Меню

Зачем использовать Grasshopper

Часть 2. Проектирование

Роман Хорев, Андрей Астахов, Арсений Афонин, Полина Патимова

17.01.2020

Время чтения: 13 мин

Grasshopper — это инструмент без чёткого предназначения: он создавался не для решения классических архитектурных задач, вроде черчения или моделирования. 

Разбираемся, как Grasshopper и другие алгоритмические инструменты помогают архитекторам решать нестандартные задачи и меняют подходы к проектированию. В цикле из 3-х статей мы последовательно рассмотрим разные этапы проектирования на примере работы с павильонами — типологией, которая даёт архитектору наибольший простор для экспериментов.

В первом тексте мы рассказывали о возможностях анализа и симуляции в среде Grasshopper, в этом поговорим о том, как Grasshopper и другие алгоритмические инструменты помогают архитектору в процессе разработки проекта.

Выделить какой-то один способ применения алгоритмических инструментов на этом этапе невозможно: как мы уже писали, среда Grasshopper используется для создания собственных инструментов, позволяющих решать совершенно разные задачи. В большинстве случаев инструменты, созданные на базе Grasshopper, используются для того, чтобы просто оптимизировать рутинные процессы на этапе моделирования — сделать автоматически то, что вручную делается очень долго или не делается вообще. Но это далеко не всё. Можно условно разделить все сценарии использования Grasshopper на этапе проектирования на 3 группы:

1. Автоматизация или оптимизация рутинных процессов — сценарий, когда архитектор знает, что хочет получить, но хочет сэкономить время, избавив себя от однообразной работы.

2. Создание параметрической модели — сценарий, когда архитектор ещё не до конца понимает, как будет выглядеть финальный результат, и создаёт гибкую модель объекта, изменяя различные параметры которой можно вручную подобрать оптимальное решение (одно или несколько).

3. Генерация решений — сценарий с совершенно открытым концом, когда архитектор не знает заранее, что получит и разрабатывает либо правила для автоматического генерирования одного решения (например, в случае симуляции стайного поведения), либо правила отбора самого оптимального из множества решений, созданных на основе параметрической модели (например, при использовании эволюционных алгоритмов).

Автоматизация / оптимизация

В случае, когда Grasshopper используется для автоматизации рутинных процессов, речь, как правило, идёт о процессе создания цифровой модели. В этом случае в Grasshopper воспроизводится та логика построения модели, которая использовалась бы при работе в Rhino. Таким образом за короткий срок можно смоделировать и проверить множество различных решений или быстро построить детализированную модель проекта.

Ниже — примеры павильонов, в проектировании которых Grasshopper использовался именно для этого.

Serpentine Pavilion, 2005

Авторы: Alvaro Siza, Eduardo Souto de Moura, Cecil Balmond

  •  
  •  
  •  
  •  
  •  
  •  
  •  
Serpentine Pavilion, Alvaro Siza & Eduardo Souto de Moura, Cecil Balmond, 2005

Алваро Сиза и Эдуардо Соуто де Моура — два именитых португальских архитектора, имена которых не ассоциируются с алгоритмическими инструментами. Но в 2005 году они стали авторами нового павильона Serpentine — лондонской галереи, которая ежегодно приглашает знаменитых архитекторов для создания летнего павильона в Гайд-парке. 

Павильон был реализован благодаря Сесилю Балмонду (Cecil Balmond) — инженеру и дизайнеру из компании Arup. Именно Балмонд и его команда отвечали за создание цифровой модели в Grasshopper: Алваро Сиза и Эдуардо Соуто де Моура разработали концепцию, форму и внутреннее пространство и определили, что павильон должен быть сделан из дерева. 

В качестве архитектурного приёма Сиза и Моура использовали сетку, а Балмонд придумал систему скрепления ячеек друг с другом, взяв за основу традиционные японские узлы — всего в павильоне было 427 индивидуальных элементов. Эту задачу нельзя было решить в короткий срок никак иначе, кроме создания детализированной модели павильона в Grasshopper.

Балмонд создал правила, по которым уникальные элементы павильона формировались и скреплялись друг с другом. Таким образом команда Балмонда придумала, как реализовать сетчатую структуру. С помощью алгоритмических инструментов по этим принципам были созданы все детали павильона: при изменении формы не возникало необходимости перечерчивать деревянные элементы вручную. Кстати, детали павильона вообще не пришлось отражать в чертежах: из модели они сразу отправились на производство. 

Быстрое создание всех деталей, отсутствие чертежей и прямая связь между инструментами цифрового проектирования и цифрового производства — использование Grasshopper позволило реализовать павильон в срок и с высоким качеством сборки.

Летний павильон Музея «Гараж» в Парке Горького, 2013

Авторы: Сергей Неботов, Ольга Лебедева, Максим Хазанов, Василий Банцекин. На этапе реализации к команде подключились Анастасия Балакирева и Илья Терновенко.

  •  
  •  
  •  
Летний павильон «Грибы» в Парке Горького, 2013 год. Фото: Илья Иванов (предоставлены авторами проекта)

Несколько лет подряд Музей «Гараж» устраивал конкурсы на летние павильоны в Парке Горького, в которых могли участвовать лишь молодые архитекторы. В 2013-м в таком конкурсе победила команда выпускников Колумбийского университета, вернувшихся в Москву после окончания магистратуры. Василий Банцекин, Сергей Неботов, Ольга Лебедева и Максим Хазанов спроектировали павильоны-навесы разной высоты, похожие на грибы, посаженные на деревянный подиум.

После этапа концепции с красивым и элегантным решением возникли сложности: нетривиальная форма вместе с жесткими ограничениями бюджета заставили архитекторов покорпеть на этапе реализации — необходимо было решить, как и из чего павильон будет построен. В конце концов архитекторы пришли к идее создания оболочки из стеклопластика, геометрия которой была рассчитана с помощью Grasshopper. Без него подобрать оптимальный паттерн оболочки, рассчитать расход материала и смоделировать её было бы невозможно.

  •  
  •  
Модель и проекции одного павильонного модуля в Rhinoceros

Создание параметрической модели

Второй и самый интересный сценарий использования Grasshopper — создание параметрической модели, то есть гибкой цифровой модели, которая изменяется при изменении исходных параметров. В этом случае возможности алгоритмических инструментов более плотно интегрируются в процесс проектирования: вместо того, чтобы перекладывать на язык алгоритмов логику одного решения, архитектор разрабатывает алгоритм скорее для самой логики принятия решений.

Например, граница пространства под строительство павильона на участке определяется по одним правилам; общая форма павильона — по другим (в зависимости от размера доступного пространства и ориентации по сторонам света), конструкция павильона — по третьим (ведь должна оставаться возможность легко менять шаг конструктивных элементов, и т. д).

Обычно создание такой модели занимает значительно больше времени, однако эти затраты окупаются ближе к дедлайну: всего в несколько кликов архитектор может менять итоговый результат, изменяя лишь некоторые параметры проекта, а не перемоделивать объём вручную. Перебор различных вариантов становится увлекательным творческим процессом, а не ужасно долгим однообразным занятием.

Для наглядности посмотрите одно из наших старых видео, где мы параметризировали форму и фасад театра Mercury, созданный бюро «Меганом»1.

Serpentine Pavilion, 2016

Авторы: BIG

  •  
  •  
  •  
  •  
  •  
Serpentine Pavilion, BIG, 2016. Фото: Laurian Ghinitoiu

В 2016 году павильон для галереи Serpentine спроектировало бюро BIG. Архитекторы создали сложную динамичную форму, сложив блоки из стекловолокна наподобие кирпичей со смещением относительно друг друга. Конструкция стен напоминала классический стеллаж — полупрозрачную структуру, которая выглядит по-разному в зависимости от угла зрения.

Основное пространство павильона образовано двумя криволинейными поверхностями стен, сходящихся вверх к одной общей прямой грани. Толщина этих стен динамически менялась на протяжении всей длины павильона благодаря использованию блоков разной глубины. Такая логика построения формы предполагала почти бесконечное количество вариантов: контуры стен фактически могли быть любыми, равно как и их толщина.

Для поиска самого удачного решения архитекторы использовали детальную параметрическую модель, в которой размер каждого отдельного блока и его крепления, а также толщина стенок менялись в зависимости от нескольких кривых и положения блока по вертикали. Чем ниже блок, тем больше толщина его стенок, и наоборот. Полые блоки позволили снизить конструктивную нагрузку и оптимизировать вес павильона. Для этого использовались стандартные инструменты Grasshopper.

IaaC, Fab Lab House, 2010

Авторы: Команда архитекторов и инженеров из института IaaС, MIT Center For Bits and Atoms, мастерских Fab Lab и др.

Fab Lab House                                                                                                                                

Про то, как алгоритмические инструменты использовались на этапе анализа во время создания дома-павильона IaaC, мы уже писали в предыдущей статье, а сейчас расскажем об их использовании при разработке проекта. 

Архитекторы построили параметрическую модель общей формы дома и, имея в руках мощные инструменты для анализа инсоляции, определили её оптимальные параметры. В качестве отправной точки для формы будущего павильона был выбран параболоид — это геометрическое тело очень компактно и имеет наименьшую площадь поверхности, а следовательно и минимальные теплопотери. Хотя с точки зрения теплопотерь параллелепипед того же объёма был бы намного менее эффективным решением, с точки зрения классических строительных технологий он был бы более эффективным. Но благодаря использованию технологий цифрового производства в проекте IaaC и Fab Lab House это не было решающим фактором.

С помощью анализа различных конфигураций модели архитекторы подобрали оптимальные параметры параболоида, при которых количество попадающей на оболочку солнечной энергии было бы максимальным.

Чтобы показать универсальность своего подхода, авторы определили оптимальные формы подобных павильонов ещё для двух городов, кроме родного Мадрида: Рейкьявика (Исландия) и Найроби (Кения). Формы оказались совершенно разными. Тем самым команда продемонстрировала, что Fablab House — не просто проект конкретного дома, а метод, применимый для строительства и в других условиях.

Fab Lab House: анализ различных конфигураций модели для разных климатических условий                                                                                                                                

Генерация решений

Архитекторы пошли дальше создания параметрической модели в цифровой среде. Имея в руках мощные вычислительные возможности алгоритмических инструментов, архитекторы начали использовать их для автоматической генерации различных решений и выбора оптимального.

Принципиальное отличие такого генеративного дизайна от классического подхода к проектированию заключается в том, что он избавляет архитектора от ручного перебора множества вариантов решения задачи. Не зная заранее, каким будет итоговый результат, архитектор приближается к нему путём создания алгоритма для автоматической генерации и оценки решений. Звучит довольно утопично, но эксперименты с таким подходом продолжаются уже около 20 лет.

Для генерации решений существует множество различных технологий: от эволюционных алгоритмов до использования агентных систем. О каждой из них подробнее расскажем на примерах.

Floe, 2018

Авторы: Roland Snooks и Philip Samartzis

Временная инсталляция Floe австралийского архитектора и исследователя Роланда Снукса (Roland Snooks) хоть и не называется павильоном, но по объёму и концепции вполне вписывается в ряд проектов этой типологии. Инсталляция была выставлена в Национальной галерее Виктории в Мельбурне. 

Роланд Снукс уже 17 лет исследует возможности технологий для генерации форм, сопоставимых по сложности с природными объектами. Для этого, как и многие другие, он использует агентные системы — в частности алгоритмы симуляции стайного поведения (swarm behaviour), с помощью которых можно генерировать сложные и непредсказуемые формы. Как это работает? Представьте себе, что вы можете программировать логику поведения в воздухе отдельной птицы (агента) и её реакцию на других птиц в стае. А потом, запустив симуляцию движения целой стаи (агентную систему), зафиксировать траекторию ее перемещений в пространстве — получится сложная и элегантная скульптура, не лишенная при этом внутренней логики и гармонии, присущей движению настоящей птичьей стаи, но незаметной на уровне каждой отдельной птицы.  

Этот принцип наглядно показан в видеоразборе Processes — этот генеративный проект художника Кейси Риаса (Casey Reas) иллюстрирует, как работают агентные системы в 2D. После просмотра можно послушать самого Роланда Снукса, рассказывающего о симуляции агентных систем уже в пространстве.

Однако генерация подобных форм без возможности их производства и реализации проекта имеет мало смысла (этот этап архитекторы прошли ещё 2010-х). Поэтому сегодня в логику алгоритмов закладываются и возможности производства.

Инсталляция Floe, напоминающая по образу антарктический айсберг, стала самой масштабной реализацией Роланда Снукса, основанной на возможностях агентных систем, — ей предшествовало множество спекулятивных проектов и несколько объектов интерьера. В своих экспериментах Снукс на первых этапах использует возможности Rhino и Grasshopper, а для более серьёзных разработок — программирование в среде Processing. Также агентные системы можно программировать и с помощью Grasshopper, например на языках С++2 или Python3. Для начала чтобы понять, как работают агентные системы в среде Grasshopper, можно использовать готовые плагины — Culebra, Boid Library и Quelea.

  •  
  •  
  •  
Инсталляция Floe, Roland Snooks и Philip Samartzis

White Noise Pavilion, 2010–2011

Авторы: Soma Architecture

  • White Noise Pavilion на биеннале музыки в Зальцбурге. Soma Architecture, 2010–2011  
  •  
  • Интерьер White Noise Pavilion  
  •  

White Noise Pavilion был создан для Зальцбургской биеннале музыки. Концепт Soma Architecture выиграл двухэтапный конкурс: команда провела параллель между музыкой и архитектурой, опираясь на то, что в обоих искусствах есть свои правила и их вариации. На протяжении нескольких лет павильон переезжал между европейскими городами.

Издалека павильон кажется единым целым, а вблизи — сложным набором из множества повторяющихся элементов. Самонесущая оболочка павильона создана из 6-метровых алюминиевых профилей, расположение которых было определено при помощи набора правил агрегации — организации хаотичного скопления элементов в упорядоченную систему, согласно определенными правилам их взаимодействия друг с другом и их окружением. 

  • Поиск оптимальной формы павильона с помощью эволюционного алгоритма  
  • Сборка павильона White Noise  
  • Схема сборки павильона: 5 монтажных модулей  
  • Сборка одного из модулей павильона  

Для проектирования использовался эволюционный алгоритм. Сначала была создана параметрическая модель, позволяющая создать множество вариаций внешних оболочек, а затем эволюционный алгоритм генерировал случайные варианты оболочек и анализировал их при помощи плагина, рассчитывающего нагрузки. Алгоритм отсеивал неудачные варианты и модифицировал удачные: в результате была выбрана самая оптимальная форма с минимальным количеством элементов и их соединений. Осуществить сборку сложной конструкции помогла автоматическая нумерация каждой детали. 

Смоделировать такой павильон вручную было бы невозможно: конструкция здесь напрямую связана с эволюционным алгоритмом. Архитекторы создали правило, описывающее геометрические свойства павильона, и задали границы для вариаций ради соответствия эстетике, которую они хотели получить. Каждая из вариаций была проанализирована благодаря плагину Karamba для структурного анализа в Grasshopper.


Способы использования Grasshopper для разработки проектов можно разделить на 3 сценария в зависимости от того, до какой степени предопределён результат. Это деление условно — есть много других вариантов классификации возможностей Grasshopper, но именно такая связь сценариев инструмента с разработкой проекта кажется нам наиболее удачной для знакомства с возможностями среды Grasshopper.

В следующем материале мы разберём возможности алгоритмических инструментов для презентации архитектурных проектов.


Все материалы цикла:

Часть 1. Анализ и симуляция
Часть 2. Проектирование 
Часть 3. Подача проекта и реализация

Наш сайт использует файлы cookie. Продолжая использовать сайт, вы даёте согласие на работу с этими файлами.