André Borrmann, a TUM vezető kutatója izgalmas betekintést nyújt az építőiparban alkalmazott tudásalapú mérnöki kutatásokba
A mesterséges intelligencia esetében már nem az a kérdés, hogy megváltoztatja-e az építőipart, hanem az, hogy mikor és hogyan. Milyen innovációk léteznek már a mesterséges intelligencia területén? Melyek a jelenlegi trendek? Hol vannak a lehetőségek, és hogyan lehet őket a jövőben a mérnökirodákban kihasználni?
Prof. Dr.-Ing. André Borrmann, a Müncheni Műszaki Egyetem Számítógépes Modellezés és Szimuláció Tanszékének vezetője, a világ egyik vezető kutatója az építőipar digitalizációja terén. A közelmúltban megrendezett ALLPLAN online rendezvényen, amelynek témája „A mesterséges intelligencia a szerkezettervezésben” volt, izgalmas betekintést nyújtott a mesterséges intelligenciával támogatott tudásalapú mérnöki munka jövőjébe.
A prompttól a BIM-modellig
A Müncheni Műszaki Egyetem számos AI-kutatási projektje közül az egyik a BIM CoPilot. „A projekt célja, hogy természetes emberi nyelvet használjon bemeneti adatként BIM-modellek generálásához” – magyarázza Borrmann. A kutatók egy sor különböző nagy nyelvi modellt (LLM) használnak, amelyek mindegyike „ügynökként” működik, és a modellezési folyamat egy-egy konkrét feladatáért felel.
Így működik: a felhasználók először természetes nyelven leírják az épületet (például egy kétemeletes irodaház egy adott homlokzattal). Az első ügynök ezt a leírást pontos utasításokká alakítja koordináták formájában, például a falak helyzetének és magasságának megadásával. Ez az ügynök konzultálhat egy építészeti AI ügynökkel is, hogy átfogó ismereteket szerezzen az épület szerkezetéről. Ezeket a részletes utasításokat ezután továbbítja egy programozó ügynöknek, aki API parancsokká alakítja őket egy modellező eszköz számára.
A kapott modellt a Solibri automatikusan ellenőrzi minőségi szempontból. Az ellenőrzés eredményeit visszaküldik visszajelzésként a programozó ügynöknek, így létrejön egy korrekciós hurok, amelynek eredményeként egyre jobb változatok készülnek az épületmodellből.
Borrmann hatalmas potenciált lát a generatív mesterséges intelligencia és a BIM kombinálásában, különösen mivel a modellezés továbbra is a tervezés legnagyobb kihívásai között szerepel. Az AI segítségével megvalósuló nagyobb automatizálás a jövőben segíthetne ezt a problémát leküzdeni.
Meglévő építmények digitalizálása AI segítségével
Borrmann és csapata számára egy másik fontos kutatási terület a meglévő építmények digitális rekonstrukciója. A meglévő építmények digitális ikertestvéreinek létrehozásának alapja azok geometriája, amelyet gyakran lézeres szkenneléssel vagy fotogrammetriával rögzítenek. Az így kapott pontfelhők azonban csak korlátozottan használhatók tervezési alapként.
„Ezért fejlesztettünk ki egy módszert, amely automatikusan képes kiváló minőségű digitális ikreket generálni ezekből a pontfelhőkből, konzisztens geometriával és szemantikával” – mondja Borrmann.
Ez is a tudásalapú mérnöki munkára támaszkodik. Először egy neurális hálózatot tanítanak be az emberi tudással arról, hogy például a hidak hogyan épülnek. Ennek alapján a pontfelhőt szemantikailag szegmentálják. „Az eredeti nyers pontfelhőt alpontfelhőkre osztjuk az egyes alkatrészek, például a felépítmények, a hídfő, a korlátok stb. szerint” – magyarázza Borrmann.
Ezt követi az úgynevezett „modellillesztés” lépés, amelyben előre konfigurált paraméteres objektumokat illesztünk az alpontfelhőkhöz egy optimalizáló algoritmus segítségével.
„Mivel a pontfelhőben nem minden látható, a hiányzó elemeket műszaki rajzokkal is kiegészítjük – szintén AI-alapú módszerekkel” – teszi hozzá. A rajzokat egy képfeldolgozásból származó, nagyon nagy pontosságú objektumfelismerő hálózat elemzi.
Az AI által generált digitális ikerhidak már elég pontosak sok valós alkalmazáshoz.
Az AI hatalmas potenciálja az építőiparban
Ez csak két példa a sok lehetséges AI-alkalmazás közül, amelyeken Borrmann és csapata dolgozik az építőiparban. „Véleményünk szerint az AI hatalmas potenciállal rendelkezik az építőiparban” – hangsúlyozza. Számtalan lehetséges felhasználási terület létezik, különösen az adatok értékelése és elemzése terén, például a pontfelhők feldolgozása. Hatalmas potenciál rejlik az asszisztens rendszerek segítségével végzett ismétlődő feladatok egyszerűsítésében is.
Óvatosságra intenek az AI használata során
Borrmann azonban óvatosságra is int: mivel ezek statisztikai módszerek, az eredmények természetüknél fogva bizonytalanok, és mindig képzett mérnököknek kell ellenőrizniük őket. Ugyanilyen fontos a képzési adatok minősége. Ha egy AI-t olyan feladattal bíznak meg, amelyre nem képezték ki kifejezetten, akkor nagy a hibalehetőség. Az AI használata során mindig szem előtt kell tartani ezeket a korlátokat.
