Intelligenza Artificiale per la fattibilità costruttiva: sviluppo di una metodologia per la correlazione tra forma, tecnologia e processi di ottimizzazione

This thesis was developed with the aim of defining a method to integrate generative Artificial Intelligence into the architectural design process, questioning the issues related to the construction feasibility of the generated elaborations. The workflow developed here was applied to support the design of an new system, based on the innovative and patented technology called “cement-textile-composite” (CTC), which allows the production of double-curved panels. The work is divided into several phases, from the geometric parameterization of the component using Grasshopper, to the generation of an autonomously built image-text dataset, up to the training of a generative model based on Stable Diffusion. Strating from this the customized generative AI model, and once the training phase was completed, new synthetic images that follow the construction metrics of the CTC technological solution were obtained, as well as new formal and chromatic options, which were subsequently converted into simplified 3D models. The entire process was submitted to qualitative verification through targeted tests, with the aim of evaluating the fidelity of the generated images, the model's ability to understand the textual prompts and the geometric coherence of the resulting three-dimensional models. The final results, while highlighting limits related to the small scale of the experiment, both in terms of computation and technological application, confirm the possibility of directing the synthetic generation of images of design contents towards greater technological feasibility. The proposed methodology is thus configured as an operational model that can be replicated and adapted to further building and design contexts.

La presente tesi è stata sviluppata con l’obbiettivo di definire un metodo per integrare l’intelligenza artificiale generativa all’interno del processo di progettazione architettonica, interrogandosi sulle problematiche relative alla fattibilità costruttiva delle elaborazioni generate. Il flusso di lavoro qui sviluppato è stato applicato per sostenere la progettazione di un sistema originale, che basandosi sulla tecnologia edilizia innovativa e brevettata del cement-textile-composite (CTC) permette la produzione di pannelli a doppia curvatura. Il lavoro si articola in diverse fasi, dalla parametrizzazione geometrica del componente tramite Grasshopper, alla generazione di un dataset accoppiato immagine-testo costruito autonomamente, fino all’addestramento di un modello generativo basato su Stable Diffusion. A partire da questo modello di AI generativa personalizzato, conclusa la fase di training, sono state ottenute nuove immagini sintetiche coerenti con le logiche costruttive della soluzione tecnologica CTC, nonché varianti formali e cromatiche inedite, che state successivamente convertite in modelli 3D semplificati. L’intero processo è stato sottoposto a verifica qualitativa attraverso test mirati, con l’obiettivo di valutare la fedeltà delle immagini generate, la capacità del modello di interpretare i prompt testuali e la coerenza geometrica dei modelli tridimensionali risultanti. I risultati ottenuti, pur evidenziando dei limiti legati alla piccola scala della sperimentazione, sia in termini computazionali che di applicazione tecnologica, confermano in ogni caso la possibilità di indirizzare la generazione sintetica di immagini di contenuti progettuali verso una maggiore fattibilità tecnologica. La metodologia proposta si configura così come un modello operativo replicabile e adattabile ad ulteriori contesti edilizi e progettuali.