《AUTOMATION IN CONSTRUCTION》:Multi-agent integration of LLMs and graph-based method for automated MEP constructability checking
编辑推荐:
自动核查复杂机电管道设计的手动核查效率低且易错,本文提出基于大语言模型与图技术的多智能体系统。通过构建结构化场景图、将规则转为知识图谱,并利用图匹配与推理识别违规,在三个项目中验证准确率达92%,显著提升效率并减少人工操作。
作者:李昂、王博宇、龚星波、侯芳丽、陶星宇、马俊、Jack C.P. Cheng
香港科技大学土木与环境工程系,中国香港
摘要
对于复杂的机械、电气和管道(MEP)设计,手动进行可行性检查不仅效率低下,而且容易出错。然而,自动化这一过程受到MEP图纸复杂性、设计规范多样性以及检查算法与分散的检查流程整合不足的阻碍。为了解决这些问题,本文提出了一种自动化检查系统,该系统将大型语言模型(LLMs)和图技术整合到一个协作的多智能体框架中。该系统包含三个组件:MEP图智能体,它从图纸中构建结构化场景图;MEP规则智能体,它将文本规则转换为知识图;以及MEP检查智能体,它通过图匹配和推理来识别违规情况。该系统在三个实际项目中进行了验证,平均违规检测准确率为92%。通过提供直观的问题识别界面,这种方法显著提高了协调效率并减少了人工工作量。这一框架为未来建筑领域中基于AI的自动化合规性检查奠定了坚实的基础。
引言
机械、电气和管道(MEP)系统在建筑基础设施中至关重要,为维持舒适的环境提供了必要的服务[1]。尽管MEP系统非常重要,但由于其内在的复杂性——需要在有限的空间内集成众多组件和子系统——因此在设计和空间协调方面面临着重大挑战。无效的布局设计(包括硬碰撞、管道错位、设备周围间隙不足或元素之间的方向关系不正确等,如图1所示)会严重损害MEP系统的可建造性。这些问题不仅会导致高昂的碰撞和返工成本,还会影响系统的性能、安全性以及施工后的维护便利性[2][3]。剖面图为协调不同MEP子系统和组件提供了直观有效的手段,有助于全面了解空间关系。然而,MEP系统的高复杂性和法规限制使得依赖人工检查来确保MEP模型满足设计要求变得不切实际。设计师通常需要审查每个项目超过100个剖面图[4],这种手动过程不仅耗时,而且容易出错,因此迫切需要一种自动化检查系统来提高效率和准确性。开发MEP设计的自动化可行性检查系统基于两个基本前提:从MEP图纸中精确提取信息[5],以及以机器可读格式正式表示可行性要求。在信息提取方面,研究已经从手动解释发展到利用计算机视觉和深度学习的自动化方法。然而,这些方法主要集中在识别结构元素上,其准确性常常受到MEP组件内在复杂性和高密度的限制[1]。在表示可行性要求方面,虽然自然语言处理(NLP)技术已被用于将设计规则从自然语言转换为可执行的逻辑格式[6],但与MEP相关的规则的复杂性带来了重大挑战。正如Wang等人(2016年)[7]所指出的,这些规则往往跨越多个学科,涉及多种组件,并且受项目特定情况的制约,使得其底层逻辑特别复杂。因此,迫切需要一种强大且可扩展的方法来解释和形式化这些多方面的MEP规则。
此外,现有的检查算法未能有效整合专门的MEP设计知识与MEP图纸中的信息。这些算法通常使用通用的规则检查框架,缺乏对MEP系统的空间、功能和物理约束进行推理的能力[8]。如果没有复杂的集成和领域特定逻辑的解释(例如,基于两个元素的属性推断关系),自动化检查仍然容易产生误报和漏报。此外,传统的检查过程非常繁琐,严重依赖人工数据输入和预处理[9],要求用户手动输入大量参数信息。这不仅增加了人为错误的可能性,还大大降低了系统的效率和可扩展性,阻碍了其在实际项目中的应用。
大型语言模型(LLMs)和基于LLM的智能体的出现为解决这些挑战提供了有希望的方法。这些先进模型在自动化复杂工作流程和跨多模态数据推理方面表现出强大的能力[10][11]。例如,李等人(2025年)[12]开发了一个基于LLM的智能体协作框架,用于自动BIM空间关系查询,展示了这种方法在管理建筑相关数据集成和语义推理方面的潜力。更重要的是,LLMs能够理解和解释复杂的文本设计规则,并将其与结构化模型信息对齐[13],从而促进更智能和领域特定的验证。通过利用自然语言理解和推理[14],基于LLM的系统可以通过减少对人工输入的依赖、增强领域知识的整合以及简化整个验证过程来显著提高MEP检查任务的自动化程度。
在此背景下,本文提出了以下核心研究问题:如何利用基于LLM的智能体来自动化和简化MEP可行性检查?这个问题进一步细分为三个简洁的子问题:1)如何自动准确地提取MEP图纸信息?2)如何正式表示可行性要求?3)如何开发一个集成LLM的检查算法来识别可行性问题?
为了解决这些问题,本研究的主要目标是开发一个全面的MEP可行性检查自动化系统,包括从图纸中准确提取设计信息、建立可行性的可计算表示以及设计用于问题检测的自动化检查算法。
为了实现这些目标,本文采用了一个协作的多智能体框架和基于图的方法来开发自动化检查系统。该系统包含三个核心组件:(1)MEP图智能体,它使用增强的预处理和冗余边检测从剖面图中构建结构化场景图;(2)MEP规则智能体,它通过规则分类和难度分层将文本可行性要求转换为结构化知识图;(3)MEP检查智能体,它通过知识图驱动的匹配和推理来识别违规情况。
本文的结构如下:第2节回顾了MEP设计检查的相关文献,并指出了研究空白。第3节详细介绍了所提出的基于LLM的自动化MEP设计检查系统的方法。第4节使用香港的实际项目展示了验证结果。第5节对所提出的方法进行了讨论。最后,第6节总结了研究并概述了未来的工作。
节选内容
文献综述
本节回顾了与自动化MEP检查相关的主要文献领域,为本文提供了背景。首先讨论了自动化MEP检查的两个关键前提:图纸信息提取方法(第2.1节)和可行性要求的制定(第2.2节)。随后,第2.3节讨论了当前MEP检查实践中使用的现有检查方法和常见算法。
方法论
为了解决MEP可行性检查繁琐且复杂的本质,本文旨在开发一个自动化系统,该系统能够从图纸中准确提取设计信息,并根据可行性要求有效识别图纸中的可行性问题。如图2所示,所提出的方法是一个基于LLM的多智能体框架,包含三个核心智能体:1)MEP图智能体,它能够...结果与验证
本节展示了案例研究结果,以验证所提出的自动化MEP检查系统。首先描述了项目背景和剖面数据获取方法(第4.1节)。随后,介绍了MEP图智能体、MEP规则智能体和MEP检查智能体的性能,并分析了系统的不确定性(第4.2节),以全面评估所提出的系统。
讨论
基于验证结果,本节讨论了所提出的自动化MEP检查系统的重要性。它展示了所提出的多智能体框架中三个专用LLM智能体的主要贡献(第5.1节),并随后指出了当前的限制,以指导未来的研究和实际应用(第5.2节)。
结论
为了解决MEP可行性检查繁琐且复杂的本质,本研究开发了一个基于LLM的多智能体框架来自动化MEP检查过程。该系统使用专用智能体将MEP图纸和文本设计规则转换为结构化图表示。然后,专门的检查智能体使用图匹配和推理算法分析这些图以识别设计违规情况。
该框架的有效性已在...
CRediT作者贡献声明
李昂:撰写——原始草稿、可视化、验证、方法论、形式分析、数据管理、概念化。王博宇:验证、资源管理、项目管理、概念化。龚星波:软件开发、资源管理、项目管理、数据管理。侯芳丽:验证、监督、调查、形式分析、概念化。陶星宇:监督、项目管理、概念化。马俊:监督、项目管理、方法论、资金支持
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
致谢
作者感谢香港特别行政区创新与技术基金(编号:ITS/394/23FP)部分支持了这项研究。作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。