IA en la rehabilitación arquitectónica

Contenido

1. Módulo 1

   3 temas

   Contexto y toma de datos

   Análisis de las limitaciones del levantamiento tradicional y la oportunidad de la visión artificial en preexistencias.

   1. 1.1

      Análisis del estado actual y patologías

      Identificar las limitaciones de la inspección visual humana frente a la captura masiva de datos.

   2. 1.2

      Fotogrametría y escaneado láser

      Evaluar los trade-offs entre precisión técnica y coste operativo en el levantamiento digital.

   3. 1.3

      Criterios de captura de datos

      Definir una estrategia de captura que responda a las necesidades específicas del proyecto de rehabilitación.

2. Módulo 2

   4 temas

   Visión artificial en diagnóstico

   Implementación de algoritmos para el reconocimiento automático de lesiones y materiales.

   1. 2.1

      Entrenamiento de modelos de segmentación

      Comprender cómo la IA identifica grietas, humedades y desprendimientos mediante Computer Vision.

   2. 2.2

      Detección automatizada de materiales

      Analizar la capacidad de la IA para discriminar entre distintos sistemas constructivos históricos.

   3. 2.3

      Mapeo de daños sobre modelos 3D

      Integrar los resultados del análisis de visión artificial en la geometría del edificio.

   4. 2.4

      Validación de resultados y falsos positivos

      Desarrollar un criterio crítico para supervisar las conclusiones generadas por algoritmos.

3. Módulo 3

   5 temas

   Procesamiento de nubes de puntos

   Transformación de datos crudos en información arquitectónica útil para la toma de decisiones.

   1. 3.1

      Limpieza y segmentación de nubes

      Optimizar el manejo de grandes volúmenes de datos eliminando ruido y elementos no estructurales.

   2. 3.2

      Extracción de secciones y plantas

      Analizar la lógica espacial del edificio a partir de cortes automáticos de alta precisión.

   3. 3.3

      Análisis de desplomes y deformaciones

      Utilizar la nube de puntos para detectar anomalías estructurales invisibles al ojo humano.

   4. 3.4

      Reconocimiento de elementos paramétricos

      Identificar componentes repetitivos y molduras mediante comparación de patrones geométricos.

   5. 3.5

      Interoperabilidad y flujos de trabajo

      Establecer un puente eficiente entre los datos de IA y el software de modelado arquitectónico.

4. Módulo 4

   4 temas

   Estrategias de intervención

   Uso de la información procesada para definir criterios de restauración y refuerzo.

   1. 4.1

      Cuantificación automática de reparaciones

      Generar mediciones precisas de superficies a intervenir basadas en el reconocimiento de IA.

   2. 4.2

      Simulación de propuestas de refuerzo

      Evaluar cómo la nueva estructura interactúa con las deformaciones reales detectadas.

   3. 4.3

      Conservación preventiva mediante gemelos digitales

      Proyectar el mantenimiento a largo plazo utilizando el modelo de datos como base de gestión.

   4. 4.4

      Ética y límites de la automatización

      Reflexionar sobre el papel del arquitecto como decisor final frente a la eficiencia algorítmica.

5. Módulo 5

   3 temas

   Casos de estudio y aplicación

   Análisis crítico de proyectos reales donde la IA determinó el camino de la rehabilitación.

   1. 5.1

      Rehabilitación de patrimonio histórico

      Analizar la aplicación de visión artificial en edificios con alta complejidad ornamental.

   2. 5.2

      Intervención en vivienda colectiva

      Evaluar el uso de IA para diagnósticos rápidos en grandes parques de vivienda obsoleta.

   3. 5.3

      Lecciones aprendidas y criterios de éxito

      Sintetizar los indicadores clave para decidir cuándo implementar IA en un encargo profesional.