[논문 리뷰] Interactive Design by Integrating a Large Pre-Trained Language Model and Building Information Modeling

Suhyung Jang, Ghang Lee|arXiv (Cornell University)|2023. 06. 25.

3D Surveying and Cultural Heritage인용 수 7

한 줄 요약

이 논문은 대규모 언어 모델(Large Language Models, LLMs)과 빌딩 인포메이션 모델링(Building Information Modeling, BIM)을 통합하는 새로운 프레임워크를 제안하여 상호작용 가능한 건축 설계를 가능하게 한다. BIM 데이터를 XML로 변환하고, GPT를 활용해 의도 인식 기반의 설계 보완을 수행하며, 다시 BIM로 재변환함으로써 시스템은 동적 AI 지원 설계 반복을 가능하게 하였으며, Revit 기반 사례 연구에서 인간과 AI 간 효과적인 협업을 입증하였다.

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.

연구 동기 및 목표

• 대규모 미사전처리 언어 모델를 활용해 건축 설계에서 실시간으로 상호작용 가능한 설계 보조 기능을 제공하는 것.
• 자연어로 표현된 설계 의도와 구조화된 BIM 데이터 사이의 의미적 격차를 해소하는 것.
• 설계 반복 보완을 위한 BIM과 LLM 간 双방향 데이터 파이프라인을 개발하는 것.
• LLM이 건축 워크플로우에서 협업 설계 파artner로 기능할 수 있는지의 타당성과 효과성을 검증하는 것.

제안 방법

• BIM2XML은 BIM 모델 데이터를 기계 처리 가능한 확장 가능한 마크업 언어(XML) 형식으로 변환한다.
• GAIA는 사전 훈련된 언어 모델(GPT 등)을 활용해 자연어 입력을 해석하고, 관련 설계 요소를 식별하며, 설계자의 의도에 따라 속성을 보완한다.
• 시스템은 자연어로 표현된 설계 기술을 처리하고, 의미 분석 및 맥락 모델링을 통해 특정 BIM 요소에 매핑한다.
• XML2BIM은 AI가 생성한 XML을 다시 네이티브 BIM 형식으로 변환하여 Autodesk Revit과 같은 도구에 원활하게 통합할 수 있도록 한다.
• 지속적인 인간 디자이너와 LLM 기반 보조자 간 피드백을 허용함으로써 반복 설계 사이클을 지원한다.
• 프레임워크는 GPT-3.5와 Revit를 사용하여 구현 및 테스트되었으며, 종단 간 상호운용성을 입증하였다.

실험 결과

연구 질문

• RQ1 대규모 언어 모델은 BIM 환경 내에서 자연어 설계 지시를 효과적으로 해석하고 실행할 수 있는가?
• RQ2 LLM은 모호하거나 묘사 중심의 설계 프롬프트에서 관련 건축 요소와 그 속성을 얼마나 정확히 식별할 수 있는가?
• RQ3 BIM과 XML 간의 이중 방향 변환 과정에서 설계 의미와 구조적 무결성이 얼마나 잘 유지되는가?
• RQ4 LLM의 통합은 건축 설계 워크플로우의 효율성과 상호작용 수준을 얼마나 향상시키는가?
• RQ5 실제 건축 실무 환경에 이러한 시스템을 구현할 때의 실용적 한계와 과제는 무엇인가?

주요 결과

• GPT 기반 추론을 활용해 자연어 설계 지시를 정확한 BIM 모델 수정으로 성공적으로 변환하였다.
• BIM2XML 및 XML2BIM 구성 요소는 데이터 변환 과정에서 구조적 및 의미적 일관성을 유지하여 신뢰할 수 있는 모델 재구성 가능성을 확보하였다.
• 디자이너들은 복잡한 BIM 요소를 수정하기 위해 대화형 프롬프트를 사용함으로써 반복 주기를 빠르게 단축시키고 수동 모델링 시간을 줄였다.
• 모호하거나 맥락 의존적인 설계 기술에서 관련 객체와 속성을 식별하는 데 있어 프레임워크가 뛰어난 성능을 보였다.
• 사례 연구를 통해 BIM 데이터 파이프라인과 적절히 통합된 LLM은 효과적인 상호작용 설계 보조자로 기능할 수 있음을 확인하였다.