BIMScript: Material-Aware Structured Scene Programs for BIM Ingestion
BIMScript 引入了一种具备材料感知能力的结构化语言模型，能够将场景重构为具有精确几何形状和材料属性的可编辑、语义显式程序，从而实现高速生成并直接端到端地导入 Revit 等 BIM 工具，以进行可持续的资产管理。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
我们周围的建筑环境——我们工作的办公室、我们居住的家园以及我们就读的学校——承担了全球大量材料使用和碳排放的份额。到2050年时，大多数现存的建筑在今天就已经矗立在那里了，这意味着我们星球的未来很大程度上取决于我们如何管理、翻修或最终拆解这些现有的结构。为了有效地做到这一点，建筑师和工程师需要一张关于实际存在物体的精确数字地图。这张地图被称为建筑信息模型，简称BIM。与简单的照片或基础的3D绘图不同，BIM是对每一面墙、每一扇门和每一扇窗户的智能且详细的描述，包括它们的材质以及磨损程度。为现有建筑创建这些模型目前是一项缓慢且枯燥的工作，需要测量员扫描房间，然后由建模人员手动追踪每一个物体，这一过程对于单栋建筑可能需要数天或数周的时间。
丹麦奥尔堡大学的研究人员开发了一种新方法来加速这一过程，将缓慢的手动工作转变为像读取计算机程序一样自动化的过程。他们将这个系统称为BIMScript。该系统并没有尝试构建一个代表房间的三角形网格，而是通过查看空间的3D扫描图，并编写一份简短的指令列表，就像一份食谱一样，告诉计算机如何精确地重建该房间。这些指令会说诸如“在这里造一面墙”、“在那里放一扇门”以及“用木板饰面完成这面墙”之类的话。这项突破在于，系统不仅能推测房间的形状，还能识别出每个物体的材料和状况，例如一面墙是处于良好状态的涂漆灰泥墙，还是门是由全新的复合材料制成的。这种细致程度至关重要，因为了解建筑是由什么构成的，决定了加热它需要多少能量、建造它消耗了多少碳，以及它被回收的难易程度。
研究团队面临了三个主要障碍来实现这一目标。首先，他们需要系统不仅知道物体在哪里，还要知道它们是由什么组成的。之前的工具可以画出一面墙，但无法分辨它是砖块还是石膏板。为了解决这个问题，研究人员创建了一个包含超过190万个建筑部件样本的海量库，其中每个部件都标注了其材料和状况。他们使用一种强大的人工智能来训练系统，使系统能够观察扫描房间的照片并推测材料，从而有效地教会计算机仅通过观察扫描件中的纹理和颜色就能辨别木质护墙板与壁纸的区别。
其次，过程必须足够快，才能投入实用。生成这些指令的旧方法每间房需要耗费数秒，这对于大型项目来说太慢了。研究人员发现，延迟并不是因为计算机在进行过多的数学运算，而是因为它在反复启动和停止微小的任务。通过重新组织计算机处理这些任务的方式，他们将生成指令所需的时间缩减了三倍以上，降至每间房约一秒钟。这一改进使得系统能够处理整个建筑，从而实现交互式设计。
第三，系统需要足够精确，才能获得专业建筑师的信任。计算机最初将墙壁和门放置在一个每个方格宽5厘米的网格上。虽然这对于粗略草图很有用，但专业的建筑施工需要毫米级的精度。研究人员增加了一个最终步骤，让系统对每个元素的定位进行微调，以确保其位置完美契合扫描结果。他们通过将生成的指令直接输入到建筑师使用的专业建筑软件中进行了测试。该软件成功地利用合成数据创建了具有正确材料和尺寸的真实、可用的3D模型，证明了计算机生成的指令足以在受控环境下取代手动追踪。
其结果是一个能够在大约一秒钟内将建筑的原始3D扫描转化为智能、详细的数字孪生的系统。这个数字孪生不仅仅是一张图片；它是一个计算机可以读取并理解的结构化事实列表。由于建筑是以人类和机器都能理解的语言进行描述的，这为人工智能协助复杂决策打开了大门。例如，城市规划师可以要求系统找出该地区所有状况较差的木门，或者在无需实地考察的情况下计算一栋建筑材料的总碳足迹。研究人员验证了这种方法在合成数据上的有效性，并证明其输出可以导出到标准的行业格式，尽管向现实世界扫描件的泛化仍是一个开放性的挑战。通过自动化创建这些详细的模型，该系统为理解、管理和可持续地改善现有的庞大建筑存量提供了一种切实可行的方法，将一项缓慢的手动琐事转变为一个快速、智能的过程。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。