Can AI Co-Design Structures? An AI Agent for Early-Stage Structural Design

📄 arXiv: 2610.31113v1 📥 PDF

作者: Ricardo Maia Avelino, Mennatallah El-Assady, Tom Van Mele, Philippe Block

分类: cs.AI

发布日期: 2026-10-22

备注: Paper accepted to the International Association for Shell and Spatial Structures (IASS) Annual Symposium 2026, in Torino, Italy

💡 一句话要点

提出AI代理以实现早期结构设计的协同设计

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 结构设计 AI代理 自然语言处理 COMPAS 建筑工程 模型生成 设计工作流

📋 核心要点

  1. 现有的结构设计方法在将设计意图转化为具体结构模型时面临挑战，尤其是在几何排列和数据语义方面。
  2. 本文提出了一种AI代理，通过与COMPAS结构建模API的连接，实现从自然语言提示到结构模型的生成。
  3. 实验结果表明，该方法能够有效创建和修改结构数据模型，展示了AI在结构设计中的潜力。

📝 摘要（中文）

近年来，大型语言模型和代理工作流的进展为早期结构设计提供了一种新范式，将设计意图转化为结构模型。尽管文本到3D的方法已证明自然语言可以用于生成视觉网格几何模型，但结构设计需要特定领域的几何排列和语义丰富的数据类型。本文介绍了一种概念验证工作流，通过模型上下文协议（MCP）服务器将AI代理连接到基于COMPAS的结构建模API，实现从提示到结构的生成。通过受控建模操作，代理创建和修改由显式建筑元素组成的图形结构数据模型。生成的工件可以被检查、修改、序列化，并进一步连接到下游AEC工作流。该方法通过选定的提示到结构示例和逐步可编辑的设计序列进行演示，结果虽然初步，但展示了将自然语言、代理工作流和领域特定结构数据结构结合的可能性，为AI辅助的结构协同设计迈出了第一步。

🔬 方法详解

问题定义：本文旨在解决早期结构设计中将设计意图转化为具体结构模型的挑战，现有方法在几何排列和数据语义方面存在不足。

核心思路：论文的核心解决思路是利用AI代理，通过自然语言提示生成结构模型，连接COMPAS API以实现受控建模操作。

技术框架：整体架构包括AI代理、MCP服务器和COMPAS API，代理负责接收提示并生成结构模型，MCP服务器用于数据传输和上下文管理。

关键创新：最重要的技术创新点在于将自然语言处理与结构建模结合，形成一种新的设计工作流，区别于传统的手动建模方法。

关键设计：关键设计包括代理的建模操作流程、数据结构的图形化表示，以及与COMPAS API的交互方式，确保生成的模型符合结构设计要求。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，AI代理能够有效生成和修改结构数据模型，展示了与传统方法相比的显著提升，尤其在设计效率和灵活性方面。

🎯 应用场景

该研究的潜在应用领域包括建筑设计、土木工程和城市规划等，能够提高设计效率和准确性。未来，AI代理可能在结构设计的各个阶段提供支持，推动智能建筑的发展。

📄 摘要（原文）

Recent advances in large language models and agentic workflows offer a new paradigm to early-stage structural design translating design intent into structural models. Although text-to-3D approaches have demonstrated that natural language can be used to produce visual, mesh-based geometric models, structural design requires domain-specific geometric arrangements and semantically rich data types. This paper introduces a proof-of-concept workflow for prompt-to-structure generation using an AI agent connected to a COMPAS-based structural modelling API through a Model Context Protocol (MCP) server. Through controlled modelling operations, the agent creates and modifies a graph-based structural data model composed of explicit building elements. The resulting artifacts can be inspected, modified, serialised, and further connected to downstream AEC workflows. The approach is demonstrated through selected prompt-to-structure examples and by progressive and editable design sequences that resemble typical iterative structural design workflows. The results are preliminary, but demonstrate the possibility of combining natural language, agentic workflows, and domain-specific structural data structures as a first step toward AI-assisted structural co-design.