在平面路径合成中，需要设计其耦合曲线与预定轨迹匹配的机构；曲线到连杆的映射在四、六、八杆拓扑结构之间本质上是多对一的。我们通过对超过一百万个机制的精心策划的数据集进行模拟评估，解决了这一设计问题，报告了前向运动学和几何对齐后的Chamfer距离和动态时间规整。
我们将合成问题表述为条件自回归序列建模：联合坐标被均匀量化为标记，并由仅解码器的变换器生成，这个变换器使用目标曲线的变分自编码器（VAE）潜变量和一个显式的机制类型标记。训练结合了标记交叉熵与尊重箱内序结构的高斯平滑辅助损失。
在推理阶段，有限的潜噪声调度在每个噪声水平解码所有机制类型；我们保留按几何误差排序的前五个候选，生成多样且准确的机制家族，而无需查找数据集。在保留测试中，整体平均Chamfer距离为 $0.0132$，平均动态时间规整为 $0.153$；一个基于潜变量的 $k$-最近邻基线，在VAE空间中依赖于训练集邻居潜变量，使用相同的解码器达到匹配拓扑的平均Chamfer距离 $0.0071$ 和平均动态时间规整 $0.117$。
博主点评： 本文通过创新的离散自回归变换器，将条件建模与生成机制设计相结合，显著提高了路径合成的效率与准确性，展示了机器学习在工程设计中的潜力。