🤖Машинное обучение не угадает параметры двери, если BIM-модели не говорят на одном языке

Турецкие исследователи проверили, можно ли обучить модель предсказывать характеристики дверей - материал, тип створки, раму, огнестойкость и размеры - на основе того, какие помещения они соединяют. В выборке 5763 двери из трёх реальных проектов: больница, офис и рекреационный центр.

Внутри одного проекта алгоритм действительно работает. На больничных данных точность предсказания материала полотна достигла 93%, тип створки - 90%. С размерами сложнее: ширину модель угадывала с ошибкой около 9 см, а высоту - идеально, но только потому, что в больнице все двери оказались одинаковой высоты. Это скорее артефакт данных, чем реальное мастерство.

🔴Проблемы начались, когда модель попытались перенести с проекта на проект. Обученная на больнице, она провалилась на офисе: макро-средняя F1-мера (баланс между точностью и полнотой) для материала полотна рухнула с 0,93 до 0,46. С типом створки - с 0,79 до 0,37. Огнестойкость предсказывалась на уровне случайности. Для рам вообще не нашлось пересекающихся категорий между проектами.

🔴Добавление второго проекта в обучение не помогло. Даже комбинированный набор «больница + офис» не справился с рекреационным центром: точность по материалу полотна составила 34%. Чуть лучше стало только после подмешивания небольшой части целевого проекта в обучающую выборку - но и тогда модель далека от надёжности.

🔴Исследователи честно фиксируют: проблема не в алгоритме (использовали стандартный Random Forest), а в данных. В разных проектах одни и те же материалы называются по-разному, наборы категорий не совпадают, а распределение признаков сильно различается. Если в больнице доминируют сталь и дерево, то в офисе - дерево и стекло. Модель не может перенести знания туда, где отсутствует единый язык описания компонентов.

🔴Вывод: без стандартизации BIM-данных - унификации названий параметров, согласованных наборов категорий, общих правил именования - любое машинное обучение останется заточено под конкретный проект. Подход работает как локальный помощник в пределах одного здания, но не как универсальный инструмент для переноса знаний между разными типологиями.

#ИИ #ИИ_ИНП #TechNews  #ИНП #машинноеобучение

📲 MАХимально на связи🔴
🤖 подписывайтесь:
@NextGenInfrastructure