Полезное исследование на стыке LLM и BIM о применении ИИ для полуавтоматической проверки моделей в Revit на соответствие строительным нормам ⚫️Цель: разработать LLM-ориентированный подход, который преобразует строительные нормы в исполняемые Python-скрипты и интегрируется с Revit для полуавтоматической проверки соответствия в BIM.
Что предложили авторы:🔵Вместо ручного написания скриптов для Revit пользователь формулирует запрос на естественном языке.
🔵LLM переводит этот запрос в Python-код для Dynamo/Revit API, который выполняет проверку.
Сравнили разные LLM (GPT-4, Claude 3, Gemini 1.5, Llama 3). 🔵Тестировали, какие модели лучше справляются с интерпретацией строительных норм, генерацией работоспособного кода, обработкой геометрии BIM-моделей.
🔵Лучшие результаты у GPT-4 и Claude 3 (по качеству интерпретации и работоспособности сгенерированных скриптов), хуже — у открытых моделей типа Llama.
Кейсы и экспериментальная проверка Авторы тестировали свой метод на двух проектах — жилом доме (ИЖС) и офисном здании. Для каждого проекта определили набор типовых строительных правил (например, минимальные размеры помещений, требования к материалам, расположению объектов) и сформировали запросы к LLM для генерации проверочных скриптов.
[Тоже, как и многие😁] обнаружили ключевую проблему🔵LLM часто ошибаются в логике проверок, если требования в нормах сформулированы нечётко.
🔵Например, фраза «коридоры должны быть достаточно широкими для эвакуации» требует уточнения — иначе ИИ генерирует некорректный код.
Из относительно нового, но входящего в практику🔵Авторы переложили часть работы по автоматизации проверок на ИИ — то есть ИИ пишет скрипты.
🔵Показали, какие типы проверок работают хорошо (простые параметрические правила), а какие — плохо (сложная геометрия, субъективные требования).
🔵 Ну и еще раз показали, что ИИ не заменит пока инженера, но ускорит рутину.
Подробнее — на arxiv.org в статье Large Language Model-Driven Code Compliance Checking in Building Information Modeling 
