Tidiga regelbaserade metoder (1970-talet–1980-talet)
Strävan efter att automatisera planritningsdesign började redan på 1970-talet. En av de första konceptuella milstolparna var introduktionen av formgrammatik av Stiny och Gips 1971 – ett formellt regelbaserat system för att generera design, inklusive arkitektoniska layouter, via rekursiva formtransformationsregler. Dessa tidiga metoder var till stor del symboliska eller regelstyrda: till exempel försökte Friedman i sitt arbete från 1971 med algoritmisk rumsplanering, och Mitchells teori från 1976 beskrev en metod för att räkna upp möjliga rumsarrangemang. I slutet av 1970-talet och under 1980-talet utforskade forskare expertsystem och heuristiska regler för ”problemet med rumsfördelning”. Shavivs arbete 1974 och 1987 om datoriserad rumsfördelning exemplifierade tidens logikdrivna metoder för layoutplanering.
Optimering och evolutionära metoder (1990-talet–2000-talet)
Under 1990-talet skiftade AI inom arkitekturen mot sök- och optimeringsalgoritmer för att hantera den kombinatoriska komplexiteten i layouter. John Gero och hans kollegor var pionjärer inom området och introducerade evolutionära algoritmer för planlösningsdesign: Jo och Gero (1996) simulerade enkla arkitektoniska planer med hjälp av genetiska algoritmer, och Rosenman et al. (1997) utvidgade detta genom att kombinera genetiska algoritmer med genetisk programmering. Under slutet av 1990-talet tillämpade flera forskare evolutionära strategier för att generera rumsliga konfigurationer.
I början av 2000-talet såg man inom området en spridning av heuristiska metoder som simulerad annealing och hybridmetoder som kombinerade evolutionära algoritmer med begränsningsprogrammering eller formgrammatik. En märkbar trend var användningen av flermålsoptimering för att balansera funktionella krav med prestandakriterier.
Datadrivna paradigmer och viktiga vändpunkter (2010–2015)
En avgörande förändring kom med artikeln från 2010 av Paul Merrell et al., med titeln ”Computer-Generated Residential Building Layouts” (Datorgenererade planlösningar för bostadshus). Den introducerade ett Bayesiskt nätverk som tränats på verkliga planritningar för att lära sig mönster för rummens anslutningar, samt ett stokastiskt optimeringssteg för layoutgeometri. Detta arbete markerade början på referensmetoder som lär sig från tidigare designdata.
Därefter uppstod tidiga försök till maskininlärning för att analysera och märka arkitektritningar. Det var en övergångsperiod där traditionella regelbaserade metoder samexisterade med datadriven modellering, i väntan på större datamängder och mer kraftfulla inlärningsramverk.
Revolutionen inom djupa generativa modeller (2016–2020)
Tack vare djupinlärning gjordes betydande framsteg inom automatisk generering av planritningar. Stora datamängder som RPLAN (2019) och LIFULL Home Dataset möjliggjorde träning av djupa neurala nätverk. De första CNN-baserade metoderna hade svårt att upprätthålla konsistensen mellan flera rum, men generativa adversariala nätverk (GAN) förändrade landskapet.
- House-GAN (2020): Introducerade en grafbegränsad GAN för att generera layouter från bubbeldiagram med hjälp av grafiska neurala nätverk.
- Graph2Plan, FloorplanGAN och House-GAN++ förbättrade realismen och layoutens koherens ytterligare.
- Modellerna kunde nu generera både rasteriserade planritningar och exakta vektorbaserade layouter med hög precision.
Villkorlig generering utvecklades också, vilket möjliggjorde layoutgenerering inom fasta gränser eller baserat på begränsningar av rummens närhet till varandra.
Senaste framsteg: Grafenätverk, flervånings- och diffusionsmodeller (2021–2025)
De senaste modellerna är inriktade på generering av flervåningshus och förfining av layout med hjälp av avancerade arkitekturer:
- Building-GAN (2022) och Building-GNN (2023): Generera staplade planritningar med hjälp av grafiska neurala nätverk.
- HouseDiffusion (2023): Använder brusreducerande diffusion för att generera rumspolygoner från bubbeldiagram.
Nyare modeller integrerar byggnormer och verkliga begränsningar i layoutgenereringen. Diffusionsmodeller förbättrar stabiliteten jämfört med GAN, och utvärderingsbenchmarks är mer standardiserade.
Det finns också ett ökande fokus på textbaserad generering och integration med stora språkmodeller (LLM) för kortfattad tolkning och samdesign.
Mot framtiden
Utvecklingen av AI för generering av planritningar har gått från symboliska system till djupinlärningsmodeller som kan generera genomförbara arkitektoniska layouter utifrån enkla indata.
Viktiga vändpunkter:
- 1971: Formgrammatik
- 1990-talet: Genetiska algoritmer och optimeringsalgoritmer
- 2010: Merrells bayesianska layoutsyntes
- 2020-talet: Djupa GAN, diffusionsmodeller och grafnätverk
Området fortsätter att utvecklas mot intelligenta system som förstår människans designintentioner och producerar funktionellt giltiga, kreativa arkitektoniska planer. AI håller snabbt på att bli en samarbetspartner inom arkitektonisk design.