机器建模时代已经到来——阿里云全新BIM产品

简介: 近期我们人工智能实验室推出了全息空间BIM产品,这是一套基于算法的BIM产品,这套产品包含全息空间BIM构建算法,工地安全管理,数字孪生城市等产品。我们重点来介绍下全息空间BIM构建算法。

机器建模的特点

我们这款算法建模产品经过大量的数据训练,从研发到上市,历时半年有余,目前已经商用,特点如下,不基于软件平台建模,通过云端算法工具,导入经人工整理的CAD图纸,自动生成模型,算法自动生成的模型并不是Revit模型或3Dmax模型,而是一个模型数据包,这个数据包可以基于不同的平台打开,包含Revit软件和3Dmax软件,目前可生成的文件格式是ifc、rvt、obj、fbx,如此则能较好的解决国外软件“卡脖子”问题,这和目前基于Revit平台的自动建模插件是完全不同的思路。
12.30第一张图.png

人工需要做什么

产品已经商用并面向市场,我们以向用户提供满意的BIM模型服务为目标。用户提供全套的设计图纸,至少包含平面、立面和剖面图纸给到我们人工智能实验室BIM产品团队,首先由我们对图纸进行整理,整理好的图纸,导入云端经算法计算生成模型数据包,由我们团队转换成不同格式的模型,同时机器会自动生成一份问题报告。这个过程有两部分工作需要人工完成,第一是图模一致性的审查,对模型中建模错误的问题和算法识别错误的问题进行修改,比方说门窗族匹配错误等情况进行更改;第二是对机器生成的报告进行整理,并对图纸表达不清楚或无法识别的问题进行整理,合并一起生成最终问题报告,报告中的问题需要用户进行明确,明确后将模型修改完成。我们团队的工作,主要是完成模型,至于后期模型的应用,如工程量的计算、门窗表的统计等应用是不包含的。12.30第二张.png

机器是怎样识图的

机器在提取数据生成模型时,是怎样识别平立剖面图呢?怎么样像人一样融合平立剖面来理解呢?机器识图是这样一个过程,首先识别建筑平面图,提取数据生成数据包模型,然后再识别立面图生成数据包模型,最后识别剖面图生成数据包模型,这三处数据包模型进行整合剪切生成最终数据包模型。举一个简单例子,墙上面有一个窗户,通过平面图可以定位到墙体的宽度尺寸和窗户的平面位置信息,算法会记录到这些信息生成模型数据包;通过立面图获得窗户的位置和尺寸信息,生成模型数据包,然后这两个数据包模型进行融合,将有用的信息整合起来。这其实是和人识图的逻辑高度一致的,只是计算机再做时候需是有先后的分步骤计算。

为什么可以不基于软件平台

算法建模产品为什么可以不基于平台生成模型呢?我们产品是基于图形识别,比如说一个构件实例门,门的信息通常包含以下几个方面,第一个方面是门的几何信息,第二部分是门的位置及定位信息,第三个部分是门的属性信息,这三部分信息被提取成为数据,以数据包的形式分类存放,而大部分BIM软件在生成模型时也是这几方面的数据,模型数据包中的分类信息与软件底层信息实现一一对应,在不同软件打开这个数据包时,即可生成模型。
12.30 11.png

机器建模的效率如何

它的精度和效率如何呢?这款产品主要是针对建筑结构建模,机电专业相对复杂,目前正在研发阶段。针对的建筑类别,主要是住宅比较多,较为规整的商业地产建筑也可以。

我们对外公开数据的表明,10万方的住宅楼、规整商业楼,人工整理图纸,算法自动生成,生成数据后整理修改出具报告,耗时3个工作日,这个效率不知比人工建模高出多少倍,这个建模时间影响因素主要在于图纸质量以及人工干预的时间上,云端算法生成数包据模型是极快的,如果设计质量太差,整理内容就比较多,后期出报告的时间也就比较久,即便如此,也能在3-5个工作日完成。可将人工1个月完成的工作量2-3完成,效率提升10倍。
如下给大家举2个实际的案例:
12.3011111.png
上海某设计院拿了一个7000平米的厂房建筑做测试,建筑、结构、钢结构3个专业,我们从接收资料到生成模型的时间是2小时,其中机器生成大概只用10分钟,模型整体较好,只有细节处有一些瑕疵。
深圳某综合设计院以近10000平方的住宅项目做测试,我们从接收资料到生成模型的时间是4小时左右,其中机器生成只用15分钟左右,模型准确率挺高。
12.31 .png

机器建模的精度如何

我们再来看看模型的精确度,目前建筑专业,包含各类墙体、门、窗、栏杆扶手、直梯、扶梯、楼梯、楼板模型深度不低于LOD 300,建筑细节基本可以完整表达;结构专业,包含各类墙、梁、板、柱,模型深度不低于LOD300。这些构件的几何属性和材质属性等均完整。这个深度的模型满足常规的管线综合净空分析等应用是完全没有问题的。
1.1 第一.png
1.1 第二.png

产品未来行业定位

在各行业信息化发展当中,建筑行业信息化排名倒数第二,农业倒数第一。我们产品的定位是为建筑行业信息化赋能,是为了让BIM建模工作越来越简单,让BIM从业人员从繁重的建模工作中解脱出来,去进行更多有价值的BIM应用工作。
算法产品建模不是跨界打劫,我们进入建筑行业,进入BIM行业,不是为了干掉传统的BIM咨询业务,而是为了把建模这种耗时耗力的工作化繁为简,为建模人员节约更多的时间去做有意义的事情,让建筑行业的生态更好,利用自己的技术优势,为行业赋能。

关于产品的价格和收费情况

由于机器云端算法生成模型是极快的,是软硬件成本,但是人工整理图纸和简单修改模型是存在人工成本的,但即是如此,相比于传统的建模方案,我们的成本缩减60%以上。
关于变更情况的收费,当变更超过30%就要另行收费了,如果变更不超过30%,则不用另外收取费用。机器的计算成本比较低,加收的费用主要是人工成本。
收费与用户的BIM建模标准也有关系,部分公司有一套自己的建模标准。比如雄安新区的BIM模型是有一整套的建模标准体系,湖南省的BIM审图也有一套标准体系,存在标准体系的,人工要先对标准体系进行梳理,寻找规则,与算法规则进行匹配对应,然后生成模型数据包,我们会根据需求做定制开发,相应增加费用。

小伙伴们如果对BIM方案感兴趣,可以扫描如下二维码与我们联系哦。

test

相关文章
|
6月前
|
人工智能 自然语言处理 API
【活动】开源与闭源大模型:探索未来趋势的双轨道路
在人工智能领域,大模型(Large Language Models, LLMs)凭借其强大的语言理解和生成能力,正逐步成为推动技术革新和社会进步的关键力量。随着GPT-3、BERT、Turing-NLG等知名模型的面世,大模型的开放与封闭策略也成为行业内外热议的话题。本文旨在探讨开源与闭源大模型各自的优劣,并基于当前技术发展、市场趋势及社会需求,分析两者在未来的发展前景。
104 2
|
2月前
|
存储 人工智能 数据格式
总说具身智能的数据太贵,鹏城实验室开源百万规模标准化数据集
【9月更文挑战第18天】鹏城实验室提出的ARIO(All Robots In One)标准,为具身智能领域带来了统一的数据格式、丰富的感知模态及多样化的真实与模拟数据,显著提升了数据集的质量与规模,助力智能系统更好地与物理世界互动。基于此标准构建的大规模数据集包含约300万个片段,覆盖258个系列和321,064个任务,极大地推动了具身智能的研究与发展。然而,该数据集也面临着存储需求高、系统互操作性及应用场景适应性等挑战。论文详情见:http://arxiv.org/abs/2408.10899。
76 11
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
|
6月前
|
运维 负载均衡 安全
回归网络本质需求,提供普惠连接价值 持续打造简单易用的智能云网络
2023年11月25日,北京,在第六届SD-WAN&SASE大会暨云网络大会上,阿里云资深产品总监、阿里云网络产品管理负责人孙成浩受邀做了《打造简单易用的智能云网络——云网络持续演进之路》的主题分享,回顾云网络产业发展,阐释云网络未来演进方向,以及阿里云网络产品服务今年的能力演进。
432 9
|
机器学习/深度学习 人工智能 算法
全球健康药物研发中心郭晋疆:多元科学计算系统在药物研发管线中的搭建与实践
结合数据、算法和超算平台的通力合作,药物研究行业即将取得更大的突破。
全球健康药物研发中心郭晋疆:多元科学计算系统在药物研发管线中的搭建与实践
|
机器学习/深度学习 存储 弹性计算
互联网大赛+命题解析-大规模云计算系统中计算子系统故障预测|学习笔记
快速学习互联网大赛+命题解析-大规模云计算系统中计算子系统故障预测
|
监控 机器人
狩猎者defi夹子机器开发技术原理的分析
过去一年的时间里,DeFi可谓是迅速崛起,发展态势极其迅猛。虽然DeFi尚处于发展早期阶段,但活跃度和参与度都呈指数地在增长。在DeFi中,交易被打包的顺序极大地影响了DeFi的经济利益。例如,在 UniSwap 中,同样两个针对某交易对的买单,先被执行的交易将获得更多代币。若你在一笔买单前买入同样的代币,然后又赶紧卖出,则将毫无风险的获利。
|
机器学习/深度学习 人工智能 并行计算
旷视开源深度学习框架天元!动静合一,训推一体,落地边缘设备
旷视开源深度学习框架天元!动静合一,训推一体,落地边缘设备
528 0
|
5G 光互联 网络架构
5G 承载的标准化进展 | 带你读《5G承载关键技术与规划设计》之四
5G 承载已成为业界关注的焦点,目前正处于标准形成和产业化培育的关键时期。ITU-T、IEEE、IETF、OIF、CPRI、CCSA 等国际、国内主要标准化组织和团体也已密集开展 5G 承载标准化研究工作。5G承载方案的推进需要综合考虑运营商的网络特性和业务需求以及成本等相关方面的因素。从几家运营商的发展思路来看,它们都在自己的轨道上快速前行。
5G 承载的标准化进展 | 带你读《5G承载关键技术与规划设计》之四
|
机器学习/深度学习 消息中间件 人工智能
【1012 - 1016直播导视 | PPT 下载】走进工业级图神经网络框架GraphLearn、一个真正人人可用的云时代研发模式已经到来!
本周将为你带来多场技术公开课:开源日也迎来第四期走进工业级图神经网络框架GraphLearn;并且还有阿里云Serverless云开发平台风驰为你揭秘一个真正人人可用的云时代研发模式已经到来!
5632 0
下一篇
无影云桌面