AUTOMAÇÃO DE MODELAGEM INICIAL EM BIM: UM ESTUDO DE CASO INTEGRANDO LINGUAGEM NATURAL E PYTHON

Resumo

Esse artigo buscou desenvolver um fluxo de automação para a modelagem inicial em Building Information Modelling (BIM), integrando linguagem natural e linguagem de programação. A metodologia consistiu em uma abordagem híbrida, onde um Modelo de Linguagem Grande (LLM) atua como interpretador semântico para estruturar dados em formato JSON, enquanto um algoritmo em IronPython opera como "auditor" e modelador na API do Autodesk Revit. Esse motor em Python aplica rigorosas validações geométricas, como cálculos de perímetro restrito, filtros de tolerância de curva e controle de cotas de elevação. Os resultados demonstraram que delegar o controle topológico exclusivo à Inteligência Artificial resulta em alucinações matemáticas e falhas estruturais, como a extrapolação de pilares transpassando pavimentos. Contudo, a intervenção do código Python mitigou 100% dessas inconsistências, permitindo a geração autônoma e precisa de esqueletos estruturais, beirais dinâmicos e aberturas conceituais. Conclui-se que o método de Auditoria Paramétrica Híbrida permite a tradução confiável de conceitos de modelagem, expressos em linguagem natural, em modelos paramétricos consistentes e geometricamente íntegros. A abordagem demonstrou potencial para otimizar a etapa de Estudo Preliminar, ao mesmo tempo em que supera limitações geométricas inerentes aos modelos de inteligência artificial generativa, garantindo maior estabilidade na geração automatizada de modelos BIM.