Od dokumentacji płaskiej do modelu 3D: rzetelna analiza konwersji PDF do BIM z wykorzystaniem AI

1. Wstęp: status quo i potrzeba automatyzacji w cyklu życia budynku

Współczesny proces projektowy, mimo rosnącej dominacji metodyki BIM, nadal napotyka istotne ograniczenia na etapie wymiany informacji. Dokumentacja 2D w formacie PDF, będąca standardem w obiegu formalno-prawnym, z perspektywy systemów komputerowych pozostaje jedynie zbiorem niesparametryzowanych linii, symboli i opisów.

Wyzwanie podjęte w ramach projektu badawczo-rozwojowego realizowanego przez Atlas Ward Polska oraz BIM Ally polegało na opracowaniu narzędzia umożliwiającego inteligentną translację dokumentacji PDF do parametrycznych rodzin elementów w środowisku Autodesk Revit. Realizacja pierwszego etapu projektu (Kamień Milowy 1 – KM1) wykazała, że kluczowym warunkiem powodzenia procesu konwersji jest precyzyjna detekcja układu nośnego budynku.

Osie konstrukcyjne, słupy oraz belki stanowią szkielet modelu, od którego zależy poprawność geometryczna wszystkich kolejnych elementów. Błąd w interpretacji opisów konstrukcyjnych na tym etapie prowadzi do kaskadowego narastania błędów lokalizacyjnych w dalszej części modelu.

Z perspektywy inżynierskiej automatyzacja tego procesu oznacza nie tylko skrócenie czasu modelowania, ale przede wszystkim ograniczenie błędów wynikających z ręcznego przepisywania danych. Celem projektu pilotażowego było potwierdzenie, że przy zachowaniu odpowiedniego rygoru technicznego technologia AI może stanowić wiarygodny fundament procesu tworzenia modeli BIM.

Osiągnięcie wysokiej precyzji w detekcji elementów układu nośnego uznano za warunek krytyczny powodzenia projektu. To właśnie te elementy definiują geometrię modelu i umożliwiają dalszą parametryzację obiektu.

2. Złudzenie wielomodalności (VLM) – dlaczego „surowe” AI nie wystarcza

W świecie systemów autonomicznych łatwo ulec przekonaniu, że nowoczesne modele wizyjno-językowe (VLM – Vision-Language Models) są w stanie samodzielnie rozwiązać problem interpretacji dokumentacji technicznej. W praktyce ich możliwości okazują się niewystarczające dla zastosowań inżynierskich.

Modele VLM bardzo dobrze radzą sobie z rozpoznawaniem znaczenia obiektów, czyli tzw. interpretacją semantyczną. Potrafią poprawnie wskazać, że dany symbol reprezentuje słup, belkę lub ścianę. Znacznie większym wyzwaniem jest jednak osiągnięcie wymaganej dokładności geometrycznej.

W projektowaniu budowlanym system musi nie tylko rozpoznać obiekt, ale również prawidłowo określić jego położenie, wymiary oraz typ. Odróżnienie słupa o przekroju 40×40 cm od słupa 50×50 cm wymaga analizy kontekstu rysunkowego, oznaczeń oraz zależności przestrzennych, a nie jedynie identyfikacji kształtu.

Z tego względu modele AI wymagają wsparcia w postaci wyspecjalizowanych algorytmów Computer Vision oraz dedykowanej warstwy logiki biznesowej. W opracowanym rozwiązaniu zastosowano wyraźny podział odpowiedzialności: modele VLM odpowiadają za interpretację kontekstu i znaczenia obiektów, natomiast silniki detekcji realizują precyzyjne wyznaczanie geometrii oraz położenia elementów w przestrzeni modelu.

3. Architektura Smart Pipeline – synergia VLM, Computer Vision i OCR

Podczas realizacji drugiego kamienia milowego (KM2) opracowano architekturę Smart Pipeline, której celem było rozwiązanie problemu wysokiej złożoności rzutów architektonicznych i konstrukcyjnych.

Centralnym elementem systemu jest warstwa Knowledge Manager, przechowująca standardy projektowe oraz bazę wiedzy o rodzinach elementów. Dzięki temu możliwe jest prawidłowe mapowanie danych wyjściowych do parametrów rodzin w Autodesk Revit.

Kluczowe komponenty rozwiązania obejmują:

Skalowalny tiling 2K/4K

Przetwarzanie całego arkusza jednocześnie prowadziłoby do utraty szczegółów wynikającej z ograniczeń kontekstu modeli AI. Dlatego rysunki dzielone są na mniejsze obszary robocze (kafle), co pozwala zachować rozdzielczość niezbędną do odczytu drobnych opisów i detali konstrukcyjnych.

Mechanizm nakładania się obszarów (overlap)

Aby wyeliminować błędy brzegowe, sąsiadujące kafle częściowo się pokrywają. Zapobiega to sytuacjom, w których element konstrukcyjny zostaje przecięty granicą obszaru analizy i błędnie zinterpretowany jako dwa niezależne obiekty.

OCR i zarządzanie artefaktami detekcji

Technologia OCR wykorzystywana jest nie tylko do ekstrakcji tekstu, ale również jako źródło danych wspierających proces walidacji. Interfejs weryfikacyjny umożliwia dynamiczną modyfikację promptów i parametrów analizy, dzięki czemu system może być dostosowywany do specyfiki dokumentacji opracowywanej przez różne biura projektowe.

4. Bariera dokładności i mechanizm Human-in-the-Loop (HITL)

Doświadczenia zdobyte podczas realizacji projektu potwierdziły, że pełna automatyzacja procesu bez nadzoru człowieka pozostaje obecnie nierealistycznym założeniem. Ryzyko błędnej interpretacji nietypowych rozwiązań projektowych wymaga zastosowania mechanizmu Human-in-the-Loop (HITL).

Jest to proces iteracyjny, w którym operator pełni rolę superwizora i jednocześnie dostarcza danych służących do ciągłego doskonalenia działania systemu.

Najważniejsze obszary nadzoru obejmują:

Grid Detection

Na tym etapie system proponuje układ osi konstrukcyjnych. Inżynier weryfikuje poprawność rozmieszczenia osi oraz ich rozstawów. Każda korekta zwiększa dokładność kolejnych etapów analizy.

Structures Detection

Drugi etap obejmuje klasyfikację i typowanie wykrytych elementów konstrukcyjnych. Operator weryfikuje zgodność liczby oraz typów obiektów z dokumentacją źródłową, a następnie zatwierdza wyniki do dalszego przetwarzania.

Dzięki takiemu podejściu narzędzie nie funkcjonuje jako nieprzejrzysta „czarna skrzynka”, lecz jako kontrolowany system wspomagania projektowania, zapewniający odpowiedni poziom jakości generowanego modelu BIM.

Architektura rozwiązania została zaprojektowana z myślą o dalszym zwiększaniu poziomu informacji (LOI – Level of Information) oraz szczegółowości modelu (LOD – Level of Detail).

Jednym z najważniejszych kierunków rozwoju jest wdrożenie mechanizmu OCR-driven counting. W tym podejściu dane pozyskane z tabel zestawieniowych, legend oraz opisów technicznych będą pełnić funkcję referencyjnego źródła danych (ground truth) dla silnika wizyjnego.

Przykładowo liczba słupów wykrytych na rzucie zostanie automatycznie porównana z liczbą elementów wskazaną w zestawieniu materiałowym. W przypadku rozbieżności system oznaczy dany obszar do weryfikacji przez operatora. Takie podejście znacząco zwiększa spójność i wiarygodność danych wejściowych do modelu BIM.

Dalsza roadmapa obejmuje:

• integrację zaawansowanej analizy międzyarkuszowej, umożliwiającej korelację rzutów, przekrojów i elewacji,
• automatyczne wykrywanie oraz rozwiązywanie kolizji podczas generowania modelu w Autodesk Revit,
• wykorzystanie metod optymalizacyjnych inspirowanych informatyką kwantową do rozwiązywania problemów rozmieszczenia elementów w złożonych strukturach projektowych.

6. Podsumowanie projektu R&D: bilans korzyści i wnioski

Projekt pilotażowy realizowany dla Atlas Ward Polska potwierdził, że połączenie technologii AI z wiedzą inżynierską umożliwia skuteczne przełamanie bariery pomiędzy dokumentacją 2D a parametrycznym modelem BIM.

Przejście od etapu Proof of Concept do stabilnego środowiska operacyjnego działającego w klastrze AKS potwierdziło dojrzałość technologiczną opracowanego rozwiązania. Pilotaż zakończył się osiągnięciem założonych celów technicznych i organizacyjnych, a wdrożone mechanizmy Human-in-the-Loop pozwoliły utrzymać jakość wyników zgodną z wymaganiami procesów projektowych.

Efektem projektu jest stabilny system, który realnie ogranicza nakład pracy związany z przygotowaniem modeli bazowych. Opracowana architektura Smart Pipeline oraz standardy obsługi błędów infrastrukturalnych stanowią fundament dla dalszej automatyzacji i cyfryzacji procesów w branży budowlanej.

Automatyczna konwersja dokumentacji PDF do BIM przestała być koncepcją badawczą i stała się praktycznym narzędziem wspierającym codzienną pracę zespołów projektowych.