[論文レビュー] Interactive Design by Integrating a Large Pre-Trained Language Model and Building Information Modeling

Suhyung Jang, Ghang Lee|arXiv (Cornell University)|Jun 25, 2023

3D Surveying and Cultural Heritage被引用数 7

ひとこと要約

本論文は、大規模言語モデル（LLMs）とビルディングインフォメーションモデリング（BIM）を統合する新しいフレームワークを提案し、対話的な建築設計を可能にする。BIMデータをXMLに変換し、GPTを活用して意図に配慮した設計の最適化を実施し、再びBIMに変換することで、動的なAI支援設計反復が可能となる。Revitを用いた事例研究において、人間とAIの協働が効果的に実現された。

ABSTRACT

This study explores the potential of generative artificial intelligence (AI) models, specifically OpenAI's generative pre-trained transformer (GPT) series, when integrated with building information modeling (BIM) tools as an interactive design assistant for architectural design. The research involves the development and implementation of three key components: 1) BIM2XML, a component that translates BIM data into extensible markup language (XML) format; 2) Generative AI-enabled Interactive Architectural design (GAIA), a component that refines the input design in XML by identifying designer intent, relevant objects, and their attributes, using pre-trained language models; and 3) XML2BIM, a component that converts AI-generated XML data back into a BIM tool. This study validated the proposed approach through a case study involving design detailing, using the GPT series and Revit. Our findings demonstrate the effectiveness of state-of-the-art language models in facilitating dynamic collaboration between architects and AI systems, highlighting the potential for further advancements.

研究の動機と目的

• 大規模事前学習言語モデルを用いて、建築分野におけるリアルタイムで対話的な設計支援を可能にすること。
• 自然言語による設計意図と構造化されたBIMデータの間の意味的ギャップを埋めること。
• 繰り返し設計の最適化を可能にするために、BIMとLLMsの間で双方向のデータパイプラインを構築すること。
• LLMsが建築ワークフローにおける協働的設計パートナーとしての実現可能性と有効性を検証すること。

提案手法

• BIM2XMLは、BIMモデルデータを機械処理可能な拡張可能マークアップ言語（XML）形式に変換する。
• GAIAは、事前学習済み言語モデル（例：GPT）を用いて自然言語入力を解釈し、関連する設計対象を特定し、デザイナーの意図に基づいて属性を最適化する。
• システムは自然言語による設計記述を処理し、意味解析と文脈モデリングを通じて特定のBIM要素にマッピングする。
• XML2BIMは、AIが生成したXMLをネイティブなBIM形式に変換し、Autodesk Revitなどのツールとのシームレスな統合を可能にする。
• 人間のデザイナーとLLMベースのアシスタントとの間で継続的なフィードバックを可能にするため、反復的設計サイクルをサポートする。
• フレームワークはGPT-3.5とRevitを用いて実装・テストされ、エンドツーエンドの相互運用性が実証された。

実験結果

リサーチクエスチョン

• RQ1 大規模言語モデルは、BIMの文脈内において自然言語による設計指示を効果的に解釈し、実行できるか？
• RQ2 LLMsは、曖昧または記述的な設計プロンプトから関連する建築要素およびその属性をどれほど正確に特定できるか？
• RQ3 BIMとXMLの間の双方向変換が、設計の意味的特性と構造的整合性をどの程度保持できるか？
• RQ4 LLMsの統合により、建築設計ワークフローの効率性と対話性はどの程度向上するか？
• RQ5 このようなシステムを実際の建築現場で展開するにあたり、実務上の制限や課題は何か？

主な発見

• GPTベースの推論を用いて、自然言語による設計指示を正確なBIMモデルの変更に変換することができた。
• BIM2XMLおよびXML2BIMのコンponentsは、データ変換中に構造的・意味的整合性を維持し、信頼性の高いモデル再構築を可能にした。
• デザイナーは会話形式のプロンプトを用いて複雑なBIM要素を修正することで、マニュアルモデリングに要する時間を大幅に削減し、反復サイクルを高速化した。
• 曖昧または文脈依存的な設計記述から関連するオブジェクトおよび属性を同定するという点で、フレームワークは高い性能を示した。
• 事例研究により、BIMデータパイプラインに適切に統合されたLLMsが、効果的な対話型設計アシスタントとして機能できることを確認した。