Gemini и семантический поиск: AI подбирает мебель по чертежам с точностью 87%

Подбор мебели по архитектурному чертежу — задача, которая в строительстве и дизайне интерьеров до сих пор решается вручную. Специалист берёт чертёж, открывает каталог поставщика и начинает методично перебирать позиции: сравнивать габариты, материалы, стиль. На один проект уходит от 20 до 40 человеко-часов только на этом этапе.

Когда объектов несколько, затраты кратно умножаются. Российская команда разработчиков решила закрыть этот разрыв, построив AI-систему, которая автоматизирует весь процесс подбора и выдаёт рекомендации с точностью 87%. Проблема лежит на стыке компьютерного зрения и информационного поиска.

Архитектурный чертёж — это специализированный документ с нотациями, условными обозначениями, масштабными сетками и многоуровневыми слоями. Просто распознать объект на изображении недостаточно: нужно понять планировочное решение в целом, определить функциональные зоны, вычленить посадочные места под конкретные категории мебели и учесть реальные ограничения пространства. Сердце системы — мультимодельная архитектура с Gemini в роли главного координатора.

Именно эта модель берёт на себя понимание чертежа: распознаёт планировку, идентифицирует помещения, определяет, где спальня, где гостиная, каковы проходные зоны и где есть ограничения по высоте, освещённости или конфигурации стен. Это не просто OCR и не банальное распознавание объектов — Gemini работает с семантикой архитектурного документа, извлекая структурированные данные для следующего слоя системы. После того как чертёж разобран на смысловые единицы, в работу включается семантический поиск по каталогу.

Каждая позиция заранее прошла векторизацию: характеристики товара — размеры, материал, стиль, цветовая гамма, ценовой сегмент — преобразованы в векторные эмбеддинги. Система сопоставляет требования из чертежа с этим векторным представлением и находит ближайшие совпадения. На выходе — не просто список из сотен подходящих позиций, а отранжированная подборка с объяснением, почему именно эта модель рекомендована для конкретного места в плане.

Техническая архитектура не ограничивается двумя компонентами. Помимо Gemini и семантического поиска, в пайплайне задействованы модели для предобработки чертежей: нормализация масштаба, разделение слоёв, очистка от артефактов сканирования. Реальные чертежи от проектных организаций приходят в разном состоянии — от чистых CAD-экспортов до отсканированных бумажных документов с разрывами и пятнами.

Система должна стабильно работать со всем этим диапазоном без ручного препроцессинга. Достичь 87% точности удалось не с первой попытки. Команда итерировала над несколькими ключевыми узлами: качеством парсинга чертежей разных форматов, стратегией векторизации каталожных данных и механизмом финального ранжирования.

Отдельной сложностью оказались нетипичные планировки — когда архитектор использует нестандартные обозначения или чертёж содержит только фрагмент помещения. Для краевых случаев добавили fallback-логику и дополнительный слой валидации результата. Практическая ценность разработки — в масштабировании рабочего времени специалистов.

Если раньше дизайнер мог детально проработать 2–3 проекта в неделю, то с AI-системой он проверяет и корректирует уже готовые рекомендации, а не формирует их с нуля. Для строительных компаний, работающих с типовыми жилыми комплексами, это означает возможность вести десятки объектов параллельно без пропорционального роста штата. Проект показывает, как мультимодельные AI-системы начинают автоматизировать операционные задачи, которые долгое время считались слишком специализированными для машинной обработки.

Архитектурные чертежи — сложный тип неструктурированных данных, и то, что Gemini справляется с их семантическим разбором, открывает дорогу для аналогичных решений в смежных областях: инженерные схемы, конструктивные чертежи, технические спецификации. Следующий логичный шаг — интеграция с BIM-платформами и прямой экспорт рекомендаций в проектную документацию.