Generación de modelo BIM implementando algoritmos de inteligencia artificial

• Autores: Urbieta, Martin
• Año de publicación: 2024
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Cs de la Computación; BIM; aprendizaje automátcico; ifc; modelado; mep; planos de planta; construcción; planos; bim; machine learning; ifc; modelling; building; mep; floorplans; blueprints
• Institución: Universidad Nacional de La Plata

PropósitoEl objetivo de esta investigación es desarrollar un enfoque automatizado que permita, a partir de planos raster, generar modelos de construcción compabitbles con la metodologia Building Information Model (BIM). Para ello, se plantean los siguientes objetivos específicos:1.Definir un mapeo entre planos y BIM: Se propone establecer una correspondencia entre los elementos de los planos (muros, puertas, ventanas, vigas, columnas, etc.) y los componentes de un BIM, tomando como base el estándar de planos de Argentina.2.Clasificación de elementos mediante inteligencia artificial (IA): Se utilizarán técnicas avanzadas de IA para clasificar los elementos identificados en los planos. Estos resultados permitirán la generación de documentos interoperables en formato BIM. Los planos arquitectónicos y estructurales serán procesados para reconocer automáticamente los distintos componentes constructivos y generar archivos exportables para su uso en modelos BIM.3.Validación del enfoque: Se evaluará la precisión del enfoque mediante el procesamiento de planos reales de viviendas y edificios, verificando su capacidad para generar modelos precisos y funcionales.ActividadesConstrucción de un dataset de planos: Dado que no se dispone de un banco de datos estructurado de legajos de obra en Argentina, se ha recolectado y clasificado una serie de planos de construcción en diversas especialidades (arquitectura, estructura, instalaciones). Los elementos de interés fueron etiquetados utilizando herramientas open source como LabelMe.Selección e implementación de técnicas de IA: A lo largo de la investigación, se probarán diversos modelos preentrenados de detección de objetos, como Mask R-CNN, Cascade R-CNN y YOLO, con técnicas de transfer learning adaptadas para optimizar su rendimiento en la clasificación de elementos de planos.Modelado BIM en Python: Los elementos clasificados serán integrados en un modelo BIM en formato IFC, utilizando librerías especializadas como IfcOpenShell para garantizar la interoperabilidad y la precisión del modelo generado.
Carrera: Doctorado en Ciencia Informáticas Lugar de trabajo: Laboratorio de Investigación y Formación en Informática Avanzada (LFIA) Organismo: CONICET Año de inicio de beca: 2021 Año de finalización de beca: 2026 Apellido, Nombre del Director/a/e: Rossi, Gustavo Apellido, Nombre del Codirector/a/e: Urbieta, Matias Lugar de desarrollo: Laboratorio de Investigación y Formación en Informática Avanzada (LFIA) Áreas de conocimiento: Cs de la Computación Tipo de investigación: Aplicada
Facultad de Ingeniería