論文の概要: Automating Geometry-Intensive Compliance Checking in BIM: Graph-Based Semantic Reasoning Framework
- arxiv url: http://arxiv.org/abs/2606.12065v1
- Date: Wed, 10 Jun 2026 13:31:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.472546
- Title: Automating Geometry-Intensive Compliance Checking in BIM: Graph-Based Semantic Reasoning Framework
- Title（参考訳）: BIMにおける幾何集中的コンプライアンスチェックの自動化:グラフベースセマンティック推論フレームワーク
- Authors: Zixuan Xiao, Pei Troh Koh, Jun Ma, Jack C. P. Cheng,
- Abstract要約: 本研究は,自動幾何コンプライアンスチェックの透明性と柔軟性を高めるため,グラフに基づくセマンティック推論パラダイムを提供する。
フレームワークの精度は84.3%で、拡張ツールのシングルエージェントベースラインよりも8.6%向上している。
- 参考スコア（独自算出の注目度）: 3.270227506638339
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automating compliance check for geometry-intensive regulations remains a significant technical bottleneck in Building Information Modeling (BIM), primarily due to the semantic disparity between high-level regulatory logic and structured IFC data. Existing methods, often reliant on static rule templates, struggle to traverse multi-hop reasoning chains or resolve latent spatial dependencies across multiple building entities. To address these challenges, a Spatial-Geometric Reasoning System for Building Information Modeling (SGR-BIM) is proposed as an integrative graph-driven reasoning framework. SGR-BIM dynamically constructs a cross-modal knowledge graph that aligns user intent, regulatory semantics, and BIM geometry, enabling interpretable reasoning without rigid hard-coding. Validated on 679 expert-verified queries from fire safety codes, the framework achieves 84.3% accuracy, representing an 8.6% improvement over enhanced-tool single-agent baselines. This research provides a graph-based semantic reasoning paradigm, enhancing the transparency and flexibility of automated geometric compliance check workflows in the Architecture, Engineering, and Construction (AEC) industry.
- Abstract（参考訳）: 幾何集約的な規則のコンプライアンスチェックの自動化は、ビルディング情報モデリング(BIM)における重要な技術的ボトルネックであり、主に高レベルな規制論理と構造化IFCデータとのセマンティックな相違によるものである。
既存のメソッドは、しばしば静的なルールテンプレートに依存し、複数のホップ推論チェーンをトラバースしたり、複数のビルディングエンティティにまたがる遅延空間依存を解決するのに苦労する。
これらの課題に対処するため,SGR-BIM (Spatial-Geometric Reasoning System for Building Information Modeling) がグラフ駆動推論フレームワークとして提案されている。
SGR-BIMは、ユーザ意図、規制セマンティクス、BIM幾何学を整列するクロスモーダル知識グラフを動的に構築し、厳密なハードコーディングなしで解釈可能な推論を可能にする。
ファイアセーフティコードから679のエキスパート検証クエリで検証されたこのフレームワークは、84.3%の精度を実現し、拡張ツールのシングルエージェントベースラインよりも8.6%改善されている。
この研究は、アーキテクチャ、エンジニアリング、建設(AEC)産業における自動幾何コンプライアンスチェックワークフローの透明性と柔軟性を高める、グラフベースのセマンティック推論パラダイムを提供する。
関連論文リスト
- Knowledge Graphs, the Missing Link in Agentic AI-based Formal Verification [1.9085643829335266]
この研究は、仕様、RTL、フォーマルツールフィードバックから抽出された構造化中間表現(IR)から構築された検証中心の知識グラフ(KG)を構築する。
KGは要求、設計階層、信号、仮定、プロパティをリンクし、生成のためのトレース可能で設計上のコンテキストを提供する。
7つのベンチマーク設計による評価は、KGベースのコンテキスト検索が仕様からRTLのグラウンド化を改善し、コンパイル可能なSVAを一貫して生成することを示している。
論文 参考訳（メタデータ） (2026-05-07T15:35:53Z) - Agentic GraphRAG: Navigating Unstructured Financial Data with Collaborative AI [0.28647133890966986]
本稿では,商用レジストリデータのエキスパート分析のための協調エージェントGraphRAGフレームワークを提案する。
当社のアプローチでは,3フェーズパイプラインを通じてNeo4jナレッジグラフを構築しています。
Human-in-the-loopダッシュボードは、エビデンスと実行トレースを公開して、透明性と監査性をサポートする。
論文 参考訳（メタデータ） (2026-04-15T16:16:14Z) - Cognitively Layered Data Synthesis for Domain Adaptation of LLMs to Space Situational Awareness [8.378095304375154]
BD-FDGは、不完全な知識カバレッジ、浅い認知深度、限られた品質管理性に対処するフレームワークである。
約230KサンプルのドメインデータセットであるSSA-SFTとQwen3-8Bを微調整してSSA-LLM-8Bを得る。
その結果, SSA-LLM-8Bでは, BLEU-1の相対的な改善が144% (非思考) と176% (思考) で達成された。
論文 参考訳（メタデータ） (2026-03-10T06:04:53Z) - OpenEarthAgent: A Unified Framework for Tool-Augmented Geospatial Agents [68.85365034738534]
本稿では,衛星画像,自然言語クエリ,詳細な推論トレースに基づいて学習したツール拡張された地理空間エージェントを開発するための統一的なフレームワークを提案する。
トレーニングパイプラインは、構造化推論軌道上の教師付き微調整に依存し、モデルを検証された多段階ツールの相互作用と整合させる。
付随コーパスは、14,538のトレーニングと1,169の評価インスタンスから構成され、トレーニングスプリットでは100K以上の推論ステップ、評価スプリットでは7K以上の推論ステップがある。
論文 参考訳（メタデータ） (2026-02-19T18:59:54Z) - Autonomous Chain-of-Thought Distillation for Graph-Based Fraud Detection [73.9189065770752]
テキスト分散グラフ(TAG)上のグラフベースの不正検出には、リッチテキストセマンティクスとリレーショナル依存関係を共同でモデル化する必要がある。
我々は,自律型グラフ認識チェーン(CoT)推論とスケーラブルなLLM-GNN協調学習を通じて,TAGに基づく不正検出を促進する統一フレームワークであるFraudCoTを提案する。
論文 参考訳（メタデータ） (2026-01-30T13:12:12Z) - G-reasoner: Foundation Models for Unified Reasoning over Graph-structured Knowledge [88.82814893945077]
大規模言語モデル(LLM)は複雑な推論において優れているが、静的かつ不完全なパラメトリック知識によって制限される。
最近のグラフ強化RAG (GraphRAG) は、このギャップを補足したグラフを構築し、LLMがそれらを推論できるようにする。
G-reasonerは、様々なグラフ構造化知識を推論するためにグラフと言語基盤モデルを統合した統合フレームワークである。
論文 参考訳（メタデータ） (2025-09-29T04:38:12Z) - RAGulating Compliance: A Multi-Agent Knowledge Graph for Regulatory QA [0.0]
規制コンプライアンス質問応答(QA)は、正確で検証可能な情報を必要とする。
我々は、レギュレーション三重項の知識グラフ(KG)とレトリーバル拡張生成(RAG)を統合する新しいマルチエージェントフレームワークを提案する。
我々のハイブリッドシステムは、複雑な規制クエリにおいて従来の手法よりも優れており、組込み三重項による事実の正しさが保証されている。
論文 参考訳（メタデータ） (2025-08-13T15:51:05Z) - Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。
既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。
協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
論文 参考訳（メタデータ） (2025-07-24T09:17:41Z) - DO-RAG: A Domain-Specific QA Framework Using Knowledge Graph-Enhanced Retrieval-Augmented Generation [4.113142669523488]
ドメイン固有のQAシステムは、生成頻度を必要とするが、構造化専門家の知識に基づく高い事実精度を必要とする。
本稿では,マルチレベル知識グラフ構築と意味ベクトル検索を統合した,スケーラブルでカスタマイズ可能なハイブリッドQAフレームワークであるDO-RAGを提案する。
論文 参考訳（メタデータ） (2025-05-17T06:40:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。