Các phương pháp dựa trên quy tắc ban đầu (thập niên 1970–1980)
Cuộc tìm kiếm tự động hóa thiết kế mặt bằng bắt đầu từ những năm 1970. Một trong những cột mốc khái niệm đầu tiên là việc giới thiệu ngữ pháp hình dạng (shape grammars) bởi Stiny và Gips vào năm 1971 – một hệ thống dựa trên quy tắc chính thức để tạo ra các thiết kế, bao gồm bố cục kiến trúc, thông qua các quy tắc biến đổi hình dạng tái帰. Các phương pháp ban đầu này chủ yếu mang tính biểu tượng hoặc dựa trên quy tắc: ví dụ, công trình của Friedman vào năm 1971 cố gắng lập kế hoạch không gian theo thuật toán, và lý thuyết của Mitchell vào năm 1976 đề xuất một phương pháp để liệt kê các bố trí phòng khả thi. Đến cuối thập niên 1970 và 1980, các nhà nghiên cứu bắt đầu khám phá hệ thống chuyên gia và quy tắc heuristic cho "vấn đề phân bổ không gian". Công trình của Shaviv vào năm 1974 và 1987 về phân bổ không gian bằng máy tính là minh chứng cho các phương pháp dựa trên logic của thời kỳ đó trong lập kế hoạch bố trí.
Phương pháp tối ưu hóa và tiến hóa (thập niên 1990–2000)
Trong thập niên 1990, trí tuệ nhân tạo trong kiến trúc chuyển hướng sang các thuật toán tìm kiếm và tối ưu hóa để xử lý độ phức tạp kết hợp của các bố cục. Công trình tiên phong của John Gero và các đồng nghiệp đã giới thiệu thuật toán tiến hóa cho thiết kế mặt bằng: Jo và Gero (1996) mô phỏng các bản vẽ kiến trúc đơn giản bằng thuật toán di truyền, và Rosenman et al. (1997) mở rộng điều này bằng cách kết hợp thuật toán di truyền với lập trình di truyền. Trong suốt những năm cuối thập niên 1990, nhiều nhà nghiên cứu đã áp dụng các chiến lược tiến hóa để tạo ra các cấu hình không gian.
Vào đầu những năm 2000, lĩnh vực này chứng kiến sự bùng nổ của các phương pháp heuristic như thuật toán làm mát mô phỏng (simulated annealing) và các phương pháp lai ghép kết hợp thuật toán tiến hóa với lập trình ràng buộc hoặc ngữ pháp hình dạng. Một xu hướng đáng chú ý là việc sử dụng tối ưu hóa đa mục tiêu để cân bằng giữa các yêu cầu chức năng và tiêu chí hiệu suất.
Các mô hình dựa trên dữ liệu và những bước ngoặt quan trọng (2010–2015)
Một bước ngoặt quan trọng đã đến với bài báo năm 2010 của Paul Merrell và cộng sự, có tiêu đề “Các bố trí mặt bằng nhà ở do máy tính tạo ra”. Nghiên cứu này giới thiệu một mạng Bayesian được huấn luyện trên các bản vẽ mặt bằng thực tế để học các mẫu kết nối phòng, cùng với một bước tối ưu hóa ngẫu nhiên cho hình học bố trí. Công trình này đánh dấu sự khởi đầu của các phương pháp tham chiếu học từ dữ liệu thiết kế trước đó.
Sau đó, các nỗ lực ban đầu về học máy bắt đầu xuất hiện để phân tích và gắn nhãn cho các bản vẽ kiến trúc. Đây là giai đoạn chuyển tiếp, nơi các phương pháp dựa trên quy tắc truyền thống tồn tại song song với mô hình hóa dựa trên dữ liệu, chờ đợi các tập dữ liệu lớn hơn và các khung học máy mạnh mẽ hơn.
Cách mạng mô hình sinh thành sâu (2016–2020)
Với học sâu, việc tạo bản vẽ mặt bằng tự động đã đạt được tiến bộ đáng kể. Các bộ dữ liệu lớn như RPLAN (2019) và LIFULL Home Dataset đã cho phép đào tạo các mạng thần kinh sâu. Các phương pháp ban đầu dựa trên CNN gặp khó khăn trong việc duy trì tính nhất quán giữa các phòng, nhưng Mạng đối kháng sinh thành (GANs) đã thay đổi cục diện.
- House-GAN (2020): Giới thiệu mô hình GAN có ràng buộc đồ thị để tạo bố cục từ sơ đồ bong bóng bằng mạng thần kinh đồ thị.
- Graph2Plan, FloorplanGAN và House-GAN++ đã cải thiện đáng kể tính chân thực và sự nhất quán của bố cục.
- Các mô hình hiện có thể tạo cả bản vẽ sàn raster hóa và bố cục vector chính xác với độ chính xác cao.
Sinh ra điều kiện cũng được phát triển, cho phép tạo bố cục trong giới hạn cố định hoặc dựa trên các ràng buộc về sự liền kề của các phòng.
Những tiến bộ gần đây: Mạng đồ thị, mô hình nhiều tầng và mô hình lan truyền (2021–2025)
Các mô hình gần đây tập trung vào việc tạo ra các tầng và tinh chỉnh bố cục bằng cách sử dụng các kiến trúc tiên tiến:
- Building-GAN (2022) và Building-GNN (2023): Sử dụng mạng thần kinh đồ thị để tạo ra các bản vẽ mặt bằng xếp chồng.
- HouseDiffusion (2023): Áp dụng thuật toán khuếch tán loại bỏ nhiễu để tạo ra các đa giác phòng từ sơ đồ bong bóng.
Các mô hình mới tích hợp các quy chuẩn xây dựng và các hạn chế thực tế vào quá trình tạo bố cục. Các mô hình khuếch tán cải thiện độ ổn định so với GANs, và các tiêu chuẩn đánh giá đã được chuẩn hóa hơn.
Cũng có sự tập trung ngày càng tăng vào sinh thành dựa trên văn bản và tích hợp với các mô hình ngôn ngữ lớn (LLMs) cho việc giải thích tóm tắt và thiết kế chung.
Hướng tới tương lai
Sự phát triển của trí tuệ nhân tạo (AI) trong việc tạo bản vẽ mặt bằng đã tiến hóa từ các hệ thống biểu tượng sang các mô hình học sâu có khả năng tạo ra các bố cục kiến trúc khả thi từ các đầu vào đơn giản.
Các mốc quan trọng:
- 1971: Ngữ pháp hình dạng
- Thập niên 1990: Thuật toán di truyền và tối ưu hóa
- 2010: Hợp thành bố cục Bayesian của Merrell
- Thập niên 2020: Mạng GAN sâu, mô hình khuếch tán và mạng đồ thị
Lĩnh vực này tiếp tục phát triển hướng tới các hệ thống thông minh có khả năng hiểu ý định thiết kế của con người và tạo ra các bản vẽ kiến trúc sáng tạo, hợp lý về mặt chức năng. Trí tuệ nhân tạo (AI) đang nhanh chóng trở thành đối tác hợp tác trong thiết kế kiến trúc.