清华同济武大等22篇建筑工程AI前沿研究论文

1、室内扫描到 BIM 的自动化：从移动感知到 3D 建筑建模               

2、住宅平面图：使用扩散模型的多条件自动生成

3、利用图神经网络和探索性遗传算法对钢筋的自动结构设计优化

4、使用深度学习和图算法生成自动建筑布局

5、使用模块配置算法和耦合生成对抗网络 (CoGAN) 自动模块化房屋设计

6、基于可解释人工智能的气候适应性建筑设计：跨气候区的 3D 空间布局自动化与进化优化

7、使用模式分析和可解释 AI 建模进行基础开挖过程中的沉降估计

8、生成式人工智能在复杂建筑设计布局中的火灾场景分析

10、剪切墙和梁布局的智能协同设计，使用图神经网络

11、利用数据驱动的人工智能优化建筑设计：综述

12、使用异构图神经网络的钢筋混凝土框架结构中构件尺寸生成的智能设计

13、考虑不同结构参数的 RC 框架结构地震时程响应的基于人工智能预测

14、面向建筑结构的生成式人工智能设计

15、建筑设计不同阶段的生成式AI 模型：文献综述

16、使用深度学习和图算法生成自动建筑布局

17、使用生成对抗网络进行剪力墙住宅建筑的自动结构设计

18、生成式AI 在城市规划中的应用：通过扩散模型合成卫星图像

19、基于人工智能的随机建筑平面图自动喷淋系统布局设计

20、无人机视觉基础设施检查的 LLM 驱动多代理人工智能系统

21、使用机器人过程自动化在建筑信息模型模型中自动校正结构损伤

22、基于自适应立体摄影测量的逼真 3D 复杂裂隙和工程结构重建

1、室内扫描到 BIM 的自动化：从移动感知到 3D 建筑建模 

• 自然资源部城市土地资源监测与模拟重点实验室，中国深圳
• 同济大学测绘与地理信息学院，中国上海
• 广州市城市规划勘测设计研究院，中国广州
• 武汉大学计算机学院，中国武汉

摘要

扫描到 BIM 是智能建筑中至关重要但极具挑战性的任务，它将现实世界感知和虚拟重建连接起来。随着对高精度数字孪生的需求日益增长，其重要性日益凸显。与以往侧重于孤立部件的调查不同，本综述提供了对完整室内扫描到 BIM 工作流程的最新和跨学科概述，包括最近的 AI 驱动的进展和可用基准数据集。首先，明确了扫描到 BIM 与关键 AEC 模块之间的关系。接下来，定义了问题的表述，随后讨论了当前挑战。然后，回顾了常用设备和核心技术，包括基于移动 LiDAR 的室内点云地图生成、基于点云的建筑语义分割以及室内建筑要素建模，以及新兴的研究方向。最后，总结了现有的室内扫描到 BIM 应用基准数据集和评估指标。本综述为土木工程、地理信息学和机器人学领域的研究人员和从业者提供了一个全面的资源，促进了对扫描到 BIM 的理解和应用。

原文 https://doi.org/10.1016/j.autcon.2025.106731

• 清华大学深圳国际研究生院，中国
• 北京工业大学建筑与土木工程学院，中国
• 中泰工程有限公司，中国广州黄埔区南翔三路28号

使用人工智能自动生成的住宅平面图，降低了技能障碍，促进了非专业住宅设计，已成为一个重要的话题。然而，在之前的研究中，RFP 生成模型的局限性在输出方面表现出低可控性，在输入条件方面表现出有限的灵活性。在本研究中，开发了一个多条件、两阶段生成模型 FloorplanDiffusion，以解决这些不足之处。基于去噪扩散概率模型，建立了新的模型结构，允许人类设计师干预，以增强可控性。此外，我们使用图像构建了多条件模型输入，从而显著增强了模型的输入灵活性。最后，通过实验，我们证明了我们的模型可以灵活生成高质量、多样且可控的结果。图灵测试表明，我们的模型具有人类专家的能力。

原文 https://doi.org/10.1016/j.autcon.2024.105374

• 香港科技大学土木与环境工程系，中国香港
• 新加坡国立大学建筑环境系，新加坡

摘要

钢筋结构设计优化是钢筋混凝土结构的关键部分。在实践中，这一过程需要对每个元素进行手动或半自动操作，这需要花费大量时间，并且需要工程师的专门知识和经验来提高可建性、节约材料和解决冲突。本文提出了一种结合图神经网络 (GNN) 和探索性遗传算法 (EGA) 的自动管道，用于无冲突钢筋设计优化。该管道采用图表示法来表征结构元素和不同钢筋混凝土接头的钢筋布局。GNN 利用钢筋的图表示法，考虑单个结构元素或多个结构元素中不同钢筋组之间的参数关系，从而提高无冲突钢筋设计优化的效率。EGA 支持根据建筑规范进行设计检查和进一步优化，以实现最佳设计。与传统优化方法相比，该管道可以自动识别符合规范要求的无冲突钢筋设计优化，同时减少 75% 至 90% 的计算时间，这表明该管道在工业实际应用方面具有巨大的潜力。

https://doi.org/10.1016/j.autcon.2022.104677

• 教育部山地城市建设新技术重点实验室（重庆大学），中国重庆
• 重庆大学土木工程学院，中国重庆

摘要

建筑设计是一项复杂任务，在研究界引起了广泛关注。虽然已经广泛研究了自动场地布局设计和平面布局设计，但建筑布局设计却相对被忽视。本文描述了一种使用深度学习和图算法生成自动建筑布局的方法。创建了一个独特的建筑布局数据集，以支持所提出的布局方法。用于布局选择和微调的算法包括欧几里得距离、Dice 系数和力导向图算法。输入控制的空间注意力 U-Net 模型准确地分割建筑区域，通过图像操作对生成的布局进行细化，从而为设计师生成全面的 BIM 模型。通过两个生成案例研究和与神经网络的对比实验，本文展示了该方法在帮助设计师进行设计初期阶段以及快速生成单个建筑的完整布局方面的有效性。

https://doi.org/10.1016/j.autcon.2023.105036

• 美国路易斯安那州立大学 Bert S. Turner 建设管理系，巴吞鲁日

亮点

• •

  一种基于深度学习的新方法，用于考虑制造和组装约束的模块化房屋设计自动化

• •

  一种灵活的自动化模块配置方法，与当前的体积模块化房屋实践兼容

• •

  创建生成的住房设计的 3D 建筑信息模型，以实现更高设计-生产集成。

• •

  通过执行集成的生成式模块化住房设计系统，原型开发和验证其好处

• •

  建立一个基础框架，用于使用人工智能技术开发基于上下文的设计生成。

摘要

模块化房屋设计需要一个昂贵且耗时的过程，包括迭代修改步骤，以满足各种项目和模块化房屋设计要求。此外，在模块化房屋设计过程中，满足有限预算内所有功能要求仍然是一个难题。缺乏模块配置的系统方法是另一个关键障碍，使设计过程更加困难和复杂。为了弥补这些知识和实践差距，本研究提供了一个基于新联合生成对抗网络 (CoGAN) 的框架，用于自动生成模块化房屋设计。此外，该方法还包含一种新的模块配置算法，该算法在结构上对生成的房屋设计布局进行模块化。该框架有望为大规模建筑生产模块化房屋的生成设计建立知识库，并帮助建筑师及相关利益相关者通过生成可行、可建造和最佳的模块化房屋设计替代方案来简化他们的设计过程。

https://doi.org/10.1016/j.autcon.2022.104234

• 香港理工大学建筑环境与能源工程系，中国香港
• 清华大学土木工程系，中国北京
• 五粮液宜宾股份有限公司投资与技术革新部，中国

摘要

随着现代建筑的高度和复杂性的不断增加，火灾紧急情况下的安全疏散变得更加具有挑战性。使用所需安全疏散时间（RSET）有助于评估建筑消防安全性能，但其量化依赖于昂贵的计算模拟。本研究提出了一种深度学习方法，以快速量化 RSET，并进一步支持火灾疏散评估。首先，构建了一个包含 1068 次在体育场和机场航站楼等不同占用分布建筑中的疏散模拟的数据库。基于生成对抗网络（GAN）的深度学习模型通过输入建筑平面图、初始占用分布和出口容量，以及输出时空占用密度场进行训练。训练后的模型能够有效识别室内空间特征，再现疏散过程，并以 95%的整体准确率预测 RSET。此外，该模型可以处理多个区域之间不同的占用密度，无论这些区域是否相连。所提出的智能设计框架提供了一种新颖的预测方法，可以快速估算所需安全疏散时间，实现复杂建筑的基于性能的消防安全快速分析，这可以促进更安全的建筑设计，也有助于优化火灾疏散流程并增强应急响应。

https://doi.org/10.1016/j.jobe.2025.113013

• 清华大学深圳国际研究生院未来人居研究院，中国深圳
• 中建海龙科技有限公司，中国深圳
• 北京工业大学建筑与城市规划学院，中国北京
• 香港城市大学建筑与土木工程系，中国香港特别行政区九龙塘达之路

摘要

空间布局对建筑能效有显著影响，但不同气候下的系统优化方法仍有限。本研究开发了一个集成三阶段框架，结合自动布局生成、进化优化和可解释人工智能（XAI）来降低混合用途办公楼能耗。我们以一座典型的八层办公楼为例，在五个中国气候区进行了对比分析：严寒区（哈尔滨）、寒区（北京）、夏热冬冷区（上海）、亚热带区（深圳）和温和区（昆明）。在第一阶段——布局生成，基于网格的算法结合几何约束自动生成节能空间配置。在第二阶段——优化，与建筑能耗模拟集成的进化算法（SPEA-2 和 HypE）最小化制冷和采暖负荷，每个气候区生成超过 1700 个优化方案。在第三阶段——XAI 解释，随机森林模型以高精度（R ² = 0.801–0.874）预测能效，而 SHAP 分析量化了 26 个空间布局特征的贡献。

结果表明具有显著的节能潜力。亚热带气候（深圳）实现了最佳绝对性能，总负荷减少 17.25%，而温和气候（昆明）显示出最高的百分比减少，达到 24.91%。所有气候区的平均节能率在以供暖为主的地区范围为 9.67%至 13.60%。SHAP 分析揭示了针对特定气候的设计策略。研究发现，对于亚热带气候，朝向区域分布是最关键的因素，而对于寒冷地区，空间集中化和空间邻近性优化至关重要。该方法为建筑师和工程师在早期规划阶段提供了计算高效、基于证据的工具，用于气候适应型可持续建筑设计。

https://doi.org/10.1016/j.jobe.2025.115028

• 清华大学土木工程系，中国北京
• 广州地铁设计研究院股份有限公司，中国广州
• 清华大学土木工程系，教育部土木工程安全与耐久重点实验室，中国北京

亮点

• •

  进行时空模式分析和 XAI 建模以进行估计。

• •

  模式分析结果表明沉降具有微弱的时序相关性。

• •

  测量点的空间相关性在施工阶段持续存在。

• •

  该方法产生的 RMSE、MAE 和 MAPE 明显小于传统模型。

• •

  SHAP 分析结果与数据分析中发现的模式高度一致。

摘要

随着地下工程的快速发展，利用监测数据进行基础开挖过程中的沉降估算日益重要。以往研究通常忽略了数据模式，仅依赖时间序列模型，这导致精度有限且短期可预测性差。为解决这些问题，本文进行了全面模式分析，涵盖时间和空间特性，并提出了一种基于可解释人工智能技术的时空建模方法。通过一个实际工程案例研究验证了所提方法的有效性。出乎意料的是，结果揭示沉降数据中时间效应较弱，仅最后一步起主导作用，而测量点之间的空间相关性则显著更强。与常规模型相比，所提方法表现更优，R ² 分数显著更高，并在长期估算中表现出色，RMSE、MAE 和 MAPE 分别降低了至少 78%、80%和 72%。

https://doi.org/10.1016/j.autcon.2024.105651

• 清华大学土木工程系，中国北京
• 香港理工大学建筑环境与能源工程系，中国香港

亮点

• •

  对复杂的多房间建筑布局和楼层平面图进行火灾风险分析。

• •

  训练了三个生成式 AI 模型，以快速分析大量生成的火灾场景。

• •

  生成的火灾场景包括烟雾运动和随时间变化的温度分布。

• •

  扩散模型在预测 CFD 火灾场景时显示出最高的 94%准确率。

摘要

基于性能的消防安全设计需要全面评估建筑火灾场景以确保全面的消防安全。然而，传统的计算流体动力学（CFD）火灾模拟计算量大且耗时，限制了实际可分析的场景数量。本研究通过使用生成式人工智能（AI）来预测真实多房间建筑布局中的火灾场景，解决了这些挑战，这些布局具有复杂的形状和复杂的墙体分区。为此，采用了三种用于图像生成的生成式 AI 模型：基于 GAN 的 pix2pix 和 pix2pixHD，以及扩散模型。这些模型在大量 CFD 火灾模拟数据集上进行了训练，以生成接近天花板烟雾运动和温度分布结果。当在新的未见过的建筑布局上测试时，这些模型表现出卓越的准确性，并提供了近乎实时的评估。扩散模型达到了最高的准确性（>94%），但需要更多的计算时间。这些模型的高性能突出了使用生成式 AI 增强消防安全工程的潜力，通过实现更快、更全面的火灾风险评估。

https://doi.org/10.1016/j.firesaf.2025.104427

• 清华大学土木工程系，中国北京
• 清华大学教育部土木工程安全与耐久重点实验室，中国北京

摘要

多元工程公式是构建复杂系统的世界工程标准的基础。传统的公式发现方法存在效率低、维度灾难和物理可解释性差等问题。为解决这些局限性，本研究提出了一种基于知识的方法，可直接从数据高效生成多元工程公式。该方法包含四个组件：(1) 考虑维度齐性的深度生成模型，(2) 针对不同单位的多工程变量的物理自适应归一化方法，(3) 基于维度理论的特征合并算法，以及 (4) 基于机器学习的分段公式数据分割方法。在两个真实数据集上的实验表明，与 Eureqa 程序相比，我们提出的方法将生成公式的准确率提高了 35.6%（以平均绝对误差衡量）。此外，与 Eureqa 和新兴的物理信息神经网络方程发现方法相比，它还增强了结果的机理可解释性。分段公式成功捕捉了实验数据中的隐式机制，与理论分析一致。总体而言，我们的基于知识的方法在提高可解释和可泛化的多元工程公式发现效率方面具有巨大潜力，有助于将新技术从测试阶段转化为实际应用。

https://doi.org/10.1111/mice.13448

• 西南交通大学土木工程学院，中国成都
• 桥梁智能与绿色建造全国重点实验室，中国成都
• 清华大学土木工程系，中国北京
• 北京合木智构科技有限公司，中国北京
• 中国建筑西南设计研究院有限公司，中国四川成都

亮点

• •

  创建了一种统一的图方法来表示剪力墙、梁和非结构元素，以进行同步设计。

• •

  提出了一种基于 GNN 的协同设计方法，使用 GraphSAGE，在传统方法上实现了高精度。

• •

  添加了基于规则的优化，以改进 GNN 生成的设计，确保它们符合工程标准。

• •

  证明了 GNNs 在智能协同设计中的可行性，将 AI 与结构工程相结合。

摘要

生成式人工智能驱动的剪力墙结构设计对于建筑智能化设计至关重要，但现有方法依次布置剪力墙和梁，忽视了它们之间的相互依赖性。本文构建了剪力墙和梁耦合潜在位置的图表示，并提出了一种由图神经网络（GNN）驱动的协同设计方法。通过特征工程将剪力墙和梁布局表示为图数据，并通过数据增强来增强图数据，以提高 GNN 模型的泛化能力。GraphSAGE 算法分析了图，以同时生成剪力墙和梁的布局，然后基于编码的设计规则进行后处理以提取和优化。案例研究验证了该方法，表明 GNN 生成的布局的交并比比传统方法高 14.9%和 35.6%。该方法为多结构属性的耦合设计提供了参考。

https://doi.org/10.1016/j.autcon.2025.106024

• 清华大学土木工程系，教育部土木工程安全与耐久重点实验室，中国北京
• 西南交通大学土木工程系，中国成都

亮点

• •

  评论数据驱动的智能优化设计，用于建筑结构。

• •

  对数据驱动的 AI 和优化算法进行分类和总结。

• •

  探索了数据驱动的 AI 在优化设计中的作用。

• •

  讨论了发展趋势、挑战和未来方向。

摘要

在建筑设计中应用优化方法，即所谓的优化设计，是建筑结构设计中广泛采用的方法。传统的优化方法主要关注的是提高建筑的性能或降低成本，同时确保它们满足一定的结构设计要求。然而，这些方法往往效率低，难以满足隐式设计约束。最近在数据驱动的人工智能(AI)方法方面取得的快速进展，使得从大量数据集提取隐式设计知识和高效处理复杂优化任务成为可能，从而为优化设计引入了新的可能性。将数据驱动的人工智能方法集成到结构优化中，导致了建筑结构智能优化设计的研究增长，这表明了产生初始设计、简化优化问题、解决相关模型和评估结果的显著潜力。本研究系统回顾了建筑结构的基于数据的智能优化设计，旨在对各种优化技术进行分类，并总结了数据驱动的人工智能方法在智能优化设计中的不同作用。研究结果表明，智能优化方法的应用呈显著上升趋势，而新型人工智能技术的出现既带来了机遇，也带来了挑战。 本研究还旨在为智能优化设计方法和建筑结构应用场景提供全面参考；这有助于设计师利用数据驱动的 AI 方法的可学习能力，以及优化方法的定量分析优势，提高建筑结构的质量和效率。

https://doi.org/10.1016/j.engstruct.2025.120810

• 清华大学土木工程系，教育部土木工程安全与耐久重点实验室，中国北京
• 中国建筑西南设计研究院有限公司，中国成都

亮点

• •

  编译了真实工程案例的 RC 框架结构的标准化组件尺寸数据集。

• •

  提出了一种通用的异构图表示方法，捕捉内在性质和拓扑关系。

• •

  开发了一种使用 HetGNN 的高效方法，可以在一秒钟内确定 RC 框架结构的截面尺寸。

• •

  探索了各种参数对 HetGNN 模型性能的影响。

摘要

传统的钢筋混凝土（RC）框架设计需要大量的工程经验和迭代验证过程，通常会导致效率低下。结构构件拓扑和行为的多样性进一步给设计中的机器学习应用带来了相当大的障碍。本文介绍了一种方法，使用异构图神经网络（HetGNNs）来自动和优化框架构件的尺寸。该方法通过开发精确定制的异构图节点表示来捕捉不同的框架拓扑。利用来自工程图纸的独特数据集，HetGNN 模型学习如何准确地确定构件截面尺寸。该方法证明，该方法在遵守设计标准的同时，可以显著提高结构设计的效率、准确性和成本效益。RC 框架结构的尺寸设计可以在不到一秒的时间内完成，平均尺寸偏差约为 50 毫米（一个模块），而设计由工程师设计的尺寸偏差则在 100 毫米左右。

https://doi.org/10.1016/j.autcon.2025.105967

• 清华大学深圳国际研究生院，中国深圳
• 清华大学土木工程系，中国北京

亮点

• 1.

  设计了一种用于预测替代地震响应的端到端框架。

• 2.

  该模型考虑了 RC 框架结构的静态特征和动态载荷。

• 3.

  根据纤维梁模型，共生成了 16,544 个 F E 病例用于训练和评估。

• 4.

  该模型能够快速准确地预测频繁和罕见地震。

• 5.

  消融研究证明了该模型架构的有效性。

摘要

在本文中，介绍了用于智能地震响应预测的端到端框架 ISRPnet。ISRPnet 包括一个结构参数模块，用于将钢筋混凝土框架结构离散化为一系列静力特征，以及一个用于编码地震载荷和自回归预测地震响应的编码器-解码器架构。该模型在通过验证的纤维基有限元模型生成的 16,544 个案例的数据集上进行了训练。ISRPnet 在频繁和罕见地震方面都取得了令人鼓舞的性能。ISRPnet 快速且高度准确地预测了频繁地震的时序响应。对于罕见地震，峰值位移预测仍然准确。在比较实验中分析了物理损耗的优势以及门限循环单元优于长期短期记忆的优势。在训练数据之外的未见地震波的验证表明了框架的稳健泛化和外推能力。所提出的模型实现了对类 RC 框架结构的完整过程地震响应的高效代数计算。

https://doi.org/10.1016/j.jobe.2025.112643

14、面向建筑结构的生成式人工智能设计

• 清华大学教育部土木工程安全与耐久重点实验室，中国北京
• 清华大学钢与混凝土组合结构工程技术研究中心，中国北京

亮点

• •

  建筑结构生成式 AI 设计研究进展综述。

• •

  数据特征表示、智能生成算法和评估方法。

• •

  基于生成式 AI 和优化式设计的集成。

• •

  基于生成式 AI 设计的关键里程碑、重大挑战和前景。

摘要

设计建筑结构面临着各种挑战，包括设计流程低效、数据重用有限以及以往设计经验的利用不足。生成式人工智能（AI）已成为学习和创造性地使用现有数据以生成新设计理念的有力工具。借鉴过去的经验，这种技术可以分析复杂的结构图纸，结合需求文本，整合机械和经验知识，并创造出新颖的设计。在本文中，对生成式 AI 在建筑结构设计中的近期研究和应用进行了全面综述。重点在于数据如何表示、智能生成算法如何构建、设计评估方法以及生成与优化的集成。本综述揭示了生成式 AI 在建筑结构设计方面取得的重大进展，同时也突出了关键挑战和前景。目标是提供参考，以帮助指导向更智能设计流程的过渡。

https://doi.org/10.1016/j.autcon.2023.105187

• 天津大学建筑学院，中国天津
• 日本北陆先端科学技术大学院大学先进科学技术研究科，日本石川

摘要

生成式人工智能（AI）技术的近期进展主要由生成式对抗网络（GANs）、变分自编码器（VAEs）和去噪扩散概率模型（DDPMs）等模型驱动。尽管建筑师们认识到生成式 AI 在设计中的潜力，但个人障碍往往限制了他们获取最新技术发展的途径，从而导致生成式 AI 在建筑设计中的应用滞后。因此，理解生成式 AI 模型的原理和进展，并分析其在建筑应用中的相关性至关重要。首先，论文对生成式 AI 技术进行了概述，重点介绍了概率扩散模型（DDPMs）、3D 生成模型和基础模型，强调了它们的近期发展和主要应用场景。然后，论文解释了上述模型如何应用于建筑设计。我们将建筑设计过程分为六个步骤，并回顾了从 2020 年至今每个步骤的相关研究项目。最后，论文讨论了生成式 AI 在建筑设计步骤中的潜在未来应用方向。这项研究可以帮助建筑师快速了解生成式 AI 的发展和最新进展，并有助于智能建筑的进一步发展。

https://doi.org/10.1016/j.foar.2024.10.001

• 重庆大学山地城市建设新技术重点实验室（教育部），中国重庆
• 重庆大学土木工程学院，中国重庆

亮点

• •

  提出了一种基于深度学习和图算法的框架，用于自动生成建筑布局。

• •

  创建了一个独特的注释建筑布局数据集 GeLayout，这是同类数据集中的第一个。

• •

  匹配和细化图时，使用了欧几里得距离、Dice 系数和力导向图算法。

• •

  ICSA-UNet（输入控制空间注意力 U-Net）与标准 U-Net 生成的分割线相比，生成的分割线更简洁、更清晰。

• •

  在典型和不典型两种场景下，生成的 BIM 模型都有效满足设计辅助需求，且表现出稳定性。

摘要

建筑设计是一项复杂任务，在研究界引起了广泛关注。虽然已经广泛研究了自动场地布局设计和平面布局设计，但建筑布局设计却相对被忽视。本文描述了一种使用深度学习和图算法生成自动建筑布局的方法。创建了一个独特的建筑布局数据集，以支持所提出的布局方法。用于布局选择和微调的算法包括欧几里得距离、Dice 系数和力导向图算法。输入控制的空间注意力 U-Net 模型准确地分割建筑区域，通过图像操作对生成的布局进行细化，从而为设计师生成全面的 BIM 模型。通过两个生成案例研究和与神经网络的对比实验，本文展示了该方法在帮助设计师进行设计初期阶段以及快速生成单个建筑的完整布局方面的有效性。

https://doi.org/10.1016/j.autcon.2023.105036

• 清华大学土木工程系，中国北京
• 中国核电工程有限公司郑州分公司，中国郑州

亮点

• •

  基于生成对抗网络的自动结构设计框架。

• •

  结构设计图纸的开放存档数据集。

• •

  通过开创性的抽象、语义化、分类和参数化，对数据集进行预处理。

• •

  基于混淆矩阵和交集比对度的模型验证方法。

摘要

人工智能正在重塑建筑设计流程，使其更加智能和自动化。鉴于剪力墙系统在高层建筑中应用越来越广泛，以及自动化结构设计的巨大好处，本文提出了一种基于生成对抗网络 (GAN) 的剪力墙设计方法，该方法通过学习现有剪力墙设计文档，然后智能快速地进行结构设计。为此，通过建筑高度和地震设计类别方面的抽象、语义化、分类和参数化，准备了结构设计数据集。通过数据支持的对抗训练和超参数分析，GAN 模型通过对抗训练提高了剪力墙设计技能。通过混淆矩阵和交集-并集方法评估训练的 GAN 模型的性能。最后，通过案例研究评估了创新的基于 GAN 的结构设计方法的适用性、有效性以及适用性，表明其速度得到了显著提升，质量也相当。

https://doi.org/10.1016/j.autcon.2021.103931

a 美国麻省理工学院土木与环境工程系b 中国清华大学城市规划系c 美国佛罗里达大学城市与区域规划系d 新加坡-麻省理工学院研究与技术联盟（SMART），新加坡e 美国波士顿大学系统工程系f 美国麻省理工学院城市研究与规划系

亮点

• •

  推出一种用于生成逼真且多样化城市景观的扩散模型。

• •

  将卫星图像与 OpenStreetMap 对齐，用于大规模生成数据。

• •

  开发基于文本描述和视觉约束的城市规划。

• •

  生成的布局与真实图像相比，评级相当或更优。

• •

  生成的图像提高了规划者的效率，并促进了公众参与。

摘要

生成式 AI 为自动化城市规划提供了新机遇，通过生成特定场地的城市布局并支持灵活的设计探索。然而，现有方法在规模化生成逼真且实用的设计方面往往面临挑战。因此，我们采用一种先进的稳定扩散模型，结合 ControlNet 进行扩展，根据土地利用描述、基础设施和自然环境生成高保真卫星图像。为克服数据可用性限制，我们将卫星图像与 OpenStreetMap 中的结构化土地利用和约束信息进行空间关联。使用三个主要美国城市的数据，我们证明所提出的扩散模型通过改变土地利用配置、道路网络和水体，能够生成逼真且多样的城市景观，促进跨城市学习和设计多样性。我们还系统地评估了不同语言提示和控制图像对卫星图像生成质量的影响。我们的模型实现了高 FID 和 KID 分数，并在多样化的城市环境中表现出鲁棒性。城市规划师和公众的定性评估表明，生成的图像与设计描述和约束高度一致，并且通常优于真实图像。这项工作为受控城市图像生成建立了基准，并突显了生成式 AI 作为增强规划流程和公众参与工具的潜力。

https://doi.org/10.1016/j.compenvurbsys.2025.102339

• 香港理工大学建筑环境与能源工程系，中国香港
• 奥雅纳工程顾问公司，中国深圳
• 清华大学土木工程系，中国北京
• 五粮液宜宾股份有限公司投资与技术革新部，中国宜宾

亮点

• •

  提出一种用于自动设计建筑消防系统智能框架。

• •

  GAN 模型可以在几秒钟内生成复杂的楼层平面图的消防喷淋位置。

• •

  GAN 生成的设计与工程师设计相比，保护范围高达 99%。

• •

  人工智能生成的设计通过使用比工程师设计合理少的喷水器来优化。

• •

  该方法在施工过程中提供了更安全、更经济的解决方案。

摘要

消防喷淋系统是现代建筑中常见的安全设计措施，但目前的手工绘制准备过程却因耗时任务、繁重工作量和人为错误而负担沉重。本研究引入了一种旨在实现消防喷淋布局绘制准备过程自动化智能框架。编制了 120 幅喷淋设计图数据库，用于训练 pix2pixHD 生成对抗网络(GAN)。训练完成后，GAN 模型可生成新建筑和随机建筑平面图的 99.5%保护覆盖率的喷淋位置。除了确保符合代码设计外，GAN 设计的喷淋数量比专业工程师设计的喷淋数量低 13%。采用这种智能方法，可以节省 76%的设计绘制准备时间，使用合理少的喷淋可以提高喷淋设计的成本效益。

• 卡迪夫大学工程学院智能工程BIM中心，英国卡迪夫
• 同济大学土木工程学院，中国上海

摘要

大型语言模型 (LLM) 的发展有可能显著推动建筑、工程和施工 (AEC) 行业的自动化。本文探讨了 LLM 助理系统在无人机视觉检查中的应用，重点关注三个核心方面。首先，提出了一种多代理框架，由五种专门的子代理——路由器、路径规划器、控制器、感知器和回溯器——协同处理 3D 空间推理、路径规划和无人机控制等检查子任务。第二，介绍了一种基于图像的新管道，用于生成多准则语义点云，并将其抽象为 3D 场景图 (3DSG)，从而实现与人类意图一致的空间语义推理。这些 3DSG 既充当知识存储，又充当推理引擎。第三，通过模拟和实验室实验对系统进行了评估，证明其能够自动执行检查工作流程，并为可扩展的人工智能代理系统提供基础。结果凸显了基于 LLM 的代理在灵活任务委托和高级决策方面的优势。虽然当前的实现依赖于通过商业 API 访问的通用 LLM——引入了一些延迟和适应性差距——但这些方面也指向了未来优化和特定领域增强的有希望的方向。总体而言，该研究为基础设施检查中的协作人机智能迈出了早期但有希望的一步，其中自主代理通过交互式、上下文感知的支持，增强人类决策。

https://doi.org/10.1016/j.aei.2025.103643

a 西班牙卡斯蒂利亚-拉曼恰大学土木与建筑系，雷阿尔城b 智利瓦尔帕莱索天主教大学土木工程学院，瓦尔帕莱索c 西班牙加泰罗尼亚理工大学 (UPC) 土木与环境工程系，巴塞罗那d 西班牙卡斯蒂利亚-拉曼恰大学地质环境组，雷阿尔城e 中国同济大学桥梁工程系，上海

摘要

建筑信息模型（BIM）能够将多学科数据整合到详细的三维结构模型中。然而，准确捕捉现实世界结构的机械行为需要将这些虚拟模型与现场测量进行校准，特别是反映影响安全性和结构完整性的损伤诱导变化。传统的校准工作流程主要依赖于手动更新结构数据库和参数赋值，这些工作流程耗时、容易出现人为错误，并且缺乏可扩展性。本研究首次提出了一种基于机器人的流程自动化（RPA）的工作流程，用于自动将与腐蚀相关的损坏整合到结构 BIM 模型中。桥梁结构作为示范案例。然而，所提出的基于 RPA 的方法并不局限于桥梁工程。所基于的框架可以广泛应用于广泛的民用基础设施资产，包括建筑、隧道、挡土墙和工业设施。除了损坏整合，所提出的基于 RPA 的方法还可以扩展到自动化与设计、维护和运营相关的各种重复性和容易出错的任务，例如模型更新、检查数据提取、文档管理以及多学科工作流程协调，从而在整个基础设施生命周期中提高效率和可靠性。由于桥梁容易受到环境暴露、频繁检查的劳动密集型性质以及数字化模型更新的影响，因此选择受腐蚀损坏的桥梁作为代表性案例研究。 桥梁的结构和几何复杂性，加上现场可用的检查数据，为验证拟议的自动化策略的性能和稳健性提供了一个具有挑战性但现实的场景。一个涉及一个真实人行桥的案例研究验证了 RPA 工具的有效性，并证明了与传统手动方法相比，效率、准确性和可重复性有了显著提高。这项研究提出了 RPA 在结构 BIM 校准中的创新和可扩展应用，为提高数字孪生的准确性以及跨各种基础设施部门的结构健康监测提供了一种实用、低风险的解决方案。

https://doi.org/10.1016/j.eng.2026.04.001

a 中国华南理工大学土木与交通学院，广州b 美国密歇根大学迪尔伯恩分校工程与计算机科学学院工业与制造系统工程系，迪尔伯恩c 中国同济大学土木工程学院岩土工程系，上海d 中国东南大学土木工程学院，南京e 同济大学建筑与城市规划学院 / 联合国开发计划署，日内瓦f 德国多特蒙德工业大学可靠性工程学讲席，多特蒙德

摘要

复杂工程结构裂缝检测日益重要，因为裂缝特征是结构健康监测（SHM）的关键指标。然而，在土木工程领域，准确地分割和真实地重建三维（3D）复杂裂缝仍然具有挑战性。为此，本文提出了一种计算机视觉方法，引入了精细调整的 Segmentation Anything Model（SAM），并进一步提出了 Adaptive View 3D Gaussian Splatting（AVGS）。首先，在二维（2D）领域，使用精细调整的 SAM 从多个相机视图中稳健地分割裂缝。然后，在 3D 领域，通过开发自适应采样、空间意识的密度化和多视图几何一致性，应用 AVGS 来真实地重建 3D 裂缝和工程结构。所提出的方法已经在三个复杂实际工程结构中应用。结果表明，该方法能够真实地重建和分割 3D 工程结构和详细裂缝。这一能力将为推进智能检测和 SHM 应用提供宝贵的技术支持，贯穿整个城市灾前和灾后的全过程。

https://doi.org/10.1016/j.ymssp.2025.113771

转载自：土木工程Ai 如涉及侵权，请联系我们删除