通过差值函数作用于每个智能体里，以生成它们应变密度在场中的梯度向量作为智能体的初步的速度。这样的速度会将多智能体向着应变密度高的地方去移动，从而实现材料的汇聚和结构的优化。

这里我们就做一个简单的测试。我们拿这个算法来对一个很基础的悬臂梁进行形态优化和找形，加入了最基础的三种集群智能的行为。经过测试，看到相对于传统的拓扑优化方式，这种方法在生成多样的优化结构方面有着巨大的优势，能看到多智能体都是在跑向一个最佳结构性能的位置，产生一个比较好的结果（如图5）。

在设计复杂的建筑形态的过程中，通过多智能体生成设计算法和拓扑优化算法，建筑师可得到实时的结构性能的反馈信息，在创造复杂且富有表现力的建筑形态同时，也让其在材料和结构性能上最高效；这是一个演变的过程。我们近期也在International Journal of Architectural Computing期刊和亚洲计算机辅助建筑设计研究协会 （CAADRIA）国际会议上发表了相关论文，大家如果感兴趣的话，也可以去下载原文来看一下。

02

方法到应用（数字设计+智能建造）

回到应用层面上，基于当代的技术条件，3D打印是实现拓扑优化、集群智能、集群拓扑优化算法的一个最佳途径。随着科技的发展，机器人建造技术已经日益成熟，特别是在工业设计行业，类似汽车的制造。汽车制造的流水线基本上都是由自动化程序设计的机械臂来打造的，省去了大量的人工，达到了更精确的制造标准。作为一名建筑师，我们也跟很多前辈一样，一直在考虑跨界研究和引入高科技，不光在设计中，而且在建筑工程领域中，试想着是否可以引进机械臂和一些机器人技术，在建筑行业和施工领域来实现自动化建造。

随着工业4.0的到来，机器人建造在当今的建筑行业发展中扮演了一个很重要的角色。基于工业机器人的数字加工模拟和针对不同建筑材料定制化的工具设计，我们可以经济高效地制造非单一的建筑预制构件，从而达到大规模的生产。在这里，我们的侧重点放在3D打印和增材制造环节，目前对于这一领域的探索逐渐被国际知名建筑院校和学院派先锋建筑师所关注，如德国斯图加特大学的阿希姆·门格斯（Achim Menges）带领的计算设计学院（ICD）、 瑞士苏黎世理工学院（ETH Zurich）的法比奥·格拉马齐奥（Fabio Gramazio）和马蒂亚斯·科勒（Matthias Kohler）创立的“格拉马齐奥与科勒”机器人建筑研究中心、上海同济大学建筑与城规学院袁烽教授领导的数字设计研究中心一造科技（FabUnion），和清华大学徐卫国老师的工作室，都在探索和开发一些更新颖和创新的机器人建造模式，用来智能建造。

图中这些设备是在我所工作的皇家墨尔本理工大学建筑学院，我们也开发了好几种不同的机器人，用来做大尺度的3D打印建筑的技术（图6）。当然我们在这个领域也是先驱者，建筑学院机器人实验室里配备了很多不同技术的建造机器人，主要是用作3D打印，材料包括混凝土、粘土、聚合物和金属，以实现大规模尺度的定制化建筑构件的增材制造。实验室专注于探索具有前沿价值的试验项目及大尺寸的原型研发，从而更好地确立其研究架构的发展潜力以及延伸建筑实践的意义，以大尺度3D打印建筑构件为目标，也为了更好地实现复杂性的建筑形态的落地。

X-FORM 1.0

首先讲一下第一个项目（图7），是我们2019年的时候在同济大学数字未来工作营的时候做的，叫做“异形1.0”，该装置也是基于我们改进的拓扑优化算法进行形态设计并完成数字制造和现场安装的建筑亭项目。项目总高2.8米，占地面积约2.5平方米，整体结构由大尺度机械臂3D打印完成，是一个很小体量装置的测试和原型。

方案设计的理念，是通过改进的拓扑优化算法去重现自然界中的树枝生长的逻辑，并在亭子内部重新构筑了一个类似于高迪在圣家族教堂项目中的空间。由于整个结构的整体对称性，我们在初始结构的拓扑优化造型阶段，只选择了总设计区域的1/4进行优化。我们开始绘制了一个比较粗糙的初始矩形几何设计域，进行了网格划分，然后导入软件中去做一个边界条件和荷载工况的设置。这个项目，我们在整个几何的上表面作为一个非设计域，用来承受垂直向下的面荷载，同时约束了结构角部的位移，并且在两边做对称，最终基于拓扑优化算法、树状结构的拓扑优化，就一步步形成了，最后做一步光滑后处理。由于要实现1:1的建造，我们先3D打印了1:10的小模型，去测试它的打印限制角度、打印可行性和小模型的拼接节点，随后就用大型3D机械臂打印来实现设计。

可以看到这个大模型的材料是透明的PETG高强度塑料，整个打印过程有4根柱子要打印，每个柱子打印用时大概是16个小时，设定好了程序之后就让机械臂自己来运作。当然在这之前我们也进行了几十次的打印测试，打印完的模型可能还需要一些后处理，把中间的拉丝都给去掉和抛光。最后为了运输方便和现场安装，方案将模型做了切割，也做了一个简易的地基的结构。然后我们把这个模型空运到上海同济大学校园里，带着我们工作营的学生一起把它做拼接和安装。最后这是一个展示厅的呈现，当时也是一个比较新颖和创新的设计。

X-FORM 2.0

在“异形1.0”成功落地的基础上，我们将“异形2.0”进行了升级的设计和建造（图8）。和之前项目不同的是，2.0版本的尺度达到了4.2×3×4米，并且屋顶的部分也不再是单一的一个平面，而是变成了几片彼此独立的自由曲面形态。由于模型的对称性，我们依然选取了1/4的模型作为初始的计算网格，然后在对称面上施加了对称的边缘条件。在这个新的设计中，我们依旧选择约束了1/4的底部的位移，然后在三个互相不连着的曲面顶部加上了非设计域，在上面施加了垂直和曲面的压强荷载。基于我们改进的算法，本结构的演化过程，可以看到三个相对的独立结构同时产生了树状结构，它们共享了同一个底座，且相互之间存在一定的连接构建，加强了整体的结构稳定性。

我们也将新的模型做了一个结构测试，即使被减掉了一半多的材料，它依旧保持着良好的结构性能。之后我们先测试了一个1:10的3D打印模型，然后开始做1:1装置。因为这个树形装置是送到巴塞罗那参加国际薄壳与空间结构展，这个结构尺度又很大，我们为了方便运输，在加工的时候将它分段成25个部件来打印。打印依旧采用了大型机械臂3D打印的方式，总体打印时间是200小时。由于是我们自己带上飞机将模型放在托运行李里，所以我们只带了1/4的装置亭去做展出（图9），到了巴塞罗那国际薄壳与空间结构展的展厅后，我们仅花了5个小时进行了模型的搭建，呈现的整体效果也比较出色。

03

教学

最后，我想讲一下我自己在皇家墨尔本理工大学的教学情况。我的教学目标是希望在复杂建筑形态、混凝土及复合材料的制造约束和结构优化之间建立一种平衡，让学生们通过集群智能算法、拓扑优化等生成式设计等方法，探索复合材料的找形方法，并设计高度复杂的建筑形态，同时还利用原型样品、结构性能测试、数字建造和机械臂3D打印等作为主要建造工具，探索并开发创新的混合式建造方法，从根本上改变高复杂性建筑构造几何的可行性。

这是我在皇家墨尔本理工大学建筑学院带的设计工作室，叫做Forming Complexity系列（图10），这个设计课已经在皇家墨尔本理工大学建筑学院开展了三年多。在这个系列的设计课中，学生们利用新的算法生成的结果和性能数据对最终结构中的多智能体形态进行优化设计，从而形成了丰富多变的复杂建筑表皮结构，将智能体集群行为、复杂形态设计与结构性能优化融合在一起。在这些复杂建筑形态设计中，多智能体的运动行为考虑了不同的逻辑动因，包括景观视线分析、环境通风优化、人类行为模拟、热能耗散优化等等，以及必要的结构性能优化。由此可见，虽然基于多智能体的结构优化算法研究还处于初始阶段，但它已经在数字建筑概念设计中展现出了巨大而富有感染性的应用潜力。

由于去年我们大部分都是线上教学，所以没有太多机会做实体模型。今年我们的设计课都放在了线下，学生有机会接触到了各种3D打印工具，并利用不同的材料去测试模具制造，做后浇灌高性能混凝土。

结语

最后拿这个Intelligent Force Printing的项目作为一个收尾吧，这是今年皇家墨尔本理工大学客座教授袁烽老师和我带领学生们完成的项目（图11）。这不仅仅展示了多种结构计算算法的结合，和大型机械臂混凝土打印的应用，形态和设计看似简单，但算法材料及建造上都具有复杂性。

我想说的是，当代建筑设计是一个需要各专业协同配合的复杂性系统，建筑形态也不只是通过结构性能，还包括了文脉语境和社会需求的因素。在建筑发展的一个很长一段时间内，建筑与结构也是分不开的，很多时候建筑形态就是结构形态的本身。随着工程技术的发展，建筑形态逐渐和结构要素脱离，在当代甚至出现了建筑形态表现和结构内部的互相独立。这种分离会带来很多在建筑实践中的问题，归根到底是建筑师和结构师之间的沟通不通畅和理解不清晰造成的。我们想达到的是优秀的建筑形态和其结构的对立统一、相辅相成。借助于计算机数字技术为建筑师和结构师提供高效的沟通机制，以促使生成更加合理、经济、高效、集约、美观的建筑结构形态。

最后用一句Frei Otto的话“To build means to make architecture real on the borders of knowledge”，在我们不断去用新的思路、新的算法去推敲建筑的同时，我们更应该同步地去思考如何将它建造出来，这才是建筑师存在的意义。这几年内包括未来，我们都将致力于更新的建造工艺去实验更先锋的建筑设计，而不是纸上谈兵。探索并开发创新的混合式设计和建造方法，从根本上改变高复杂性建筑构造几何的可行性，希望在不久的将来发明更新兴的建筑语言和建造技术，并落地更大尺度的建筑项目。

—

关于“强结构”系列国际讲座

“强结构”系列国际学术讲座由哈工大（深圳）、ETH、有方联合主办，邀请十余位中外结构专家，深度推演结构设计逻辑，带来全球最前沿的行业视野。

在当下的建筑设计中，我们往往将结构等同于承重系统，然而结构的意义远不止于此。“强结构”系列讲座，以五个主题章节、共十场讲座，反思结构在当下建筑设计中所扮演的角色，展示结构承重作用之外的多重建筑学意义。

本文由主讲人授权有方发布，欢迎转发，禁止以有方编辑版本转载。