摘要

本文由Guangxi Feng和Wei Yan等人撰写，探讨了将生成式人工智能（AI）应用于视觉编程和参数化建模的创新方法。论文的核心在于开发了一种名为Text2VP的生成式AI模型，该模型基于GPT-4进行定制，旨在自动化生成图形化的视觉编程工作流程，特别是在建筑设计中的参数化建模。Text2VP通过AI生成的脚本，能够准确反映用户的设计意图，并允许用户交互式地改变参数值。该研究不仅展示了生成式AI在视觉编程和参数化建模中的潜力，还为未来处理更复杂建模任务奠定了基础。

原理

Text2VP的工作原理基于GPT-4模型的定制化，通过详细的视觉编程语言组件文档、示例驱动的少样本学习（few-shot learning）和特定的教学指南来实现。这些材料共同构成了Text2VP的定制基础，确保其能够准确生成用于参数化建模的C#脚本。Text2VP的核心在于理解用户的设计意图，并将其转化为具体的视觉编程工作流程，这一过程通过分析用户输入、生成相应的C#脚本，并在Grasshopper环境中自动构建模型来实现。

流程

Text2VP的工作流程包括几个关键步骤：首先，模型通过用户输入理解设计意图；其次，模型分析并确保设计意图的准确性和完整性；然后，模型生成一个初步的C#脚本，该脚本可以在Grasshopper中自动构建视觉编程工作流程；最后，用户可以通过交互式地调整参数值来进一步优化模型。例如，在2D和3D建模测试样本中，Text2VP成功地生成了符合用户需求的C#脚本，并在Grasshopper中构建了相应的视觉编程工作流程。

应用

Text2VP的应用前景广阔，特别是在建筑设计领域，它能够帮助设计师在没有深入学习特定编程语言的情况下，快速生成和修改设计模型。此外，该技术还可以扩展到其他需要参数化建模和视觉编程的领域，如工程设计、产品设计等。随着技术的进一步发展和优化，Text2VP有望成为设计自动化和智能化的重要工具。