Aplicación de redes neuronales al diseño de vivienda colectiva. Procesos generativos de combinatoria y automatización mediante inteligencia artificial
Resumen
El siguiente artículo presenta un trabajo de investigación orientado al uso de inteligencia artificial para el diseño de arquitectura y procesos de automatización. El flujo de trabajo que se plantea hace uso de las capacidades de las redes neuronales en combinación con el diseño de algoritmos de automatización para evitar la repetición de tareas rutinarias. Como prueba de las capacidades de las redes neuronales para su uso en arquitectura, se usa una red neuronal antagónica condicional (Pix2Pix), entrenada por el autor para la generación de planos bidimensionales de vivienda colectiva. Mediante este flujo de trabajo se lleva a cabo la desagregación del conjunto en unidades de vivienda individuales, el procesado por parte de la red neuronal y la re-agregación en el conjunto de viviendas. Debido a la gran cantidad de plantas de vivienda necesarias para el entrenamiento de la red, es necesario automatizar los procesos, realizar un etiquetado y su almacenamiento en listas de datos. Los planos generados por la red neuronal son exportados a Grasshopper para su posterior tratamiento, pudiendo definirse diferentes aproximaciones mediante procesos de automatización.
Palabras clave
Texto completo:
PDFReferencias
AS, I., PAL, S. y BASU, P., 2018. Artificial intelligence in architecture: Generating conceptual design via deep learning. IJAC vol. 16, no. 4, pp. 306-327. ISSN 1478-0771. DOI 10.1177/1478077118800982. Disponible en: https://journals.sagepub.com/doi/full/10.1177/1478077118800982.
BISHOP, C.M., 2006. Pattern Recognition and Machine Learning. Nueva York: Springer. ISBN 0387310738.
CARPO, M., 2012. The Digital Turn in Architecture 1992 - 2012. Somerset: John Wiley & Sons. AD reader. ISBN 9781119951742.
CARPO, M., 2011. The alphabet and the algorithm. Cambridge, MA: MIT Press. ISBN 9780262515801.
CARTER, S., ARMSTRONG, Z., SCHUBERT, L., JOHNSON, I. y OLAH, C., 2019. Activation Atlas. Distill vol. 4, no. 3. ISSN 2476-0757. DOI 10.23915/distill.00015.
CHAILLOU, S., 2019. AI + Architecture, Towards a New Approach. Harvard: Graduate School of Design.
DEL BLANCO GARCÍA, F.L.; PEREZ LUPI, L. 2018. Métodos paramétricos de reconstrucción virtual de superficies parabólico hiperbólicas en la arquitectura de Félix Candela. EGE Revista de Expresión Gráfica en la Edificación, [S.l.], n. 10, p. 18-26, dic. ISSN 2605-082X. Disponible en: . doi:https://doi.org/10.4995/ege.2018.12437.
DEL BLANCO GARCÍA, F.L.; GARCÍA RÍOS, I.; GONZÁLEZ URIEL, A. 2020. Process Design for Automation. En: Agustín-Hernández L., Vallespín Muniesa A., Fernández-Morales A. (eds) Graphical Heritage. EGA 2020. Springer Series in Design and Innovation, vol 6. Springer, Cham. https://doi.org/10.1007/978-3-030-47983-1_35
DEL BLANCO GARCÍA, F.L.; GARCÍA RÍOS, I. 2019. Algorithm Design for Ruled Surfaces. Case Study of Felix Candela. En: Marcos C. (eds) Graphic Imprints. EGA 2018. Springer, Cham. https://doi.org/10.1007/978-3-319-93749-6_131
DUARTE, J. P., 2005. Towards the mass customization of housing: the grammar of Siza's houses at Malagueira. Environment and planning. B, Planning & design, vol. 32, no. 3, pp. 347-380. ISSN 0265-8135. DOI 10.1068/b31124. Disponible en: https://journals.sagepub.com/doi/10.1068/b31124.
FRIEDMAN, Y., 1971. The Flatwriter: choice by computer. Progressive Architecture vol. 52, no. 3, pp. 98. ISSN 0033-0752.
GÓMEZ PLATA, S., 2020. El lenguaje arquitectónico de la inteligencia artificial. UPM.
GOODFELLOW, I. et al, 2014. Generative Adversarial Nets. Advances in Neural Information Processing Systems 27, pp. 2672-2680.
HUANG, W. y ZHENG, H., 2018. Architectural Drawings Recognition and Generation through Machine Learning. ACADIA 2018. pp. 156-165.
KYLE, S.; KAT P.; ADAM M, 2019. Fresh Eyes: A Framework for the Application of Machine Learning to Generative Architectural Design, and a Report of Activities at Smartgeometry 2018. CAADRIA 2019. Singapur, pp. 32-46.
MATHIAS, M., et al. Automatic architectural style recognition. En ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2011, 171-176.
NEGROPONTE, N., 1970. The architecture machine, Towards a more human environment. Cambridge, Mass: MIT Press. ISBN 0262640104.
Aplicación de redes neuronales al diseño de vivienda colectiva
NEGROPONTE, N., 1975. Soft architecture machines. Cambridge, Mass.: MIT Press. ISBN 9780262140188.
RUTTEN, D., 2013. Galapagos: On the Logic and Limitations of Genetic Solvers. Architectural Design vol. 83, no. 2, pp. 132-135.
SALMAN, H. S., LAING, R., CONNI, A., 2014. The impact of computer aided architectural design programs on conceptual design in an educational context. En Design Studies, 35(4), 412-439.
SHALUNTS, G., HAXHIMUSA, Y., SABLATNIG, R., 2011. Architectural style classification of building facade windows. En International Symposium on Visual Computing, 80-289.
SJOBERG, C., BEORKREM, C. y ELLINGER, J., 2017. Emergent Syntax: Machine Learning for the Curation of Design Solution Space. ACADIA. 2017, pp. 552-561.
XU, Z., et al, 2014. Architectural Style Classification Using Multinomial Latent Logistic Regression. En Computer Vision, 600-615.
YOSHIMURA, Y., et al, 2019. Deep Learning Architect: Classification for Architectural Design Through the Eye of Artificial Intelligence. In International Conference on Computers in Urban Planning and Urban Management, 249-265.
ZHANG, H. y BLASETTI, E., 2020. 3D Architectural Form Style Transfer through Machine Learning. CAADRIA 2020. Hong Kong, pp. 659-668.
ZHENG, H. y HUANG, W., 2018. Understanding and Visualizing Generative Adversarial Networks in Architectural Drawings. CAADRIA 2018. Hong Kong
Enlaces refback
- No hay ningún enlace refback.
la revista rita_ está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.