Aiming to help researchers capture output from the early stages of engineering design projects, this article presents a new research tool for digitally capturing physical prototypes. The motivation for this work is to collect observations that can aid in understanding prototyping in the early stages of engineering design projects, and this article investigates if and how digital capture of physical prototypes can be used for this purpose. Early-stage prototypes are usually rough and of low fidelity and are thus often discarded or substantially modified through the projects. Hence, retrospective access to prototypes is a challenge when trying to gather accurate empirical data. To capture the prototypes developed through the early stages of a project, a new research tool has been developed for capturing prototypes through multi-view images, along with metadata describing by whom, why, when, and where the prototypes were captured. Over the course of 17 months, this research tool has been used to capture more than 800 physical prototypes from 76 individual users across many projects. In this article, one project is shown in detail to demonstrate how this capturing system can gather empirical data for enriching engineering design project cases that focus on prototyping for concept generation. The authors also analyze the metadata provided by the system to give understanding into prototyping patterns in the projects. Lastly, through enabling digital capture of large quantities of data, the research tool presents the foundations for training artificial intelligence-based predictors and classifiers that can be used for analysis in engineering design research.

中文翻译：

---

Protobooth：通过数字化捕获物理原型收集和分析早期工程设计项目中的原型设计数据

为了帮助研究人员从工程设计项目的早期阶段获取输出，本文介绍了一种用于以数字方式获取物理原型的新研究工具。这项工作的动机是收集有助于理解工程设计项目早期阶段原型制作的观察结果，本文研究是否以及如何将物理原型的数字捕获用于此目的。早期原型通常很粗糙，保真度低，因此经常被丢弃或通过项目进行大量修改。因此，在尝试收集准确的经验数据时，对原型的追溯访问是一项挑战。为了捕捉项目早期阶段开发的原型，开发了一种新的研究工具，用于通过多视图图像捕捉原型，以及描述原型被捕获的人、原因、时间和地点的元数据。在 17 个月的时间里，该研究工具已被用于从多个项目的 76 个个人用户那里获取 800 多个物理原型。在本文中，详细展示了一个项目，以演示该捕获系统如何收集经验数据以丰富工程设计项目案例，这些案例专注于概念生成的原型设计。作者还分析了系统提供的元数据，以了解项目中的原型模式。最后，通过对大量数据进行数字捕获，该研究工具为训练可用于工程设计研究分析的基于人工智能的预测器和分类器奠定了基础。捕获原型的原因、时间和地点。在 17 个月的时间里，该研究工具已被用于从多个项目的 76 个个人用户那里获取 800 多个物理原型。在本文中，详细展示了一个项目，以演示该捕获系统如何收集经验数据以丰富工程设计项目案例，这些案例专注于概念生成的原型设计。作者还分析了系统提供的元数据，以了解项目中的原型模式。最后，通过对大量数据进行数字捕获，该研究工具为训练可用于工程设计研究分析的基于人工智能的预测器和分类器奠定了基础。捕获原型的原因、时间和地点。在 17 个月的时间里，该研究工具已被用于从多个项目的 76 个个人用户那里获取 800 多个物理原型。在本文中，详细展示了一个项目，以演示该捕获系统如何收集经验数据以丰富工程设计项目案例，这些案例专注于概念生成的原型设计。作者还分析了系统提供的元数据，以了解项目中的原型模式。最后，通过对大量数据进行数字捕获，该研究工具为训练可用于工程设计研究分析的基于人工智能的预测器和分类器奠定了基础。在 17 个月的时间里，该研究工具已被用于从多个项目的 76 个个人用户那里获取 800 多个物理原型。在本文中，详细展示了一个项目，以演示该捕获系统如何收集经验数据以丰富工程设计项目案例，这些案例专注于概念生成的原型设计。作者还分析了系统提供的元数据，以了解项目中的原型模式。最后，通过对大量数据进行数字捕获，该研究工具为训练可用于工程设计研究分析的基于人工智能的预测器和分类器奠定了基础。在 17 个月的时间里，该研究工具已被用于从多个项目的 76 个个人用户那里获取 800 多个物理原型。在本文中，详细展示了一个项目，以演示该捕获系统如何收集经验数据以丰富工程设计项目案例，这些案例专注于概念生成的原型设计。作者还分析了系统提供的元数据，以了解项目中的原型模式。最后，通过对大量数据进行数字捕获，该研究工具为训练可用于工程设计研究分析的基于人工智能的预测器和分类器奠定了基础。该研究工具已被用于从多个项目的 76 个个人用户那里获取 800 多个物理原型。在本文中，详细展示了一个项目，以演示该捕获系统如何收集经验数据以丰富工程设计项目案例，这些案例专注于概念生成的原型设计。作者还分析了系统提供的元数据，以了解项目中的原型模式。最后，通过对大量数据进行数字捕获，该研究工具为训练可用于工程设计研究分析的基于人工智能的预测器和分类器奠定了基础。该研究工具已被用于从多个项目的 76 个个人用户那里获取 800 多个物理原型。在本文中，详细展示了一个项目，以演示该捕获系统如何收集经验数据以丰富工程设计项目案例，这些案例专注于概念生成的原型设计。作者还分析了系统提供的元数据，以了解项目中的原型模式。最后，通过对大量数据进行数字捕获，该研究工具为训练可用于工程设计研究分析的基于人工智能的预测器和分类器奠定了基础。详细展示了一个项目，以展示该捕获系统如何收集经验数据以丰富工程设计项目案例，这些案例专注于概念生成的原型设计。作者还分析了系统提供的元数据，以了解项目中的原型模式。最后，通过对大量数据进行数字捕获，该研究工具为训练可用于工程设计研究分析的基于人工智能的预测器和分类器奠定了基础。详细展示了一个项目，以展示该捕获系统如何收集经验数据以丰富工程设计项目案例，这些案例专注于概念生成的原型设计。作者还分析了系统提供的元数据，以了解项目中的原型模式。最后，通过对大量数据进行数字捕获，该研究工具为训练可用于工程设计研究分析的基于人工智能的预测器和分类器奠定了基础。