Alaprajz tervezés mesterséges intelligenciával / Floor Plan Design with Artificial Intelligence

Elsődleges fülek

Erre a témakiírásra nem lehet jelentkezni.
Nyilvántartási szám: 
23/32
Témavezető neve: 
Témavezető e-mail címe:
barsi.arpad@emk.bme.hu
A témavezető teljes publikációs listája az MTMT-ben:
A téma rövid leírása, a kidolgozandó feladat részletezése: 
A mesterséges intelligencia az építőmérnöki területet is forradalmasítani kezdte, mivel a sekély és mély neurális hálózatok, szakértői rendszerek és fuzzy logika alkalmazása ígéretesnek bizonyult a tervezés minőségi javításában, a költségvetés optimalizálása és az építési folyamatok felgyorsítása terén. A természetes nyelvi feldolgozás (NLP) beépítése az építőmérnöki munkába azonban eddig nem történt meg.
A kutatás elsődleges célja a meglévő mesterséges intelligencia (AI) eszköztár átfogó felmérése, a különféle eszközök előnyeinek és hátrányainak értékelése az építőmérnöki és építőipari kontextusban. A hangsúly ezután egy olyan alaprajzok létrehozására vonatkozó stratégiai terv kidolgozására kerül, amely meghatározza, hogy mely mesterséges intelligencia-eszközök a legelőnyösebbek a tervezési gyakorlat számára. Ezen túlmenően a Jelölt módszereket javasol ezek zökkenőmentes integrációjához.
A Jelölt az elvi séma kiválasztott elemeit szabadon választott környezetben megvalósítja, adott esetben meglévő szoftverfejlesztő készleteket alkalmaz munkájához. Az ezekből a megvalósításokból kapott eredményeket a használhatóság és a minőség szempontjából értékeljük, ezáltal az NLP és más AI-eszközök építőmérnöki munkafolyamatokba való integrálhatóságát vizsgáljuk.
A kutatás a következő fő szakaszokból áll:
• Irodalmi áttekintés
• A meglévő AI-eszközök áttekintése
• Koncepcionális keretek fejlesztése a későbbi munkafolyamatok számára
• A kiválasztott elemek megvalósítása (implementálás)
• Használhatóság és minőség értékelése
• Esettanulmányok és alkalmazások
• Összegzés és dokumentálás (a disszertáció megírása).
A jelöltnek építőmérnöki, informatikai vagy ehhez szorosan kapcsolódó területen szerzett MSc-fokozattal kell rendelkeznie, amely szilárd alapot képez a mérnöki elvek és a mesterséges intelligencia terén. Ezenkívül nagyon erős programozási készségekre van szükség, különösen az AI-kutatásban általánosan használt nyelveken, például a Pythonban, a releváns könyvtárakkal és keretrendszerekkel való munkavégzéssel együtt. Előnyt jelent az NLP-eszközök (pl. ChatGPT) átfogó ismerete, valamint a proaktív és innovatív gondolkodásmód, az AI-val kapcsolatos koncepciók gyakorlati megvalósításában való jártasság, valamint a kiváló írásbeli és verbális kommunikációs készség.
 
***
 
Artificial intelligence has started to revolutionize also the field of civil engineering, as the use of shallow and deep neural networks, expert systems, and fuzzy logic has shown promise in enhancing design quality, optimizing budgets, and expediting construction processes. However, the incorporation of natural language processing (NLP) in civil engineering remains largely unexplored.
The primary objective of the research is to conduct a comprehensive survey of the existing artificial intelligence (AI) toolbox, evaluating the advantages and disadvantages of various tools within the context of civil engineering and construction. The focus will then shift towards conceptualizing a strategic plan on creating floor plans that identifies which AI tools are most beneficial for design practices and proposes methodologies for their seamless integration.
The candidate will implement selected elements of the conceptual plan in a freely chosen environment, leveraging existing software development kits where applicable. The results obtained from these implementations will be evaluated in terms of usability and quality, providing insights into the practicality of integrating NLP and other AI tools into civil engineering workflows.
The research has the following main phases:
Literature review
Survey of existing AI tools
Conceptual framework development
Implementation of selected elements
Usability and quality evaluation
Case studies and applications
Summarization and documentation (writing the thesis)
The candidate must hold a master's degree in Civil Engineering, Computer Science, or a closely related field, demonstrating a solid foundation in both engineering principles and artificial intelligence. Furthermore, very strong programming skills, particularly in languages commonly used in AI research such as Python, and the ability to work with relevant libraries and frameworks are needed. A comprehensive knowledge of NLP tools (e.g., ChatGPT) is an advantage, as well as a proactive and innovative mindset, proficiency in implementing AI-related concepts in practical settings and excellent written and verbal communication skills are welcome.
A téma meghatározó irodalma: 
    1. Russell, S.J., Norvig, P.: Artificial Intelligence: A Modern Approach, Pearson, 2020. p. 1136
    2. Goodfellow, I., Bengio, Y., Courville, A.: Deep Learning (Adaptive Computation and Machine Learning series), The MIT Press, 2016. p. 800
    3. Aggarwal, C.C.: Neural Networks and Deep Learning: A Textbook, Springer, 2018. p. 520
    4. Weber, R.E., Mueller, C., Reinhart, C.: Automated floorplan generation in architectural design: A review of methods and applications, Automation in Construction, Elsevier, 140 (2022), DOI:10.1016/j.autcon.2022.104385
    5. Rao, D., McMahan, B.: Natural Language Processing with PyTorch: Build Intelligent Language Applications Using Deep Learning, O'Reilly Media, 2019. p. 254
A téma hazai és nemzetközi folyóiratai: 
    1. Automation in Construction, Elsevier, IF: 10.3, 2022 Q1
    2. Journal of Computing in Civil Engineering, American Society of Civil Engineers (ASCE), IF: 6.9, 2022 Q1
    3. Journal of Materials in Civil Engineering, American Society of Civil Engineers (ASCE), IF: 3.2, 2022 Q1
    4. Periodica Polytechnica: Civil Engineering, IF: 1.8, 2022 Q3
    5. Advances in Civil Engineering, IF: 1.8, 2022 Q3
A témavezető utóbbi tíz évben megjelent 5 legfontosabb publikációja: 
    1. Barsi, Á., Lógó, J.M.: The Role of Topology In High-Definition Maps For Autonomous Driving, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLIII-B4-2022, p. 6, 2022, DOI: 10.5194/isprs-archives-XLIII-B4-2022-383-2022
    2. Barsi, Á., Csepinszky, A., Lógó, J.M., Krausz, N., Potó, V.: The role of map in autonomous driving simulations, Periodica Polytechnica Transportation Engineering, 48(4), pp. 363–368. Q2, DOI: 10.3311/PPtr.15852
    3. Barsi, Á., Kugler, Zs., Juhász, A., Szabó, Gy., Batini, C., Abdulmuttalib, H., Huang, G., Shen, H.: Remote Sensing Data Quality Model: from data sources to lifecycle phases, International Journal of Image and Data Fusion, 10(4), pp. 280-299, 2019. IF: 2.3, Q1, DOI: 10.1080/19479832.2019.1625977
    4. Török, Á., Barsi, Á., Bögöly, Gy., Lovas, T., Somogyi, Á., Görög, P.: Slope stability and rockfall assessment of volcanic tuffs using RPAS with 2-D FEM slope modelling, Natural Hazards and Earth System Sciences, 18(2), pp. 583-597, 2018 IF: 4.6, Q1, DOI: 10.5194/nhess-18-583-2018
    5. Balázs, L.Gy., Czoboly, O., Lublóy, É., Kapitány, K., Barsi, Á.: Observation of steel fibres in concrete with Computed Tomography, Construction and Building Materials, 140(1), pp. 534-541, 2017, IF: 7.4, Q1, DOI: 10.1016/j.conbuildmat.2017.02.114
A témavezető fenti folyóiratokban megjelent 5 közleménye: 
    1. Kapitány, K.,Barsi, Á.: Fourier transformation based CT correction method for geomaterial core samples, Journal of Materials in Civil Engineering, 28(1), p. 9, 2016, DOI: 10.1061/(ASCE)MT.1943-5533.0001349
    2. Szántó, M., Kobál, S., Vajta, L., Horváth, V.Gy., Lógó, J.M., Barsi, Á.: Building Maps Using Monocular Image-feeds from Windshield-mounted Cameras in a Simulator Environment, Periodica Polytechnica Civil Engineering, 67(2), pp. 457–472, 2023. DOI: 10.3311/PPci.21500
    3. Krausz, N., Potó, V., Lógó, J.M., Barsi, Á.: Comparison of Complex Traffic Junction Descriptions in Automotive Standard Formats, Periodica Polytechnica Civil Engineering, 66(1), pp. 282–290, 2022. DOI: 10.3311/PPci.18616
    4. Lublóy, É., Ambrus, D., Kapitány, K., Barsi, Á.: Air Void Distribution of Asphalts Determined by Computed Tomography, Periodica Polytechnica Civil Engineering, 59(4), pp. 503–510, 2015. DOI: 10.3311/PPci.7608
    5. Berényi, A., Lovas, T., Barsi, Á., Dunai, L.: Potential of Terrestrial Laserscanning in Load Test Measurements of Bridges, Periodica Polytechnica Civil Engineering, 53(1), pp. 25–33, 2009. DOI: 10.3311/pp.ci.2009-1.04
Hallgató: 

A témavezető eddigi doktoranduszai

Potó Vivien (2017/2021/2023)
Kapitány Kristóf (2012/2015/2015)
Sárközi Boglárka (2011/2014/)
Molnár Bence (2008/2012/2013)
Kertész Imre (2006/2009/2011)
Szeverényi Nikol (2006/2016/2018)
Schrott Péter (2005/2009/)
Kibédy Zoltán (2005/2007/)
Kugler Zsófia (2003/2006/2008)
Aliyev Nurlan (2024//)
Státusz: 
elfogadott