Introducción
En la última década, la inteligencia artificial (IA) se ha aplicado cada vez más al diseño de interiores arquitectónicos y a la optimización del diseño de hogares inteligentes. La planificación del espacio interior —determinar la disposición de las habitaciones, el mobiliario y las funciones— es un problema complejo debido a su naturaleza combinatoria y a la necesidad de equilibrar la estética, la funcionalidad y las preferencias de los usuarios.
Tradicionalmente, los arquitectos se basaban en la experiencia, las reglas empíricas y los ajustes manuales iterativos de los diseños. Los recientes avances en aprendizaje automático, visión artificial, diseño generativo y algoritmos de optimización han permitido procesos de diseño más automatizados e inteligentes.
Esta revisión destaca los principales avances, métodos y tendencias entre 2015 y 2025, centrándose en la investigación académica.
Fundamentos iniciales (enfoques basados en el conocimiento) : los primeros sistemas se basaban principalmente en reglas o en la optimización. : métodos clave: satisfacción de restricciones, recocido simulado, algoritmos genéticos. : Merrell et al. (2011): herramienta interactiva de disposición de muebles que utiliza reglas de diseño.
- Yu et al. (2011): disposición automática de muebles con búsqueda estocástica.
- Retos: dificultad para adaptarse a nuevos estilos y codificar reglas complejas.
Auge del diseño basado en datos (2015-2020)
- Cambio de modelos basados en reglas a modelos basados en datos.
- Los modelos de aprendizaje automático comenzaron a aprender a partir de grandes conjuntos de datos de diseño.
- Principales avances:
- Se utilizaron CNN para analizar y clasificar planos de planta y estilos de interiores.
- El conjunto de datos RPLAN permitió el entrenamiento de modelos neuronales para generar diseños.
- HouseGAN (2019-2020): utilizó GAN para generar diseños completos de apartamentos a partir de bocetos.
- LayoutGAN y modelos basados en transformadores aplicados para la generación secuencial de diseños.
- Ventajas: mayor realismo y velocidad; aprendizaje automático de los principios de diseño.
- Inconvenientes: naturaleza de caja negra, controlabilidad limitada.
Avances en diseño generativo y visualización
: centrado en la síntesis de muebles y escenas interiores en 2D y 3D. : modelos clave:
- SG-Net, ATISS (2020-2021): utilizó VAE y transformadores para diseños de habitaciones en 3D.
- Conjunto de datos 3D-FRONT (2021): más de 18 000 habitaciones con mobiliario y semántica.
- SceneHGN: representaciones jerárquicas de escenas aprendidas.
- IA basada en imágenes:
- GAN y modelos de difusión (por ejemplo, Stable Diffusion) utilizados para la representación de estilos e ideas de diseño fotorrealistas.
- Tanasra et al. (2023): utilizó GAN para colocar automáticamente muebles en diseños vacíos.
- La IA comenzó a apoyar la creatividad y la ideación en los flujos de trabajo de diseño.
Aprendizaje por refuerzo y optimización del diseño (2020-2025)
- La planificación de la distribución del espacio como una tarea de toma de decisiones secuencial.
- SpaceLayoutGym (2024): entorno de aprendizaje por refuerzo para la subdivisión y optimización de espacios.
- Los agentes PPO y DQN aprendieron a optimizar las restricciones y la circulación.
- RL multiagente (2025): los agentes colaboraron para asignar habitaciones, ajustar tamaños y optimizar funciones.
- Marco Haisor (2024): garantizó la navegación humana, la comodidad y la accesibilidad en la colocación de los muebles.
- IGA+DE (2025): optimizador de diseño híbrido evolutivo-interactivo con un 95 % de utilización del espacio.
Diseño centrado en el usuario e integración en hogares inteligentes
: de diseños estáticos a sistemas de diseño dinámicos y personalizados. : plataformas de diseño colaborativo entre humanos e IA utilizadas:
- Entradas de bocetos
- Palabras clave de estilo
- Indicaciones en lenguaje natural
- La IA se convirtió en un asistente interactivo en lugar de un sustituto.
- Integración con sensores domésticos inteligentes:
- Diseños ajustados en función del movimiento y el comportamiento del usuario.
- Utilizado para el cuidado de personas mayores, la prevención de caídas y la eficiencia energética.
- IA ética y centrada en el ser humano:
- Consideraciones de transparencia, explicabilidad y accesibilidad.
- IA alineada con los objetivos y valores del usuario.
Conjuntos de datos y marcos
- RPLAN, 3D-FRONT, SUNCG, LIFULL Home: conjuntos de datos esenciales.
- Marcos de código abierto:
- SpaceLayoutGym para RL
- Herramientas industriales: PlanFinder, Finch3D
- Métricas de evaluación:
- Utilización del espacio
- Precisión del gráfico de adyacencia
- Eficiencia de circulación
- Puntuaciones de satisfacción de los usuarios
Tendencias recientes y orientaciones futuras
- Inteligencia híbrida: combinación de aprendizaje automático, optimización y retroalimentación humana.
- Los modelos de difusión y los transformadores están estableciendo nuevos puntos de referencia en cuanto al rendimiento.
- Áreas de interés:
- Explicabilidad y control por parte del usuario
- Entornos adaptativos en tiempo real
- La IA como cocreadora en flujos de trabajo profesionales
Conclusión
Durante la última década, la IA en el diseño de interiores y la optimización del diseño de hogares inteligentes ha evolucionado desde la automatización básica hasta la colaboración inteligente. Las tendencias clave incluyen:
- Modelos de diseño basados en datos entrenados con conjuntos de datos a gran escala
- Aprendizaje por refuerzo para el perfeccionamiento secuencial del diseño
- Integración de los comentarios de los usuarios y los datos de hogares inteligentes
- Herramientas de visualización basadas en GAN y modelos de difusión
- Mayor énfasis en los valores humanos, la ética y la usabilidad.
La convergencia del aprendizaje profundo, la optimización y el conocimiento arquitectónico marca un momento transformador para el futuro de los entornos interiores.