Korai szabályalapú megközelítések (1970-es–1980-as évek)
Az alaprajztervezés automatizálásának törekvése már az 1970-es években megkezdődött. Az egyik első koncepcionális mérföldkő volt a shape grammars (alakgrammatikák) bevezetése Stiny és Gips által 1971-ben – ez egy formális, szabályalapú rendszer volt, amely rekurzív alakátalakítási szabályok segítségével generált terveket, többek között építészeti elrendezéseket. Ezek a korai megközelítések nagyrészt szimbolikusak vagy szabályvezéreltek voltak: például Friedman 1971-es munkája algoritmikus tértervezéssel kísérletezett, Mitchell 1976-os elméletében pedig egy módszert vázolt fel a lehetséges helyiségelrendezések felsorolására. Az 1970-es évek végén és az 1980-as években a kutatók szakértői rendszereket és heurisztikus szabályokat vizsgáltak a „térkiosztási probléma” megoldására. Shaviv 1974-es és 1987-es munkája a számítógépes térkiosztásról példázta a korszak logika-vezérelt módszereit az elrendezés tervezésében.
Optimalizálás és evolúciós módszerek (1990-es és 2000-es évek)
Az 1990-es években az építészetben alkalmazott mesterséges intelligencia a keresési és optimalizálási algoritmusok felé fordult, hogy kezelni tudja a tervek kombinatorikus komplexitását. John Gero és kollégái úttörő munkájukban evolúciós algoritmusokat vezettek be az alaprajzok tervezésébe: Jo és Gero (1996) genetikus algoritmusok segítségével szimuláltak egyszerű építészeti terveket, Rosenman és társai (1997) pedig ezt továbbfejlesztették a genetikus algoritmusok és a genetikus programozás kombinálásával. Az 1990-es évek végén több kutató is alkalmazott evolúciós stratégiákat térbeli konfigurációk generálására.
A 2000-es évek elejére a területen elterjedtek a heurisztikus módszerek, mint például a szimulált hőkezelés és a hibrid módszerek, amelyek az evolúciós algoritmusokat korlátprogramozással vagy alakgrammatikákkal kombinálták. Figyelemre méltó tendencia volt a többcélú optimalizálás alkalmazása a funkcionális követelmények és a teljesítménykritériumok közötti egyensúly megteremtése érdekében.
Adatvezérelt paradigmák és fontos fordulópontok (2010–2015)
A fordulópontot Paul Merrell és munkatársai 2010-ben megjelent, „Computer-Generated Residential Building Layouts” (Számítógéppel generált lakóépületek elrendezése) című tanulmánya jelentette. Ez a cikk bemutatta a Bayes-hálózatot, amelyet valós alaprajzok alapján tanítottak meg a szobák összeköttetési mintáinak megtanulására, valamint a tervrajz geometriájának sztochasztikus optimalizálási lépését. Ez a munka jelölte a korábbi tervezési adatokból tanuló referenciális módszerek kezdetét.
Ezt követően megjelentek az első gépi tanulási kezdeményezések az építészeti rajzok elemzésére és címkézésére. Ezek átmeneti évek voltak, amikor a hagyományos szabályalapú módszerek és az adatközpontú modellezés egymás mellett léteztek, várva a nagyobb adathalmazokat és a hatékonyabb tanulási keretrendszereket.
A mély generatív modellek forradalma (2016–2020)
A mélytanulásnak köszönhetően az automatizált alaprajz-generálás jelentős fejlődésen ment keresztül. Az RPLAN (2019) és a LIFULL Home Dataset nagy adathalmazok lehetővé tették a mély neurális hálózatok képzését. A kezdeti CNN-alapú módszereknek nehézséget okozott a többszobás konzisztencia, de a generatív ellentétes hálózatok (GAN-ok) megváltoztatták a helyzetet.
- House-GAN (2020): Bevezette a gráf-korlátozott GAN modellt, amely gráf neurális hálózatok segítségével generál elrendezéseket buborékdiagramokból.
- A Graph2Plan, FloorplanGAN és House-GAN++ modellek tovább javították a realizmust és az elrendezés koherenciáját.
- A modellek most már nagy pontosságú raszterizált alaprajzokat és pontos vektor alapú elrendezéseket is generálhatnak.
A feltételes generálás is fejlődött, lehetővé téve a elrendezés generálását rögzített határok között vagy a szomszédos helyiségek korlátai alapján.
Legújabb fejlesztések: gráfhálózatok, többszintes és diffúziós modellek (2021–2025)
A legújabb modellek fejlett architektúrák segítségével többszintes generálásra és elrendezés finomítására irányulnak:
- Building-GAN (2022) és Building-GNN (2023): Grafikus neurális hálózatok segítségével generálja a többszintes alaprajzokat.
- HouseDiffusion (2023): Zajszűréses diffúziót alkalmaz a buborékdiagramokból szobapoligonok generálására.
Az újabb modellek az építési előírásokat és a valós korlátokat integrálják a tervkészítésbe. A diffúziós modellek javítják a GAN-ok stabilitását, és az értékelési referenciaértékek is egységesebbé válnak.
Egyre nagyobb figyelmet kap a szövegfüggő generálás és a nagy nyelvi modellekkel (LLM) való integráció is a rövid értelmezés és a közös tervezés érdekében.
A jövő felé
Az alaprajzok létrehozására szolgáló mesterséges intelligencia fejlesztése a szimbolikus rendszerektől a mélytanulási modellekig fejlődött, amelyek egyszerű bemeneti adatokból életképes építészeti terveket képesek létrehozni.
Főbb fordulópontok:
- 1971: Alakú nyelvtanok
- 1990-es évek: Genetikus és optimalizációs algoritmusok
- 2010: Merrell bayesi elrendezés-szintézise
- 2020-as évek: Mély GAN-ok, diffúziós modellek és gráfhálózatok
A terület továbbra is az intelligens rendszerek felé halad, amelyek megértik az emberi tervezési szándékot és funkcionálisan érvényes, kreatív építészeti terveket hoznak létre. Az AI gyorsan az építészeti tervezés együttműködő partnerévé válik.