Интеграция генеративного ИИ в процесс архитектурного концепт-дизайна

Описание проекта

Данный репозиторий содержит материалы выпускной квалификационной работы (ВКР), посвященной разработке методологии внедрения генеративных моделей искусственного интеллекта в процесс архитектурного проектирования.

Проблематика

Современные генеративные модели (Midjourney, DALL-E, Stable Diffusion) способны создавать визуально убедительные архитектурные изображения, однако не учитывают нормативную базу (СНиП, СП, ГОСТ) и контекстные данные, что делает результаты малоприменимыми для реального проектирования.

Предлагаемое решение

Разработка подхода на основе RAG (Retrieval-Augmented Generation), который позволяет автоматически интегрировать требования нормативных документов в промпты генеративных моделей, повышая практическую применимость результатов.

Цель исследования

Снижение затрачиваемых ресурсов и повышение качества процесса архитектурного концепт-дизайна за счёт внедрения генеративных моделей ИИ, способных создавать архитектурные решения с учётом нормативной базы РФ.

Задачи

1. Анализ предметной области архитектурного концепт-дизайна и существующих методов проектирования
2. Исследование современных генеративных моделей ИИ и их возможностей в контексте архитектуры
3. Разработка и тестирование подхода к формированию архитектурных концептов с использованием RAG
4. Оценка эффективности предложенного подхода по заданным метрикам

arch_rag

Библиотека RAG-поиска по архитектурным нормативам (СНиП, СП, ГОСТ) для архитектурного концепт-дизайна.

Описание

arch_rag — модульная Python-библиотека для поиска и применения строительных нормативов в процессе генерации архитектурных концептов. Реализует два метода поиска: keyword matching и векторный поиск (TF-IDF + cosine similarity).

Установка зависимостей

```bash
pip install -r requirements.txt

Использованин

Поиск по нормативам

from arch_rag import NormsSearcher

searcher = NormsSearcher()
results = searcher.search("двухэтажный монолитный дом", top_k=3)

for r in results:
    print(f"[{r['type']} {r['number']}] {r['text']}")

Векторный поиск

from arch_rag import VectorSearcher

vsearcher = VectorSearcher()
results = vsearcher.search("высота потолков в жилом доме", top_k=2)

for r in results:
    print(f"[{r['type']}] {r['text']} (score: {r['vector_score']})")

Сборка архитектурной концепции

from arch_rag import ConceptBuilder

builder = ConceptBuilder()
concept = builder.build("Двухэтажный монолитный жилой дом, 150 м²")

print(concept["text"])   # Текстовая концепция
print(concept["norms"])  # Применённые нормативы
print(concept["params"]) # Извлечённые параметры

Автор

Проект разработан в рамках ВКР по теме «Интеграция генеративного ИИ в процесс архитектурного концепт-дизайна».