Künstliche Intelligenz zur automatisierten Erstellung eines digitalen Archivs der Brückeninfrastruktur (AIDABI)

Ein wichtiger Weg, die Ressourcen der Brückeninfrastruktur zu maximieren, besteht darin, die Lebensdauer alternder Brücken durch Überwachung, Wartung und Sanierung zu verlängern. Gleichzeitig können neue Brückenentwürfe den Materialverbrauch optimieren, indem sie effiziente Strukturformen auf der Grundlage erfolgreicher Beispiele bestehender Brücken schaffen, wobei der globale Zugriff auf ihre geometrischen und strukturellen Daten beide Ziele unterstützt.

In diesem Zusammenhang zielt dieses Projekt darauf ab, ein KI-Framework zu entwickeln, das automatisch ein digitales Archiv mit 3D-Netzen und Strukturmodellen bestehender Brücken unter Verwendung von Online-2D-Bildern erstellt. Zunächst wird ein vollständig überwachtes Modell für maschinelles Lernen (ML) trainiert, um Brückenbilder mit 3D-Modellen zu verknüpfen, wobei ein manuell kuratierter Datensatz repräsentativer Brücken verwendet wird. Zur Generierung dieser Trainingsmodelle werden Rechenmethoden wie die kombinatorische Gleichgewichtsmodellierung (CEM) und die Methode der finiten Elemente (FEM) angewendet. Nach dem Training nutzt das ML-Modell fortschrittliche 3D-Rekonstruktionstechniken, um 3D-Modelle jeder Brücke mit verfügbaren Bildern zu generieren. Die Wirksamkeit des Frameworks wird anhand von zwei realen Anwendungen demonstriert: Wartung bestehender Brücken und Unterstützung des Konzeptentwurfs neuer Brücken. Als vorläufiger Proof of Concept konzentriert sich diese Studie auf die halbautomatische Generierung eines synthetischen Brückendatensatzes, der speziell auf ML-Workflows zur Umwandlung von Bildern in 3D-Modelle zugeschnitten ist. Dieser Datensatz dient als Grundlage für das Training eines ML-Modells zur automatischen 3D-Rekonstruktion, das auf reale Brückenbilder angewendet wird.

Mitwirkende:
Cem Gunes, Prof. Dr. Pierluigi D'Acunto, Professorship of Structural Design, School of Engineering & Design, Technische Universität München
Xinyi Zhang, Angela Dai Professorship of Machine Learning for 3D Scene Geometry, School of Computation, Information and Technology, Technische Universität München

Förderprogramm:
TUM Georg Nemetschek Institute Artificial Intelligence for the Built World
Munich Data Science Institute

Laufzeit:
01.2024 - 01.2028