DigiBygg – AI for automated production of digital building models and smart building analyses.

Prosjektet DigiBygg har som mål å oppnå rask og kostnadseffektiv produksjon av detaljerte digitale bygningsmodeller, som vil fremme bredere bruk av digitale prosesser i byggesektoren. For å oppnå dette vil nye metoder basert på kunstige nevrale nettverk utvikles for å behandle skannet data fra bygninger for å automatisk generere plantegninger og detaljerte 3D-modeller. Bygninger er den største forbrukeren av energi i Europa, ansvarlig for omtrent 40% av EUs energiforbruk og 36% av de energirelaterte klimagassutslippene. Transformasjon innen byggesektoren er derfor avgjørende for å nå FNs bærekraftsmål. Exact Geo Survey er et ledende selskap innen oppmåling, scan til BIM, IT og digitalisering som ønsker å sette en ny standard for hvordan 3D-modeller og tegninger opprettes fra skannede punktskyer. Denne ambisiøse oppgaven vil bli utført sammen med SINTEF som FoU-partner, samt andre BIM-interessenter fra hele verdikjeden. Den økte tilgjengeligheten av skanningsteknologi har i stor grad forenklet prosessen med å samle data som brukes til å konstruere BIM-modeller. Imidlertid er det fortsatt en arbeidskrevende og derfor kostbar prosess å skape nyttige 3D-modeller og planer fra en punktsky og bilde-data, noe som utgjør en kritisk barrierer for å ta i bruk digitale prosesser, spesielt innen kommunal- og småbedriftssektorene. Derfor trengs det nye metoder for rask og kostnadseffektiv produksjon av 3D-modeller og plantegninger fra skannet data. I dette prosjektet vil vi bygge videre på nylige fremskritt innen kunstig intelligens for behandling av 3D-data og generativ AI for å utvikle nye BIM-produksjonsteknologier som vil gjøre det mulig for Exact Geo Survey å revolusjonere bruken av digitale prosesser innen byggesektoren.

This project aims to significantly reduce the real cost and lead time associated with producing digital building models whilst at the same time preserving the accuracy and their level of detail to support the generation of 2D/3D architectural plans and depth of information to support the full range of BIM analyses. We also want to explore how Artificial Intelligence (AI) can be leveraged to revolutionise how digital building models are employed by end-users and to greatly simplify typical analysis workflows – e.g. by enabling natural language queries of building properties and characteristics. We believe a generic and easy to use interface for extracting non-trivial characteristics from digital building models together with greatly reduced cost and lead time will promote adoption of digital workflows and drive digital transformation. Realising these goals will require the following key innovations: • A more effective solution for labelling/segmenting lidar scan data that supports furnished environments and is precise enough to be used as a basis for producing architectural plans. • A new and automated method for producing high-quality 2D plans and 3D models that are in accordance with architectural, construction and private sector requirements. • A new method for automatic classification of building materials. • A new framework for integrating AI models with BIM data to enable natural language queries of building properties and characteristics.