Text2BIM:基于大语言模型的多智能体框架生成建筑模型
本研究探讨了AI生成模型,特别是OpenAI的生成预训练变压器(GPT)系列,当与建筑信息建模(BIM)工具集成为交互式设计助手时的潜力。研究通过开发和实施三个关键组成部分来完成,最终验证了该方法的有效性。
Jun, 2023
该研究介绍了一个新的建筑设计框架,利用生成式人工智能工具,包括ChatGPT和Veras,结合参数化建模和建筑信息模型(BIM),提升设计流程。这个框架扩展了ChatGPT和生成式人工智能在三维建筑设计中的潜力,不仅限于在文本和二维图像生成方面的应用。通过整合ChatGPT用于脚本编写和Veras用于生成设计思路,并结合广泛使用的参数化建模和BIM工具,该框架为建筑师提供了直观而强大的方法来传达设计意图,从而实现更高效、创造性和协作性的设计流程。
Aug, 2023
本文介绍了一种用于辅助建筑师的系统,将大型点云转换为建筑的标准化数字表示,用于建筑信息建模(BIM)应用。系统通过自动地预测一系列建模编辑操作来帮助建筑师进行Scan-to-BIM过程,并且提供了建筑规模的Scan2BIM数据集以及重建质量和操作顺序的度量。
Nov, 2023
本研究提出了一种新颖的方法,将预训练的LLMs与有限元模块集成。FEM模块评估每个设计并提供必要的反馈,引导LLMs不断学习、规划、生成和优化设计,无需进行特定领域的训练。我们通过对桁架结构的迭代优化进行实证研究,展示了提出的框架的有效性,显示它能够根据结构化反馈和标准进行推理和改进设计。我们的结果显示,这些基于LLM的代理能够以高达90%的成功率生成符合自然语言规范的桁架设计,但成功率根据应用的约束条件而变化。我们通过采用基于提示的优化技术表明,当向LLM代理提供解决方案-评分对以迭代地改进设计以满足规范时,它们具备优化行为能力。LLM代理能够生成可行的设计并根据其内在推理能力进行优化的能力,突显其实现自主设计策略的潜力。
Apr, 2024
本论文介绍了SRBIM,这是一个统一的语义重建架构用于BIM生成,通过广泛的定性和定量评估证明了我们方法的有效性,为自动BIM建模建立了一个新的范式。
Jun, 2024
该研究探索了序贯推荐系统在加速BIM建模过程中的潜力,通过将BIM软件命令视为可推荐项目,引入了一种新颖的端到端方法,根据用户的历史交互预测下一个最佳命令,结果是在BIM创作工具Vectorworks中提供实时的命令建议。后续实验验证了我们提出的模型优于以往的研究,展示了推荐系统在提高设计效率方面的巨大潜力。
Jun, 2024
提出了一种基于LLM的自主代理框架,作为BIM作者工具中的副驾驶员,回答软件使用问题,理解用户的设计意图,并通过调用合适的工具自主执行建模任务,以此来应对日益复杂的BIM作者软件和昂贵的学习成本,实现与设计过程本身的精简互动。
Jun, 2024
使用大型语言模型 (LLMs) 创建建筑管理系统 (BMS) 的数据驱动模型,以实现自动化的数据处理和建模过程,减少人力成本。通过采用机器学习运营框架生成的代码模板,成功地生成高比例且准确的 Python 代码,并显著降低人力成本。
Jul, 2024
LLM4DESIGN是一个高度自动化的系统,通过多智能体系统培养创造力,通过检索增强生成(RAG)将设计与现实相关联,通过视觉语言模型(VLM)同步所有信息。该系统生成了连贯、多图文混合的设计方案,满足了叙事性故事讲述和客观绘图展示的双重需求,在城市更新设计领域表现出卓越性能。此外,研究创建了首个跨模态设计方案数据集,涵盖建筑、景观、室内和城市设计,为未来研究提供了丰富的资源。
Jun, 2024
本研究针对大型语言模型(LLMs)在软件工程领域的应用现状进行综述,通过整合外部资源和工具,大幅提升了LLM的能力。研究表明,基于LLM的代理可以有效应对复杂的现实软件工程问题,并为未来的研究方向提供了新的思路。
Sep, 2024