Эрик Артурович Григорян — преподаватель, аспирант кафедры информационных систем, технологий и автоматизации в строительстве
129337, г. Москва, Ярославское шоссе, д. 26
ResearcherID: MSZ-1899-2025
Erik A. Grigoryan — lecturer, postgraduate student of the Department of Information Systems, Technologies and Automation in Construction
26 Yaroslavskoe shosse, Moscow, 129337
ResearcherID: MSZ-1899-2025
Ангелина Олеговна Рыбакова — кандидат технических наук, доцент кафедры информационных систем, технологий и автоматизации в строительстве
129337, г. Москва, Ярославское шоссе, д. 26
РИНЦ AuthorID: 50423402, Scopus: 57202815558, ResearcherID: AAC-8443-2022
Angelina O. Rybakova — Candidate of Technical Sciences, Associate Professor of the Department of Information Systems, Technologies and Automation in Construction
26 Yaroslavskoe shosse, Moscow, 129337
RSCI AuthorID: 50423402, Scopus: 57202815558, ResearcherID: AAC-8443-2022
Введение. Цифровая трансформация проектно-строительной отрасли привела к активному развитию технологий автоматизированного проектирования, среди которых особое место занимает генеративный дизайн, интегрированный с BIM-моделированием. Исследование направлено на анализ текущего состояния и перспектив применения генеративного дизайна для автоматизации архитектурных решений с учетом разнородных требований заказчиков. Актуальность работы обусловлена необходимостью сокращения времени проектирования при одновременном повышении качества и индивидуализации проектных решений.
Материалы и методы. Исследование основано на системном анализе научных публикаций за 2017–2023 гг., посвященных генеративному дизайну и BIM-технологиям. Проведено сравнительное изучение существующих программных решений (Autodesk Revit с Dynamo, Grasshopper для Rhino, IDEA StatiCa, Generative Components). Применены методы экспертных оценок для определения эффективности внедрения генеративных алгоритмов, а также метод кейс-стади для анализа реализованных проектов.
Результаты. Выявлены четыре доминирующих подхода к интеграции генеративного дизайна в BIM-процессы: параметрическое моделирование на основе графов, эволюционная оптимизация, машинное обучение и агентное моделирование. Установлено, что алгоритмы генеративного дизайна позволяют сократить время проектирования на 35–40 % при одновременном рассмотрении в 5–7 раз большего количества проектных вариантов. Разработана методология внедрения генеративных алгоритмов, охватывающая полный цикл от формализации требований заказчика до оценки результатов. Определены ключевые препятствия для широкого внедрения: недостаточная стандартизация технологий, сложность формализации субъективных эстетических критериев и значительные вычислительные требования для комплексных проектов.
Выводы. Генеративный дизайн в сочетании с BIM-технологиями представляет собой эффективный инструмент автоматизации архитектурного проектирования, позволяющий находить оптимальные решения сложных многокритериальных задач. Предложенная методология дает возможность систематизировать процесс внедрения генеративных алгоритмов в существующие BIM-процессы. Дальнейшее развитие технологии требует создания специализированных библиотек типовых генеративных компонентов и методов интерпретации нечетких требований заказчиков.
Introduction. The digital transformation of the architectural and construction industry has led to the active development of computer-aided design technologies, with generative design integrated into BIM modelling playing a special role. This research aims to analyze the current state and prospects of generative design application for architectural solutions automation considering diverse client requirements. The relevance of this work is due to the need to reduce design time while simultaneously improving quality and individuality of design solutions.
Materials and methods. The study is based on a systematic analysis of scientific publications from 2017–2023 on generative design and BIM technologies. A comparative study of existing software solutions (Autodesk Revit with Dynamo, Grasshopper for Rhino, IDEA StatiCa, Generative Components) was conducted. Expert evaluation methods were applied to determine the effectiveness of implementing generative algorithms, and the case study method was used to analyze implemented projects.
Results. Four dominant approaches to integrating generative design into BIM processes were identified: graph-based parametric modelling, evolutionary optimization, machine learning, and agent-based modelling. It was established that generative design algorithms can reduce design time by 35–40 % while simultaneously considering 5–7 times more design variants. A methodology for implementing generative algorithms was developed, covering the full cycle from formalizing client requirements to evaluating results. Key obstacles to widespread implementation were identified: insufficient standardization of technologies, complexity in formalizing subjective aesthetic criteria, and significant computational requirements for complex projects.
Conclusions. Generative design combined with BIM technologies is an effective tool for automating architectural design, allowing optimal solutions for complex multi-criteria problems. The proposed methodology systematizes the process of implementing generative algorithms into existing BIM workflows. Further technology development requires creating specialized libraries of typical generative components and methods for interpreting fuzzy client requirements.
The authors declare that there are no conflicts of interest present.