【总结】同济DigitalFUTURES-2022工作营-智能立面系统

2022年7月12日 95

非常荣幸参加本次DigitalFUTURES举办的工作营,这是诺亚团队首次参加同济DF国际工作营。过去的一周,诺亚团队和学员们积极地交流协作,收获了非常多感动。应该说从十几年前的NCF到如今的NOAH开发,我们一群人的初衷是希望能将参数化设计、智能化设计这些数字技术带给更多的建筑设计师们,将技术形成落地的应用成果。

当然这次交流也带来了丰厚的成果。那么,让我们来回顾一下本次的主题:基于深度学习+AI专家系统+RPA自动制图流程三种技术形态,共同组成建筑立面理解算法,我们先从诺亚的技术开源说起吧。

开源


智能生成千变万化立面风格的程序算法

开营之初,我们给73位学员分享了诺亚开发的新技术,基于自身第五代立面系统和图形RPA生成工具搭建的智能生成程序。这个程序可以快速的帮助我们调节参数的变量,生成各种立面构图和组合风格。

关于立面智能生成的算法框架,诺亚迭代了多次,现在已经是第五代了。这次升级的核心理念是希望把建筑师日常的建模操作和手动绘图工作,转变成一系列的数列,实现制图动作和数列之间的一一对应。如此一来我们也可以通过一串数列去指导一种定向风格立面模型的自动生成。

在这项技术的搭建过程中,我们试着将这种绘图PRA算法打包成Grasshopper的电池。通过内部的测试,它们可以在GH平台上快速地搭建各种立面风格算法,完整复刻建筑师的建模指令。

比如说在Sketchup中经常会用到的切面、推拉等操作、都可以形成一串固定的算法指令。这样的流程与一线建筑师日常绘图逻辑直线接轨,大幅度降低了大众建筑师对参数化技术的应用门槛。

以上就是我们对RPA搭建的思考,以立面自动化为基础,结合专家系统,通过数据的矩阵或序列去驱动更大的程序,使其生千成变万化的立面风格。这不仅仅是把建模过程数据化,更重要的意义是,这样做可以把三维模型和数据库进行结合,与更多如AI深度学习等复杂的数据应用算法程序建立链接。

探索


深度学习应用  |  立面特征分类识别

AI技术探索阶段:我们首先从互联网上获得了大量建筑立面的图片,并对这些立面进行风格解析。从建筑师的角度进行归纳,找出它们的共性特征。然后通过建筑师人工标记这些特征,对每张图片打下特征标签后放入AI深度学习程序中进行训练,之后会得到一个预训练模型,即AI深度学习的成果。这些训练后的算法能够在新的立面图片上判断是否存在建筑师标记过的这些特征。在此期间,我们总共采集了2200张图片作为深度学习的样本库。

AI对图像特征做出判断之后,专家系统会对其进行验算。根据建筑师对图片的认知,我们把预训练模型加载到专家系统中,让计算机自动组织RPA开始进行模型生成,生成识别特征所对应的立面构件和构图,实现从图片到建模的数据打通。

经过反复地训练发现,AI对部分特征是可以给出我们满意答案的。比如横竖线条构图、网格化构图、立面上的格栅、红砖表皮等等,都可以很容易提取出来。我们拿到这些数据后,就可以在RPA中把相应的构件库调用出来,进行完整的匹配。

交流


在技术的不同维度上进行广泛尝试

本次工作营,共有40余位学员深度参与了技术体验及扩展,年龄从20岁跨越到40岁。在交流的过程中,我们不同的技术形态、设计经验分成了6个组,进行了一次深度的技术交流。这段时间里,大家非常充实,非常投入。

最终大部分学员很好地展现了工作流程,包括从图片上提取立面特征,通过机器学习和专家系统的翻译,引导RPA程序自动生成匹配的立面模型。这期间每组都有不同的想法,主要是在建筑立面设计的逻辑组织上,包括特性的先后顺序、层次的顺序、变量的植入方式,这些都是大家在不同维度上进行的广泛尝试。

本次工作营有部分成员是参加过设计工作的,带着对工作场景的需求和想法与我们展开讨论。他们的题目更偏向于探讨整个系统在未来会带来的行业应用价值,比如说自动化立面造价预算、别墅屋面的识别生成尝试等等综合性的探讨。在探讨的过程中我们非常欣慰,因为可以明显地感受到大家对专家系统和RPA形态的认可,并且能够相对容易的在其之上嫁接各种各样的想法及应用。

总结


成功搭建三个技术的桥梁

总结一下,我们本次搭建了三个技术的桥梁,用AI图像识别技术去抓取建筑立面的特征信息,用建筑师的专家系统去控制整个生成系统的计算流程,最后用容易落地的参数化RPA自动化制图技术进行模型生成。

在整个技术数据转移的过程中,共分为四个比较重要的部分:

第一部分:特征数据采集阶段,这些立面特征存在着大量的不确定信息,所以采集的过程是麻木的。

第二部分:AI识别到的多个特征可以输出一种数据矩阵,这个矩阵应该被理解为一种模糊的不确定信息,需要再次进行专业经验上的校准,不能拿来直接使用。

第三部分:根据AI学习结果,专家系统可以利用建筑学逻辑,对其分析解读,得到能够指导RPA正确运行的标准答案。

第四部分:通过RPA标准化建模,可输出符合建筑学制图规范的模型。

以上就是大致流程,我们认为这样的技术结合前期可以很好地发挥AI的优势,后期也可以利用专家系统和RPA提高输出的质量。

以上就是我们本期工作营的内容,后续的研发工作我们也会持续播报给大家,感兴趣的朋友可以持续关注。

学员成果展示


F组:

E组:

D组:

C组:

B组:

以下是本次DF工作营学员参与名单,感谢大家的参与!

学员心得


工作营结束后,我们以问卷的形式收集了学员的心得体会。

从问卷中可以发现

专家系统和RPA自动化制图技术

已经被大家广泛认可

在实战潜力和接下来的探索方向中,诺亚团队很欣慰地看到,越来越多的小伙伴开始体会到专家系统以及RPA自动化制图技术本身价值和实战意义。这两方面也正是诺亚团队最擅长的,未来我们也会研发业内更多领域的专家系统,致力于提升整体行业效率,助力行业持续向前进步。

以下为问卷数据统计


此次工作营收到了学员们的一致好评

学员反馈

学员A:了解了诺亚的立面生成底层逻辑,学会了一套结合深度学习、专家系统、rpa自动化制图的立面生成流程。很高兴能跟老师同学们交流学习,内容值得工作营课后反复学习,获益匪浅。

学员B:很高兴能结识建筑数字化领域的伙伴,对AI和建筑数字化有更深入的了解。也听到了大家基于行业现状的各种不同看法和声音,希望以后这类交流越来越多。

学员C:很感谢诺亚此次的工作营活动,作为本科学生的我来说,让我对数字化设计和人机协同有了新的理解和认识,学习到了新知识,结识了一些大佬和朋友,收货满满~

学员D:了解RPA系统后,像是建立了一种新的对建筑认知方式,可以通过一种类似于语法的方式让计算机与设计师以及人工智能产生交互与联系

学员E:发现周边还有很多很多的大佬,在为这个领域开拓。感觉认识了很多志同道合的伙伴!希望在以后能有越来越多这样的伙伴能够一起为建筑参数化数字化贡献一份力量

学员F:学习了一整套的AI应用于实战的技术流程 跑通很多不同技术对接的技术点 因为学习技术不难 难的是如何对接不同的平台和软件 这点很有帮助!


当被问到未来3年内哪项技术最具科研潜力时

46.15%的人认为是AI深度学习

30.77%的人认为是AI专家系统

有23.8%的人认为是RPA自动化制图


当被问到未来3年内哪项技术最具实战潜力时

19.23%的人认为是AI深度学习

11.54%的人认为是AI专家系统

69.23%的人认为是RPA自动化制图


当被问到如果明年NCFZ继续参加DigitalFUTURES,更期待什么样的主题时

3.85%的人期待建筑立面理解的升级版

42.31%的人期待 其他AI算法技术的应用形态

50%的人期待 其他领域专家系统和RPA的开源


截止目前本次DF工作营已经圆满结束,对上述技术内容感兴趣并希望更深入研习的朋友也欢迎关注或许NCFZ暑期上线夏令营的相关安排。


精选评论

0 条

去评论