Применение искусственного интеллекта и машинного обучения для BIM
https://doi.org/10.21285/2227-2917-2025-3-586-599
EDN: SCUGCI
Аннотация
Контроль качества является неотъемлемым компонентом процессов информационного моделирования зданий в архитектурном проектировании. На каждом этапе жизненного цикла объекта требуется систематический сбор и мониторинг ключевых показателей. Технология BIM, основанная на интенсивном использовании данных, предполагает применение сложных вычислительных методов, таких как обработка изображений и анализ больших массивов информации. В этом контексте искусственный интеллект и машинное обучение доказали свою эффективность в автоматизации задач и извлечении ценных инсайтов как в России, так и за рубежом. Эти технологии также позволяют прогнозировать необходимость технического обслуживания и контроля качества с высокой точностью, определяя оптимальные временные и пространственные параметры. В данной статье проводится анализ современных подходов к интеграции искусственного интеллекта и машинного обучения в архитектурном проектировании, а также обсуждаются перспективы и вызовы, связанные с внедрением этих технологий в архитектурное проектирование, строительство и ландшафтный дизайн. Цель исследования — сформировать комплексное представление о текущих потребностях архитектуры и отрасли строительства и влиянии искусственного интеллекта и машинного обучения на их развитие, а также определить направления для дальнейших научных изысканий. Особое внимание уделяется оперативным системам, способным решать сложные задачи и обучаться на основе данных, что обеспечивает высокую точность в выявлении закономерностей и прогнозировании жизненного цикла объектов, особенно при обработке значительных объемов информации.
Об авторах
П. A. ПичуговРоссия
Пичугов Павел Алексеевич, аспирант
454080, г. Челябинск, пр. Ленина, 76
С. Г. Шабиев
Россия
Шабиев Салават Галиевич, доктор архитектуры, профессор, заведующий кафедрой архитектуры
454080, г. Челябинск, пр. Ленина, 76
Author ID: 476175
Список литературы
1. Костюнина Т.Н. Технологии искусственного интеллекта в задачах BIM // BIM-моделирование в задачах строительства и архитектуры. Материалы II Международной научно-практической конференции (г. Санкт-Петербург, 15–17 мая 2019 г.). СПб, 2019. С. 80–85. https://doi.org/10.23968/BIMAC.2019.014. EDN: KAYEKZ.
2. Anjum A., Hrairi M., Aabid A., Yatim N., Ali M. Civil Structural Health Monitoring and Machine Learning: A Comprehensive Review // Fracture and Structural Integrity. 2024. Vol. 18. Iss. 69. P. 43–59. https://doi.org/10.3221/IGF-ESIS.69.04.
3. Bishop Ch.M. Pattern Recognition and Machine Learning. Springer: New York City, 2006. 746 p.
4. Mannino A., Claudio Dejaco M., Re Cecconi F. Building Information Modelling and Internet of Things Integration for Facility Management – Literature Review and Future Needs // Applied Sciences. 2021. Vol. 11. Iss. 7. P. 1–25. https://doi.org/10.3390/app11073062.
5. Alavi H., Gordo-Gregorio P., Forcada N., Bayramova A., Edwards D.J. AI-Driven BIM Integration for Optimizing Healthcare Facility Design // Buildings. 2024. Vol. 14. Iss. 8. P. 1–15. https://doi.org/10.3390/buildings14082354.
6. Halawa F., Madathil S.C., Khasawneh M.T. Integrated Framework of Process Mining and Simulation–Optimization for Pod Structured Clinical Layout Design // Expert Systems with Applications. 2021. Vol. 185. P. 1–17. https://doi.org/10.1016/j.eswa.2021.115696.
7. Rakha T., Gorodetsky A. Review of Unmanned Aerial System (UAS) Applications in The Built Environment: Towards Automated Building Inspection Procedures Using Drones // Automation in Construction. 2018. Vol. 93. P. 252–264. https://doi.org/10.1016/j.autcon.2018.05.002.
8. Alizadehsalehi S., Hadavi A., Huang J.C. From BIM to Extended Reality in AEC Industry // Automation in Construction. 2020. Vol. 116. P. 1–13. https://doi.org/10.1016/j.autcon.2020.103254.
9. Ammar A., Nassereddine H., Abdulbaky N., Aboukansour A., Tannoury J., Urban H. et al. Digital Twins in the Construction Industry: A Perspective of Practitioners and Building Authority // Frontiers in Built Environment. 2022. Vol. 8. P. 1–23. https://doi.org/10.3389/fbuil.2022.834671.
10. Gal R., Alaluf Yu., Atzmon Yu., Patashnik Or, Bermano A.H., Chechik G. et al. An Image is Worth One Word: Personalizing Text-to-Image Generation using Textual Inversion // ICLR. 2023. P. 1–31. https://doi.org/10.48550/arXiv.2208.01618.
11. Radford A., Jong Wook Kim, Hallacy Ch., Ramesh A., Goh G., Agarwal S. et al. Learning Transferable Visual Models from Natural Language Supervision // Proceedings of the 38th International Conference on Machine Learning. 2021. Vol. 139. P. 1–16.
12. Ramesh A., Pavlov M., Goh G., Gray S., Voss Ch., Radford A. et al. Zero-Shot Text-to-Image Generation // PMLR. 2021. P. 8821–8831. https://doi.org/10.48550/arXiv.2102.12092.
13. Ramesh A., Dhariwal P., Nichol A., Chu C., Chen M. Hierarchical Text-Conditional Image Generation with CLIP Latents // Cornell University Arxiv. 2022. Vol. 1. Iss. 2. P. 1–27. https://doi.org/10.48550/arXiv.2204.06125.
14. Seneviratne S., Senanayake D., Rasnayaka S., Vidanaarachchi R., Thompson J. DALLE-URBAN: Capturing The Urban Design Expertise of Large Text to Image Transformers // 2022 International Conference on Digital Image Computing: Techniques and Applications. 2022. P. 1–9. https://doi.org/10.1109/DICTA56598.2022.10034603.
15. Paananen V., Oppenlaender J., Aku Visuri Using Text-to-Image Generation for Architectural Design Ideation // International Journal of Architectural Computing. 2024. Vol. 22. Iss. 3. P. 458–474. https://doi.org/10.1177/14780771231222783.
16. Ploennigs J., Berger M. AI Art in Architecture // AI in Civil Engineering. 2023. Vol. 2. P. 1–11. https://doi.org/10.1007/s43503-023-00018-y.
17. Carlini N., Hayes J., Nasr M., Jagielski M., Sehwag V., Tramèr F. et al. Extracting Training Data from Diffusion Models // 32nd USENIX Security Symposium. 2023. P. 5253–5270. https://doi.org/10.48550/arXiv.2301.13188.
18. Ruiz N., Li Yu., Jampani V., Pritch Y., Rubinstein M., Aberman K. DreamBooth: Fine Tuning Text-toImage Diffusion Models for Subject-Driven Generation // Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2023. P. 22500–22510. https://doi.org/10.48550/arXiv.2208.12242.
19. Бамбетова К.В., Кабжихов А.А. Преимущества использования искусственного интеллекта в сфере строительства // Вопросы науки и образования. 2021. № 7. С. 32–34. EDN: WUYZDS.
20. Колчин В.Н. Специфика применения технологии «искусственного интеллекта» в строительстве // Инновации и инвестиции. 2022. № 3. С. 250–253. EDN: JJLECU.
21. Аманаков А.Х., Мурадова А.О., Сейдов А.И. Роль искусственного интеллекта в архитектурном проектировании: современные тенденции и перспективы // Вестник науки. 2024. Т. 2. № 4. С. 616–619. EDN: HCAAXA.
22. Жилин В.В., Сафарьян О.А. Искусственный интеллект в системах хранения данных // Вестник Донского государственного технического университета. 2020. Т. 20. № 2. С. 196–200. https://doi.org/10.23947/1992-5980-2020-20-2-196-200. EDN: JIQSQI.
23. Салех М.С. Внедрение цифровых методов на различных этапах архитектурного проектирования // Архитектура и современные информационные технологии. 2021. № 1. С. 268–278. https://doi.org/10.24412/1998-4839-2021-1-268-278. EDN: SKZHER.
24. Касьянов Н.В. Архитектура в контексте развития искусственного интеллекта // Современная архитектура мира. 2020. № 2. С. 23–48. https://doi.org/10.25995/NIITIAG.2020.15.2.002. EDN: FAWSUP.
25. Rombach R., Blattmann A., Lorenz D., Esser P., Ommer B. High-Resolution Image Synthesis with Latent Diffusion Models // 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2022. P. 10674–10685. https://doi.org/10.1109/CVPR52688.2022.01042.
26. Xiang Lisa Li, Percy Liang Prefix-Tuning: Optimizing Continuous Prompts for Generation // Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing. 2021. Vol. 1. P. 4582–4597. https://doi.org/10.18653/v1/2021.acl-long.353.
27. Huang Weixin., Zheng Hao Recognition and Generation of Architectural Drawings Using Machine Learning // Proceedings of the 38th Annual Conference of the Association for Computer-Aided Design in Architecture. 2018. P. 18–20. https://doi.org/10.52842/conf.acadia.
28. Taesung Park, Ming-Yu Liu, Ting-Chun Wang, Jun-Yan Zhu Semantic Image Synthesis with SpatiallyAdaptive Normalization // 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2019. P. 2332–2341. https://doi.org/10.1109/CVPR.2019.00244.
29. Fürst A., Rumetshofer E., Tran V.T., Ramsauer H., Tang F., Lehner J. et al. CLOOB: Modern Hopfield Networks with InfoLOOB Outperform CLIP // ICLR 2022. 2022. P. 1–45.
Рецензия
Для цитирования:
Пичугов П.A., Шабиев С.Г. Применение искусственного интеллекта и машинного обучения для BIM. Известия вузов. Инвестиции. Строительство. Недвижимость. 2025;15(3):586-599. https://doi.org/10.21285/2227-2917-2025-3-586-599. EDN: SCUGCI
For citation:
Pichugov P.A., Shabiev S.G. Application of artificial intelligence and machine learning for BIM. Izvestiya vuzov. Investitsii. Stroitelstvo. Nedvizhimost. 2025;15(3):586-599. (In Russ.) https://doi.org/10.21285/2227-2917-2025-3-586-599. EDN: SCUGCI