BIMScript: Material-Aware Structured Scene Programs for BIM Ingestion
BIMScript introduceert een materiaalbewust gestructureerd taalmodel dat scènes reconstrueert naar bewerkbare, semantisch expliciete programma's met precieze geometrie en materiaaleigenschappen, waarmee snelle generatie en directe, end-to-end ingestie in BIM-tools zoals Revit wordt bereikt voor duurzaam assetmanagement.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
De gebouwde omgeving om ons heen—de kantoren waar we werken, de huizen waarin we wonen en de scholen die we bezoeken—is verantwoordelijk voor een enorm aandeel in het wereldwijde materiaalgebruik en de koolstofemissies. De meeste gebouwen die in het jaar 2050 zullen bestaan, staan vandaag de dag al, wat betekent dat de toekomst van onze planeet sterk afhangt van hoe we deze bestaande structuren beheren, renoveren of uiteindelijk uit elkaar halen. Om dit effectief te doen, hebben architecten en ingenieurs een nauwkeurige digitale kaart nodig van wat er daadwerkelijk aanwezig is. Deze kaart wordt een Building Information Model, of BIM, genoemd. In tegenstelling tot een eenvoudige foto of een basis 3D-tekening, is een BIM een slimme, gedetailleerde beschrijving van elke muur, deur en raam, inclusief waar ze van gemaakt zijn en hoe versleten ze zijn. Het creëren van deze modellen voor bestaande gebouwen is momenteel een traag, tijdrovend werk dat vereist dat landmeters een kamer scannen en modelleurs vervolgens elk object handmatig moeten overtrekken, een proces dat dagen of weken kan duren voor een enkel gebouw.
Onderzoekers aan de Aalborg Universiteit in Denemarken hebben een nieuwe aanpak ontwikkeld om dit te versnellen, waarbij ze het trage handmatige werk hebben omgezet in een automatisch proces dat een gebouw leest als een computerprogramma. Ze noemen hun systeem BIMScript. In plaats van te proberen een mesh van driehoeken te bouwen om een kamer te representeren, kijkt hun systeem naar een 3D-scan van een ruimte en schrijft een korte lijst met instructies, vergelijkbaar met een recept, die een computer precies vertelt hoe de kamer opnieuw opgebouwd moet worden. Deze instructies zeggen dingen als "maak hier een muur", "plaats daar een deur" en "werk deze muur af met houten panelen". De doorbraak is dat het systeem niet alleen de vorm van de kamer raadt, maar ook de materialen en de staat van elk object bepaalt, zoals of een muur van geschilderd stucwerk in goede staat is of of een deur gemaakt is van composietmateriaal dat nieuw is. Dit niveau van detail is cruciaal omdat weten waar een gebouw van gemaakt is bepaalt hoeveel energie het kost om het te verwarmen, hoeveel koolstof er is gebruikt bij de bouw en hoe gemakkelijk het gerecycled kan worden.
Het team kreeg te maken met drie grote hindernissen om dit werkend te krijgen. Ten eerste moest het systeem weten waarvan dingen gemaakt waren, en niet alleen waar ze zich bevonden. Eerdere hulpmiddelen konden wel een muur tekenen, maar konden niet aangeven of het baksteen of gipsplaat was. Om dit op te lossen, creëerden de onderzoekers een enorme bibliotheek van meer dan 1,9 miljoen voorbeelden van gebouwonderdelen, waarbij elk stuk werd gelabeld met zijn materiaal en staat. Ze trainden hun systeem met behulp van een krachtige kunstmatige intelligentie die foto's van de gescande kamers kon bekijken en de materialen kon raden, waardoor de computer effectief leerde het verschil te herkennen tussen houten panelen en behang door enkel naar de textuur en kleur in de scan te kijken.
Ten tweede moest het proces snel genoeg zijn om nuttig te zijn. De oude manier van het genereren van deze instructies duurde enkele seconden per kamer, wat te traag is voor grote projecten. De onderzoekers ontdekten dat de vertraging niet kwam doordat de computer te veel wiskunde uitvoerde, maar omdat de computer tijd verspilde aan het steeds opnieuw starten en stoppen van kleine taken. Door de manier waarop de computer deze taken afhandelde te reorganiseren, verkortten ze de tijd die nodig is om de instructies te genereren met meer dan drie keer, waardoor het naar ongeveer één seconde per kamer ging. Deze verandering maakt het mogelijk om volledige gebouwen te verwerken binnen een tijdsbestek dat interactief ontwerp mogelijk maakt.
Ten derde moest het systeem nauwkeurig genoeg zijn om vertrouwd te worden door professionele bouwers. De computer plaatste aanvankelijk muren en deuren op een rooster waarbij elke vierkant 5 centimeter breed was. Hoewel dit goed is voor een ruwe schets, vereist professionele constructie nauwkeurigheid op millimeterniveau. De onderzoekers voegden een laatste stap toe waarbij het systeem minuscule aanpassingen maakt aan de positie van elk element, de locatie verfijnt zodat het perfect binnen de scan past. Ze testten dit door de gegenereerde instructies rechtstreeks in professionele bouwsoftware te laden die door architecten wordt gebruikt. De software creëerde succesvol echte, bruikbare 3D-modellen met de juiste materialen en afmetingen vanuit synthetische gegevens, wat bewees dat de door de computer gegenereerde instructies nauwkeurig genoeg zijn om handmatig overtrekken in gecontroleerde omgevingen te vervangen.
Het resultaat is een systeem dat een ruwe 3D-scan van een gebouw kan nemen en dit in ongeveer een seconde kan omzetten in een slimme, gedetailleerde digitale tweeling. Deze digitale tweeling is niet alleen een plaatje; het is een gestructureerde lijst met feiten die een computer kan lezen en begrijpen. Omdat het gebouw wordt beschreven in een taal die zowel mensen als machines kunnen lezen, opent dit de deur voor kunstmatige intelligentie om te helpen bij complexe beslissingen. Een stadsplanner kan bijvoorbeeld het systeem vragen om alle houten deuren in een district te vinden die in slechte staat zijn, of om de totale koolstofvoetafdruk van de materialen van een gebouw te berekenen zonder ooit de locatie te bezoeken. De onderzoekers hebben gevalideerd dat deze methode werkt op synthetische gegevens en dat de output kan worden geëxporteerd naar standaard industriële formaten, hoewel de generalisatie naar scans uit de echte wereld een openstaande uitdaging blijft. Door de creatie van deze gedetailleerde modellen te automatiseren, biedt het systeem een praktische manier om de enorme voorraad gebouwen die al bestaan te begrijpen, te beheren en duurzaam te verbeteren, waardoor een traag, handmatig karwei wordt omgezet in een snel, intelligent proces.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.