초기 규칙 기반 접근법 (1970년대–1980년대)
평면도 설계 자동화 연구는 1970년대 초반부터 시작되었다. 초기 개념적 이정표 중 하나는 1971년 Stiny와 Gips가 제안한 형상 문법으로, 재귀적 형상 변환 규칙을 통해 건축 레이아웃을 포함한 디자인을 생성하는 형식적 규칙 기반 시스템이었다. 이러한 초기 접근법은 대체로 기호적 또는 규칙 주도적이었다: 예를 들어, 프리드먼(Friedman)의 1971년 연구는 알고리즘적 공간 계획을 시도했으며, 미첼(Mitchell)의 1976년 이론은 가능한 방 배치를 열거하는 방법을 제시했다. 1970년대 후반과 1980년대에 이르러 연구자들은 "공간 할당 문제"를 위한 전문가 시스템과 휴리스틱 규칙을 탐구하기 시작했다. 샤비브(Shaviv)의 1974년 및 1987년 컴퓨터화된 공간 할당 연구는 당시 레이아웃 계획에 적용된 논리 기반 방법의 전형이었다.
최적화 및 진화적 방법 (1990년대–2000년대)
1990년대 건축 분야 인공지능은 배치의 조합적 복잡성을 처리하기 위해 검색 및 최적화 알고리즘으로 전환되었습니다. 존 게로(John Gero)와 동료들의 선구적 연구는 평면 설계에 진화 알고리즘을 도입했다: 조(Jo)와 게로(Gero, 1996)는 유전자 알고리즘을 이용해 단순한 건축 평면을 시뮬레이션했으며, 로젠만(Rosenman) 등은(1997) 이를 유전자 알고리즘과 유전자 프로그래밍을 결합하여 확장했다. 1990년대 후반 내내 다수의 연구자들이 공간 구성을 생성하기 위해 진화 전략을 적용했다.
2000년대 초반까지 이 분야에서는 시뮬레이션 어닐링과 같은 휴리스틱 방법과 진화 알고리즘을 제약 프로그래밍이나 형상 문법과 결합한 하이브리드 방법이 급증했다. 주목할 만한 추세는 기능적 요구사항과 성능 기준을 균형 있게 조정하기 위한 다목적 최적화의 활용이었다.
데이터 기반 패러다임과 주요 전환점 (2010–2015)
Paul Merrell 등의 2010년 논문 "컴퓨터 생성 주거용 건물 레이아웃(Computer-Generated Residential Building Layouts)"은 중대한 전환점이 되었다. 이 논문은 실제 평면도를 학습시켜 방 연결 패턴을 파악하는 베이즈 네트워크와 평면 기하 구조를 위한 확률적 최적화 단계를 소개했다. 이 연구는 기존 설계 데이터로부터 학습하는 참조 기반 방법의 시작을 알렸다.
이후 건축 도면을 분석하고 라벨링하기 위한 초기 기계 학습 시도가 등장했다. 이는 전통적인 규칙 기반 방법과 데이터 중심 모델링이 공존하며 더 큰 데이터셋과 강력한 학습 프레임워크를 기다리던 과도기적 시기였다.
딥 생성 모델 혁명 (2016–2020)
딥 러닝을 통해 자동 평면도 생성이 크게 발전했습니다. RPLAN(2019) 및 LIFULL Home Dataset과 같은 대규모 데이터셋이 딥 뉴럴 네트워크 훈련을 가능케 했다. 초기 CNN 기반 방법은 다중 공간 일관성 문제로 어려움을 겪었으나, **생성적 적대적 네트워크(GANs)**가 판도를 바꿨다.
- House-GAN (2020): 그래프 신경망을 활용해 버블 다이어그램으로부터 레이아웃을 생성하는 그래프 제약 GAN을 제안했습니다.
- Graph2Plan, FloorplanGAN, **House-GAN++**은 사실성과 레이아웃 일관성을 더욱 향상시켰습니다.
- 이제 모델은 래스터화된 평면도와 정밀한 벡터 기반 레이아웃을 모두 높은 충실도로 생성할 수 있습니다.
조건부 생성 기술도 발전하여 고정된 경계 내에서 또는 방 인접성 제약 조건에 기반한 레이아웃 생성이 가능해졌다.
최근 발전 동향: 그래프 네트워크, 다층 및 확산 모델 (2021–2025)
최근 모델들은 고급 아키텍처를 활용하여 다층 생성 및 레이아웃 정교화를 목표로 합니다:
- Building-GAN (2022) 및 Building-GNN (2023): 그래프 신경망을 활용해 층별 평면도를 생성합니다.
- HouseDiffusion (2023): 노이즈 제거 확산 모델을 적용해 버블 다이어그램으로부터 방의 다각형 구조를 생성합니다.
신규 모델들은 건축 규정과 현실 세계의 제약을 레이아웃 생성 과정에 통합합니다. 확산 모델은 GAN 대비 안정성이 향상되었으며, 평가 벤치마크도 더욱 표준화되었습니다.
또한 텍스트 기반 생성과 **대규모 언어 모델(LLMs)**과의 통합에 대한 관심이 높아지고 있으며, 이는 간략한 해석과 공동 설계를 위한 것입니다.
미래를 향하여
평면도 생성을 위한 인공지능 기술은 상징적 시스템에서 진화하여 단순한 입력으로부터 실행 가능한 건축 레이아웃을 생성할 수 있는 딥러닝 모델로 발전하였다.
주요 전환점:
- 1971: 형태 문법
- 1990년대: 유전 및 최적화 알고리즘
- 2010: 메렐의 베이지안 레이아웃 합성
- 2020년대: 딥 GAN, 확산 모델, 그래프 네트워크
건축 분야는 인간의 설계 의도를 이해하고 기능적으로 타당하며 창의적인 건축 계획을 생산하는 지능형 시스템으로 계속 진화하고 있다. 인공지능은 건축 설계에서 협력 파트너로 빠르게 자리매김하고 있다.