'Huisachtige' 3D-objecten genereren uit ruis

Lisa-Marie daagde zichzelf uit om een deep learning-model te bouwen dat 'huisachtige' 3D-objecten kan genereren uit willekeurige ruis. "Ik geloof dat er veel potentie zit in het verwerken van deep learning in ontwerptools. Ik wil ervoor zorgen dat juist de mensen die wat achtergesteld zijn, toch toegang hebben tot goede architectuur."

Lisa-Marie groeide op in Californië, waar ze na haar bachelor werkte bij een architectenbureau. Met haar interesse in digitale technologie was ze betrokken bij het implementeren van nieuwe software waarmee haar collega's hun ontwerpproces konden versnellen. Voor haar masteropleiding verhuisde ze naar Delft, waar ze verder aan haar codeervaardigheden werkte. Lisa-Marie leerde voor het eerst AI te implementeren tijdens een keuzevak van Geomatics.

Het model van Lisa-Marie is een 'Generative Adversarial Network', dat bestaat uit twee neurale netwerken: een generator en een criticus. De criticus heeft een dataset van 'huisachtige' objecten die bestaan uit voxels (3D-pixels). Het bestudeert deze set om te leren hoe gebouwen eruit horen te zien. De generator stelt vervolgens een reeks objecten samen die door de criticus worden beoordeeld op hun ‘huisachtigheid’. Het proces herhaalt zich totdat de generator consequent objecten genereert die op huizen lijken. Lisa-Marie breidde het aantal voxels uit van 64 x 64 x 64, zoals in eerder onderzoek, naar 160 x 160 x 80. Door deze uitbreiding moest haar deep learning model draaien op de DelftBlue supercomputer.

"Het meest tijdrovende aspect van mijn scriptie was het schrijven van de code van het model en oplossen van problemen. Ik ben erg blij om te zien dat het werkt!" Lisa-Marie erkent dat er nog veel factoren moeten worden opgenomen in dit model, zoals de omgeving van structuren. Maar ze gelooft dat er veel potentie zit in het integreren van deep learning in creativiteit- en ontwerptools. Lisa-Marie: "We moeten deze modellen zien als hulpmiddelen, niet als vervanging van architecten en ontwerpers. In de toekomst hoop ik dat geautomatiseerde ontwerpprocessen beschikbaar komen voor gebouwen en ruimtes die geen professionele ontwerpers kunnen aantrekken: om ervoor te zorgen dat mensen die nu nog onderbediend en ondervertegenwoordigd zijn, toch toegang hebben tot goede ontwerpen."

Meer informatie

• Masterproject 3D Generative Adversarial Networks to Autonomously Generate Building Geometry

Computergestuurd ontwerpen en binnenmilieu

Lotte wilde een model bouwen om voorspellingen te maken over twee vaak ondergeschoven factoren, de hoeveelheid daglicht in een appartement en de kwaliteit van het uitzicht vanuit de ramen. "Met mijn model kunnen architecten deze factoren al in de ontwerpfase optimaliseren! Met genoeg gegevens kunnen we gestandaardiseerde appartementencomplexen transformeren zodat ze beter voldoen aan de behoeften van de bewoners."

Lotte zit in de laatste fase van de opleiding Building Technology. "Tijdens BT bedenk je innovaties die toegepast kunnen worden in de architectuur." De afgelopen jaren raakte ze geïnteresseerd in twee heel verschillende onderwerpen. Aan de ene kant het binnenmilieu, bijvoorbeeld temperatuur, hoeveelheid daglicht en energieverbruik. Aan de andere kant computergestuurd ontwerpen. Lotte: "Op dit moment vind ik dat AI een gemiste kans is in de wereld van bouwen en ontwerpen."

Voor haar model had Lotte een realistische dataset nodig met ruimtelijke informatie, kwaliteit van uitzicht, hoeveelheid daglicht, en locatie van ramen. Gelukkig kon Lotte ,via een Zwitserse organisatie, beschikken over deze gegevens die al gemeten of geëxtrapoleerd waren voor 150.000 bestaande kamers. Haar neurale netwerk verwerkt deze informatie en begint causaliteit te voorspellen. Wat is de precieze relatie tussen de grootte van je ramen en de hoeveelheid daglicht die de kamer binnenkomt? Hoeveel vermindert het balkon van je bovenbuurman de kwaliteit van je uitzicht? Het model vormt langzaam en wint aan voorspellende kracht.

Op het moment van schrijven is de AI nog steeds bezig met het bouwen van Lotte's model. Wat zijn de voordelen als het lukt? Lotte: "We weten al dat kwaliteit van uitzicht en daglicht bijdragen aan wooncomfort en mentale gezondheid. Maar als je vandaag appartementen bouwt, kun je deze factoren alleen inschatten door ze te testen met maquettes, wat veel werk kost. Mijn model zou deze factoren al in de ontwerpfase kunnen optimaliseren. Architecten zouden zich dan kunnen richten op creativiteit. Op dit moment is mijn model beperkt tot de schaal van individuele appartementen, maar in de toekomst zouden we op deze manier hele verdiepingen of zelfs gebouwen kunnen plannen. Met genoeg openbare datasets van hoge kwaliteit kunnen we modellen bouwen die gestandaardiseerde appartementenblokken transformeren zodat ze beter voldoen aan de behoeften van de bewoners."

Meer informatie
Lotte Kat’s masterproject, visual comfort l(AI)outs (verslag wordt nog geschreven), is een samenwerking met Fatemeh Mostafavi.

Optimaliseren en automatiseren van vakwerkconstructies

Amy's doel was het automatisch genereren van geoptimaliseerde vakwerkconstructies: 3D-objecten die bestaan uit rechte lijnen. Naast betere prestaties zouden deze constructies ook duurzamer zijn vanwege grotere herbruikbaarheid van materialen. “Door een database van huidige voorraden op te nemen kun je afval minimaliseren, herbruikbaarheidspercentages verbeteren en zo de milieu-impact van je bouwproject verlagen."

Toen Amy aan haar bacheloropleiding Bouwkunde begon, verdiepte ze zich in parametrisch ontwerpen, programmeren en digitale tools zoals Grasshopper. "Ik raakte verslaafd toen ik het programmeren in Python ontdekte. Ik dacht: hier moet ik beter in worden! Ik wilde ontwerpen kwantificeerbaar en optimaliseerbaar maken." Tijdens haar vervolgopleiding Building Technology volgde ze alle vakken die met computergestuurd ontwerp te maken hadden. Maar het onderwerp van haar scriptie was nog steeds een raadsel. Hoe kon ze kiezen als zoveel haar aandacht trok? Bij het scannen van de lijst met potentiële projecten merkte Amy op dat ze nog niet wist hoe ze met AI moest werken. Dus nam ze een voorbeeld aan Pippi Langkous: "Ik heb het nog nooit gedaan, dus ik denk dat het me wel lukt."

Vakwerkconstructies ken je misschien van spoorbruggen, elektriciteitsmasten of (waarschijnlijk de beroemdste vakwerkconstructie) de Eiffeltoren. Om deze structuren te optimaliseren, bevat Amy's model een soortgelijke feedback-loop als dat van Lisa-Marie Mueller. Twee neurale netwerken wisselen informatie uit. Het ene analyseert een grote database van willekeurig gegenereerde vakwerkconstructies en ‘leert’ deze te beoordelen op maatstaven zoals stabiliteit en materiaalgebruik. Dit netwerk labelt vervolgens een vooraf bepaalde beginstructuur aan de hand van zijn lessen. Het tweede neurale netwerk past de structuur aan en stuurt de aangepaste versie terug om te beoordelen. Amy: "Ik merk meestal dat de structuur in minder dan duizend cycli is geoptimaliseerd."

Amy ziet veel voordelen van haar AI-gedreven model. "Naast het verhogen van de prestaties van de resulterende constructies, optimaliseert het model ook op basis van de beschikbaarheid van bouwmaterialen. Door een database van huidige voorraden op te nemen kun je afval minimaliseren, herbruikbaarheidspercentages verbeteren en zo de milieu-impact van je bouwproject verlagen." In de toekomst hoopt ze dat deze technologie volledig gepersonaliseerde ontwerpen kan genereren. Een soort ChatGPT voor de bouw, die mensen helpt om gemakkelijk structurele keuzes te maken. "Met behulp van AI ontwikkelen we de mogelijkheden van digitale technologie."

Meer informatie

• Masterproject Deep Generative Design: A Deep Learning Framework for Optimized Spatial Truss Structures with Stock Constraints