BIM中几何密集型合规检查的自动化：基于图的语义推理框架

arXiv cs.AI 论文
bim compliance-checking graph-reasoning semantic-reasoning ifc aec geometry

摘要

本文介绍了SGR-BIM，一种图驱动的语义推理框架，能够动态地将法规意图与BIM几何对齐，自动化几何密集型合规检查，在消防安全规范查询上达到了84.3%的准确率。

arXiv:2606.12065v1 公告类型：新 摘要：自动化几何密集型法规的合规检查仍然是建筑信息模型（BIM）中的一个重要技术瓶颈，主要原因是高层法规逻辑与结构化IFC数据之间的语义差异。现有方法通常依赖静态规则模板，难以遍历多跳推理链或解决跨多个建筑实体的潜在空间依赖关系。为了应对这些挑战，提出了一种用于建筑信息模型的空间几何推理系统（SGR-BIM），作为一个集成图驱动推理框架。SGR-BIM动态构建跨模态知识图谱，将用户意图、法规语义和BIM几何对齐，实现可解释推理而无需严格的硬编码。在来自消防安全规范的679个专家验证查询中，该框架达到了84.3%的准确率，比增强工具的单智能体基线提高了8.6%。本研究提供了一种基于图的语义推理范式，增强了建筑、工程和施工（AEC）行业中自动化几何合规检查工作流的透明度和灵活性。
查看原文
查看缓存全文

缓存时间: 2026/06/11 13:50 

# 自动化BIM中几何密集型合规检查：基于图的语义推理框架
来源：https://arxiv.org/abs/2606.12065
查看PDF (https://arxiv.org/pdf/2606.12065)

> 摘要：自动化几何密集型法规的合规检查仍是建筑信息模型（BIM）中的重大技术瓶颈，主要源于高层级法规逻辑与结构化IFC数据之间的语义差异。现有方法通常依赖静态规则模板，难以遍历多跳推理链或解析跨多个建筑实体的潜在空间依赖关系。为解决这些问题，提出了一种面向建筑信息模型的空间几何推理系统（Spatial-Geometric Reasoning System for Building Information Modeling, SGR-BIM），作为一种集成的图驱动推理框架。SGR-BIM动态构建跨模态知识图谱，将用户意图、法规语义和BIM几何对齐，无需刚性硬编码即可实现可解释推理。基于来自消防安全规范的679条专家验证查询进行验证，该框架达到了84.3%的准确率，相比增强型工具的单智能体基线提升了8.6%。本研究提供了一种基于图的语义推理范式，增强了建筑、工程与施工（AEC）行业中自动化几何合规检查工作流的透明度和灵活性。

## 提交历史

来自：Zixuan Xiao [查看电子邮件 (https://arxiv.org/show-email/f75e9e73/2606.12065)] **\[v1\]**星期三，2026年6月10日 13:31:43 UTC (8,162 KB)

相似文章

BiNSGPS：基于双向神经符号交互的几何问题求解

arXiv cs.AI

BiNSGPS 是一个框架，在多模态 LLM 顾问与符号求解器之间引入双向交互机制，用于几何问题求解。该框架允许求解器将反馈传递回顾问，以纠正错误并生成辅助假设。在 Geometry3K 和 PGPS9K 基准测试上分别取得了 90.5% 和 90.1% 的最优性能。

基于符号图建模的冲突鲁棒多智能体推理

arXiv cs.AI

本文提出SIGMA，一种基于符号图的多智能体推理框架，显式建模LLM智能体之间的信任、冲突和中性关系，以实现冲突鲁棒且全局一致的预测，在六个基准测试上优于最先进的基线方法。

质询的艺术：一致性增强空间推理中的事实性

arXiv cs.AI

本文提出一种自监督强化学习框架，利用一致性验证器（检查变换下几何和语义一致性的奖励函数）来提升大型推理模型的空间推理能力，无需真实标注。该方法接近监督微调的准确率，并能泛化到多种任务。