Abordagens iniciais baseadas em regras (décadas de 1970 e 1980)
A busca pela automatização do design de plantas baixas começou já na década de 1970. Um dos primeiros marcos conceituais foi a introdução das gramáticas de formas por Stiny e Gips em 1971 — um sistema formal baseado em regras para gerar projetos, incluindo layouts arquitetónicos, por meio de regras recursivas de transformação de formas. Essas abordagens iniciais eram em grande parte simbólicas ou orientadas por regras: por exemplo, o trabalho de Friedman de 1971 tentou o planeamento algorítmico do espaço, e a teoria de Mitchell de 1976 estabeleceu um método para enumerar possíveis disposições de salas. No final da década de 1970 e na década de 1980, os investigadores estavam a explorar sistemas especialistas e regras heurísticas para o «problema da alocação de espaço». O trabalho de Shaviv em 1974 e 1987 sobre alocação de espaço computadorizada exemplificou os métodos orientados pela lógica da época para o planeamento de layouts.
Otimização e métodos evolutivos (décadas de 1990 e 2000)
Na década de 1990, a IA na arquitetura mudou para algoritmos de pesquisa e otimização para lidar com a complexidade combinatória dos layouts. O trabalho pioneiro de John Gero e colegas introduziu algoritmos evolutivos para o design de plantas baixas: Jo e Gero (1996) simularam planos arquitetónicos simples usando algoritmos genéticos, e Rosenman et al. (1997) ampliaram isso combinando algoritmos genéticos com programação genética. Ao longo do final da década de 1990, vários pesquisadores aplicaram estratégias evolutivas para gerar configurações espaciais.
No início dos anos 2000, o campo viu uma proliferação de métodos heurísticos, como recozimento simulado e métodos híbridos que combinavam algoritmos evolutivos com programação de restrições ou gramáticas de formas. Uma tendência notável foi o uso da otimização multiobjetiva para equilibrar requisitos funcionais com critérios de desempenho.
Paradigmas orientados por dados e pontos de viragem importantes (2010–2015)
Uma mudança crucial ocorreu com o artigo de 2010 de Paul Merrell et al., intitulado «Computer-Generated Residential Building Layouts» (Plantas de edifícios residenciais geradas por computador). Ele introduziu uma rede bayesiana treinada em plantas baixas do mundo real para aprender padrões de conectividade entre cômodos e uma etapa de otimização estocástica para a geometria do layout. Esse trabalho marcou o início dos métodos referenciais que aprendem com dados de projetos anteriores.
Em seguida, surgiram os primeiros esforços de aprendizagem automática para analisar e rotular desenhos arquitetónicos. Foram anos de transição, em que os métodos tradicionais baseados em regras coexistiram com a modelação orientada por dados, à espera de conjuntos de dados maiores e estruturas de aprendizagem mais poderosas.
Revolução dos modelos generativos profundos (2016–2020)
Com o aprendizado profundo, a geração automatizada de plantas baixas teve um progresso significativo. Grandes conjuntos de dados, como RPLAN (2019) e LIFULL Home Dataset, permitiram o treinamento de redes neurais profundas. Os métodos iniciais baseados em CNN tiveram dificuldades com a consistência entre várias divisões, mas as Redes Adversariais Generativas (GANs) mudaram o panorama.
- House-GAN (2020): Introduziu uma GAN com restrições gráficas para gerar layouts a partir de diagramas de bolhas usando redes neurais gráficas.
- Graph2Plan, FloorplanGAN e House-GAN++ melhoraram ainda mais o realismo e a coerência do layout.
- Os modelos agora podem gerar plantas baixas rasterizadas e layouts precisos baseados em vetores com alta fidelidade.
A geração condicional também avançou, permitindo a geração de layouts dentro de limites fixos ou com base em restrições de adjacência de salas.
Avanços recentes: redes gráficas, modelos de múltiplos andares e difusão (2021–2025)
Os modelos recentes têm como alvo a geração de múltiplos andares e o refinamento do layout usando arquiteturas avançadas:
- Building-GAN (2022) e Building-GNN (2023): Geram plantas baixas empilhadas usando redes neurais gráficas.
- HouseDiffusion (2023): Aplica difusão de redução de ruído para gerar polígonos de divisões a partir de diagramas de bolhas.
Os modelos mais recentes integram códigos de construção e restrições do mundo real na geração de layouts. Os modelos de difusão melhoram a estabilidade em relação às GANs, e os benchmarks de avaliação são mais padronizados.
Há também um foco crescente na geração condicionada por texto e na integração com grandes modelos de linguagem (LLMs) para interpretação breve e co-design.
Rumo ao futuro O desenvolvimento da IA para geração de plantas baixas evoluiu de sistemas simbólicos para modelos de aprendizagem profunda capazes de gerar layouts arquitetónicos viáveis a partir de entradas simples.
Pontos de viragem importantes:
- 1971: Gramáticas de forma
- Década de 1990: Algoritmos genéticos e de otimização
- 2010: Síntese de layout bayesiana de Merrell
- Década de 2020: GANs profundas, modelos de difusão e redes gráficas
O campo continua a avançar em direção a sistemas inteligentes que compreendem a intenção do projeto humano e produzem planos arquitetónicos criativos e funcionalmente válidos. A IA está a tornar-se rapidamente um parceiro colaborativo no projeto arquitetónico.