[論文レビュー] BIM-GPT: a Prompt-Based Virtual Assistant Framework for BIM Information Retrieval

Junwen Zheng, Martin Fischer|arXiv (Cornell University)|Apr 18, 2023

BIM and Construction Integration被引用数 13

ひとこと要約

BIM-GPTは、BIMとGPTを統合し自然言語によるBIMデータからの情報検索を可能にするプロンプトベースの仮想アシスタントを提示し、最小限のプロンプトデータで高い問い合わせ分類精度を達成し、病院ビルのプロトタイプで検証する。

ABSTRACT

Efficient information retrieval (IR) from building information models (BIMs) poses significant challenges due to the necessity for deep BIM knowledge or extensive engineering efforts for automation. We introduce BIM-GPT, a prompt-based virtual assistant (VA) framework integrating BIM and generative pre-trained transformer (GPT) technologies to support NL-based IR. A prompt manager and dynamic template generate prompts for GPT models, enabling interpretation of NL queries, summarization of retrieved information, and answering BIM-related questions. In tests on a BIM IR dataset, our approach achieved 83.5% and 99.5% accuracy rates for classifying NL queries with no data and 2% data incorporated in prompts, respectively. Additionally, we validated the functionality of BIM-GPT through a VA prototype for a hospital building. This research contributes to the development of effective and versatile VAs for BIM IR in the construction industry, significantly enhancing BIM accessibility and reducing engineering efforts and training data requirements for processing NL queries.

研究の動機と目的

• 大規模な設計工数や大量の学習データを必要とせず、建物情報モデル(BIM)からの効率的な情報検索を実現する。
• NLクエリを解釈しBIM情報を要約するために、プロンプトマネージャと動的テンプレートを用いるプロンプトベースのVAフレームワークを提案する。
• このアプローチをBIM IRデータセットでデモンストレーションし、病院ビルのプロトタイプで検証する。

提案手法

• BIMデータとGPTモデルを結合したプロンプトベースの仮想アシスタントフレームワークを導入する。
• GPTモデル用のプロンプトを生成するプロンプトマネージャと動的テンプレートを開発する。
• NLクエリの解釈、情報要約、BIM関連の質問応答を可能にする。
• さまざまなプロンプトデータで分類精度を測定するためにBIM IRデータセットで評価する。
• 実用性の検証のために病院ビルのVAをプロトタイプ化する。

実験結果

リサーチクエスチョン

• RQ1 プロンプトベースのGPTプロンプトを用いて、BIM IRのNLクエリをどのように効果的に解釈できるか。
• RQ2 BIMの文脈でNLクエリ分類に少量のプロンプトデータを取り入れた場合、精度はどの程度向上するか。
• RQ3 仮想アシスタントフレームワークは、実際の建物シナリオ（例: 病院）で実践的なBIM IRタスクをサポートできるか。

主な発見

• BIM IRデータセットでは、プロンプトデータなしでNLクエリ分類精度が83.5%である。
• プロンプトにデータの2%を組み込むと分類精度は99.5%に上昇する。
• BIM-GPTプロトタイプは、病院ビルのNLベースのBIM IRの機能を示す。