ZURU Tech ha presentado una innovadora plataforma llamada Dreamcatcher, que revoluciona la forma de diseñar y construir edificaciones, abarcando desde casas hasta hospitales y oficinas. Esta herramienta permite que usuarios de cualquier nivel de experiencia colaboren en el diseño y la construcción mediante un proceso accesible y amigable que permite, con solo hacer clic en un botón, ordenar una construcción, fabricarla y entregarla en el sitio asignado para su ensamblaje.
En colaboración con el AWS Generative AI Innovation Center y AWS Professional Services, ZURU ha implementado un generador de planos de planta más preciso que utiliza inteligencia artificial generativa. Este sistema permite a los usuarios especificar en lenguaje natural cómo desean que sea su edificio. Por ejemplo, al introducir una descripción como “Crea una casa con tres dormitorios, dos baños y un espacio exterior para entretenimiento”, el sistema genera un único plano en un entorno de diseño 3D, facilitando así la creación de viviendas bien diseñadas incluso para aquellos sin formación técnica en arquitectura.
Para lograr esto, el equipo de ZURU llevó a cabo un extenso proceso de selección de modelos y ajuste, utilizando herramientas como Amazon Bedrock y Amazon SageMaker para mejorar la precisión del generador. El primer paso en este proceso implicó comprobar que podían generar un plano de planta 2D basado en las indicaciones del usuario. Para ello, el equipo estableció dos criterios clave de evaluación: la comprensión de la distribución de habitaciones y sus dimensiones.
Inicialmente, ZURU consideró la posibilidad de utilizar redes generativas adversariales (GAN) para esta tarea, pero los resultados positivos derivados de pruebas con el modelo GPT2 llevaron a la decisión de optar por un enfoque basado en este último, lo que parece ofrecer la precisión necesaria.
Además, el equipo llevó a cabo experimentos para ajustar aún más los resultados. Uno de estos experimentos consistió en el ajuste fino del modelo mediante el uso de variantes Llama 3B para aumentar la precisión al utilizar ejemplos de alta calidad, mientras que otro se centró en la ingeniería de prompts, utilizando el modelo Claude 3.5 de Anthropic para evaluar el impacto de ejemplos contextuales en las instrucciones.
ZURU también se dedicó a preparar un conjunto de datos inicial, recopilando planos de miles de casas de fuentes públicas y revisándolos con un equipo de arquitectos. Para agilizar el proceso de revisión, desarrollaron una aplicación personalizada que permitía una rápida aprobación o rechazo de los planos según su compatibilidad con el sistema de construcción de ZURU. Este enfoque intuitivo aceleró significativamente la evaluación, manteniendo criterios claros para cada plano.
Los resultados de estas iniciativas han demostrado que el enfoque de ingeniería de prompts y el ajuste fino han incrementado la calidad en la adherencia a las instrucciones en más del 100% en comparación con el modelo base GPT2. Aunque el enfoque de ajuste fino mostró mejoras significativas, la implementación de LoRA, que requiere menos recursos computacionales, también demostró ser efectiva aunque con rendimientos ligeramente inferiores.
En conclusión, ZURU Tech está transformando la manera en que concebimos el diseño y la construcción de edificios, apoyándose en la inteligencia artificial para crear un generador de planos accesible y eficiente, ampliando así las posibilidades de participación en el proceso de construcción.
vía: AWS machine learning blog
