El software EOC ECO2 ha sido desarrollado con el objetivo de mejorar la eficiencia y accesibilidad del cálculo de carbono incorporado (EC) en proyectos de ingeniería y arquitectura. Utilizando la plataforma BIM y el conocido sistema de modelado Autodesk Revit, el software permite calcular de manera rápida y precisa las huellas de carbono de los materiales y procesos involucrados en la construcción de un edificio. El proceso, antes tedioso y manual, ahora se facilita gracias a la integración de datos predefinidos y coeficientes relacionados con el Potencial de Calentamiento Global (GWP) de cada material utilizado. Esta innovación ofrece a los ingenieros una herramienta eficiente para evaluar de manera precisa las emisiones de carbono de un proyecto desde sus primeras etapas, lo que promueve un diseño más consciente y responsable con el medio ambiente.

El funcionamiento del software es relativamente sencillo. A través de una interfaz de usuario integrada en el modelo 3D de Revit, EOC ECO2 permite extraer y manipular los datos sin necesidad de realizar remodelaciones en el diseño original. A través de la interfaz de programación de aplicaciones (API), el software filtra y clasifica automáticamente los materiales utilizados en la construcción, y permite modificar las propiedades de estos sin alterar el modelo BIM. Esta flexibilidad es clave, ya que no solo permite optimizar el diseño para reducir el carbono incorporado, sino que también ofrece la posibilidad de realizar ajustes de manera rápida y eficiente, manteniendo siempre el modelo original intacto.

Los resultados del software se presentan en tiempo real a través de gráficos visuales, lo que facilita la interpretación de los datos y permite a los ingenieros identificar rápidamente los materiales que más contribuyen a las emisiones de carbono. De esta manera, se pueden tomar decisiones informadas sobre qué cambios realizar para mejorar el impacto ambiental de un proyecto. La visualización en forma de gráfico de torta, que segmenta los materiales y sus respectivos impactos, facilita aún más esta evaluación, permitiendo que se identifiquen rápidamente los puntos críticos que requieren atención.

Además, el software no solo permite realizar un análisis de carbono durante la fase de diseño, sino que también se puede utilizar para evaluar el impacto a lo largo de todo el ciclo de vida del proyecto, desde la fabricación de los materiales hasta la construcción final (A1-A5), con la opción de incluir fases posteriores como la operación y demolición (A4-A5). Esta capacidad de abarcar todo el ciclo de vida de un proyecto es crucial para la sostenibilidad, ya que proporciona una visión integral del impacto ambiental, permitiendo que se tomen decisiones más completas y responsables.

El uso de EOC ECO2 se ha extendido rápidamente entre diferentes escalas de consultoría e ingeniería, desde pequeñas y medianas empresas (PYMES) hasta grandes multinacionales, lo que refleja la versatilidad y accesibilidad del software. Además, su adopción no se limita solo a la ingeniería estructural, sino que también se ha extendido a otros campos de la arquitectura y el diseño, incluidos los organismos reguladores, quienes buscan comprender mejor las implicaciones de las decisiones de diseño en cuanto a sostenibilidad. A medida que más organizaciones adoptan el software, la base de datos global de proyectos crece, lo que permite comparar resultados y establecer mejores prácticas basadas en datos reales.

Sin embargo, el uso de EOC ECO2 también plantea algunos desafíos, como la falta de una capacidad para cargar los datos de manera centralizada en una base de datos remota, lo que limita la posibilidad de consolidar la información de la industria a gran escala. Por el momento, los datos deben compartirse manualmente con los organismos reguladores, lo que ralentiza el proceso de recopilación y análisis global. A pesar de esta limitación, la capacidad del software para proporcionar datos precisos y útiles es un paso importante hacia la mejora continua de la sostenibilidad en la construcción.

Además de la funcionalidad principal del software, es esencial que los ingenieros y arquitectos comprendan que la integración de cálculos de carbono incorporado en el proceso de diseño no debe considerarse solo como una herramienta adicional, sino como un cambio de paradigma en cómo se abordan los impactos ambientales en los proyectos de construcción. El hecho de que EOC ECO2 sea una herramienta de fácil acceso y uso facilita la integración del carbono incorporado en las primeras fases del diseño, lo que permite a los profesionales tomar decisiones más informadas y reducir el impacto ambiental de sus proyectos desde el principio. Es fundamental que este tipo de herramientas se conviertan en un estándar dentro de la industria, para que el cálculo y la reducción del carbono incorporado sean parte integral del proceso de diseño, más allá de una simple tendencia.

Este cambio de mentalidad, junto con el desarrollo y perfeccionamiento de software como EOC ECO2, abre nuevas posibilidades para una arquitectura más verde y responsable. No solo los ingenieros, sino también los arquitectos y otros actores del sector de la construcción, deben trabajar de manera conjunta para avanzar hacia la creación de edificaciones con una menor huella de carbono. A medida que la industria se adapta a las nuevas exigencias de sostenibilidad, la utilización de estas herramientas digitales se volverá cada vez más crucial, no solo para cumplir con las regulaciones, sino para liderar el camino hacia un futuro más ecológico en la construcción.

¿Cómo la inteligencia artificial y la sostenibilidad transforman la industria de la construcción?

Dentro de las páginas de esta primera parte del libro, se despliega una dinámica exploración sobre el avance tecnológico y el pensamiento innovador, presentada a través de cinco contribuciones distintas. En el primer capítulo, se destaca el poder de los Modelos Generativos de Texto a Gran Escala, ejemplificados por DALL-E y Stable Diffusion, ofreciendo una oportunidad transformadora para elevar la comunicación del diseño a través de las imágenes. Estos modelos, demostrados a través del proyecto "Ambrosinus-Toolkit" de Ambrosini, muestran la fusión de la inteligencia artificial (IA) y el diseño creativo, ofreciendo una visión del siempre cambiante campo de la inteligencia artificial. Este capítulo pone en primer plano cómo la IA puede colaborar con los diseñadores para ampliar los límites de la creatividad visual, mediante una conexión entre el software generativo y la visión artística. De esta manera, la IA no solo es una herramienta, sino un socio en el proceso creativo.

El segundo capítulo, escrito por Walters y Bariviera, se adentra en el ámbito vital de la sostenibilidad dentro de la industria de la construcción. A través de ECO2 de Eckersley O’Callaghan, surge un enfoque novedoso para evaluar las emisiones de carbono incorporadas en el diseño de edificios. Al alinear los proyectos con los estándares establecidos por organizaciones como RIBA y LETI, se evidencia el potencial de cumplir e incluso superar los objetivos ecológicos, prometiendo un futuro sostenible para la industria. Este capítulo subraya la creciente importancia de integrar la sostenibilidad en cada fase del diseño arquitectónico, desde la conceptualización hasta la materialización, y cómo la tecnología puede facilitar este cambio hacia una mayor responsabilidad medioambiental.

En el tercer capítulo, la atención se centra en el desarrollo de software dentro del sector AEC (Arquitectura, Ingeniería y Construcción). Gracias a Lombardi de Buro Happold, se presentan soluciones de código abierto como BHoM y Speckle, que ofrecen un vistazo al futuro, donde la interoperabilidad y la innovación colaborativa transforman las prácticas arquitectónicas y redefinen los estándares de la industria. Esta tendencia hacia el uso de herramientas abiertas permite a los profesionales de diversas disciplinas integrar sus procesos de trabajo, logrando una mayor eficiencia y creatividad a través de la colaboración digital.

El cuarto capítulo narra el nacimiento y la evolución de HALRobotics, desarrollado por Schwartz. Su viaje, desde los experimentos de diseño generativo hasta el desarrollo del HAL Robotics Framework, redefine el panorama de la manufactura industrial. Este capítulo se erige como un testimonio de la convergencia entre el diseño arquitectónico, la ingeniería del software y las tecnologías de automatización. Aquí, la automatización no es vista como una amenaza para la creatividad, sino como una extensión de las posibilidades del diseñador, facilitando procesos más rápidos, precisos y eficientes.

Por último, Beltracchi explora las complejidades urbanas, haciendo hincapié en la resiliencia y la evolución ética frente a las crisis medioambientales. La narrativa explora el marco de conexiones intrincadas entre la tecnología, las estructuras urbanas y las interacciones comunitarias. La exploración de los metaversos y su potencial para la reconstrucción post-desastre entrelaza la teoría arquitectónica, la inteligencia artificial y la blockchain, prometiendo un cambio de paradigma en la planificación urbana. Este capítulo invita a los lectores a reflexionar sobre la interdependencia de las ciudades, la tecnología y la comunidad, así como la importancia de pensar en soluciones sostenibles y éticas para los futuros entornos urbanos.

Los autores de esta primera parte, titulada "Virtuous Workflows", son pioneros del cambio paradigmático contemporáneo en la arquitectura dentro de las principales firmas de diseño a nivel mundial. Son arquitectos e ingenieros que, a menudo, desempeñan el papel de desarrolladores de software, mientras que en otras ocasiones son usuarios que asesoran a los desarrolladores sobre cómo implementar herramientas que beneficien a procesos cada vez más integrados y virtuosos. El capítulo de Andaloro, "Hacia un modelo de diseño rizomático", introduce un cambio de paradigma al enfatizar la colaboración interdisciplinaria facilitada por herramientas digitales. Este modelo, a diferencia de uno lineal, pone especial énfasis en la sostenibilidad y la fabricación, abriendo nuevas posibilidades en la creación de soluciones arquitectónicas adaptadas a un futuro incierto.

Por otro lado, Baldini, Brisolin y Cerutti presentan un flujo de trabajo que optimiza el confort del usuario mediante el equilibrio entre la luz natural, el deslumbramiento y el sobrecalentamiento en los edificios. Su enfoque paramétrico iterativo permite a los diseñadores crear configuraciones óptimas de fachadas, considerando tanto la visión arquitectónica como la reducción del carbono incorporado en las operaciones. A través de su enfoque paramétrico, muestran cómo las herramientas digitales pueden equilibrar factores funcionales y estéticos de manera eficiente y sostenible.

El capítulo titulado "Pruebas de flujos de trabajo digitales en renovaciones de edificios", de Sangiorgio, Bogdanova, Globa, Jacob, Vela y Bianchini, explora el potencial transformador de las herramientas digitales en la rehabilitación de edificios existentes. A través de un estudio de caso del F10 New Law Building en la Universidad de Sídney, los autores muestran los beneficios de utilizar flujos de trabajo digitales para analizar, reconfigurar y optimizar estructuras. Este enfoque permite una renovación más rápida, precisa y adaptada a las necesidades contemporáneas, sin perder de vista la sostenibilidad.

El capítulo "Obra computacional para transformar lugares" de Fox y Pagani ahonda en los proyectos del estudio Chris Fox, donde los procesos de diseño computacional y los flujos de trabajo digitales facilitan la experimentación estética y la optimización de materiales. Este capítulo pone en evidencia los desafíos de coordinación involucrados en la entrega de obras de arte complejas, mostrando cómo las herramientas digitales pueden ser clave en la creación de experiencias espaciales únicas.

Además, Robeller introduce la estructura de celosía recíproca, una estructura de madera ligera diseñada para una fabricación y ensamblaje eficientes. A través de un innovador flujo de trabajo "diseño a producción", el proyecto demuestra el potencial de la fabricación robótica para lograr resultados rápidos y precisos. Este capítulo subraya cómo la tecnología de fabricación avanzada puede permitir el desarrollo de estructuras complejas, al tiempo que mantiene la eficiencia en el proceso de producción.

¿Cómo los modelos computacionales holísticos impulsan la robótica en la construcción?

El trabajo de supervisar hasta 90 proyectos por semestre fue una excelente manera de someter a prueba tanto la implementación como el diseño del HAL para Grasshopper. Esta herramienta debía adaptarse a una variedad de aplicaciones, desde la arquitectura hasta la creación de prototipos de productos, muchas de las cuales no se podían anticipar. Estas actividades docentes dieron lugar a varios proyectos interesantes que continuaron la línea de mi investigación sobre estructuras de mampostería liviana y técnicas económicas de fabricación no estándar. La experiencia más relevante se dio entre 2012 y 2014 en el UCL Bartlett B-Pro GAD, donde introduje la robótica, colaborando con Philippe Morel y Guan T. Schwartz Lee.

Durante los años 2013 a 2015, dos proyectos potenciados por HAL llegaron a convertirse en empresas emergentes de fabricación aditiva a gran escala: MX3D y XtreeE. Este desarrollo evidenció un problema no anticipado en el software: la necesidad de que fuera capaz de distribuirse en entornos industriales y escalarse para hacer frente a una producción de mayor envergadura. Mientras tanto, los ciclos restringidos de desarrollo de proyectos, impuestos por el calendario académico, y los presupuestos limitados, que impedían una planificación a medio plazo, provocaban una repetición innecesaria en los experimentos realizados con los estudiantes. Fue entonces cuando comencé a considerar abandonar el ámbito académico para centrarme en el desarrollo de un software de robótica más robusto que facilitara la transferencia tecnológica e implementara aplicaciones industriales.

Una vez validado que HAL para Grasshopper era capaz de generar programas de robots offline de manera eficiente a partir de modelos geométricos complejos, mi curiosidad se trasladó gradualmente hacia los sistemas de interacción hombre-robot (HRI). Aunque la programación offline de robots es adecuada para la prefabricación de componentes de construcción en un entorno perfectamente gestionado, los experimentos en los que había participado demostraban que sería necesario algún tipo de adaptabilidad del proceso o una interacción en vivo con un operador. Las pruebas implementadas desde 2012 hasta 2016, con el uso de interfaces de control remoto y diversos sensores 2D y 3D para el reconocimiento de objetos y gestos, evidenciaron la complejidad técnica de tales experimentos y exigieron el perfeccionamiento de los requisitos de diseño de cualquier futuro software.

En 2015, el equipo de robótica HAL fue formado, y decidí dejar el ámbito académico para centrarme en el desarrollo del HAL Robotics Framework (HRF). El objetivo era contar con un software modular y extensible que permitiera la programación adaptativa de tareas de robots, la comunicación entre dispositivos y la planificación de movimientos para robots individuales o múltiples. La capacidad del HRF para reprogramar robots automáticamente según la variación de piezas o procesos se convirtió en una ventaja crucial. Además, al ser un sistema agnóstico tanto de proveedor como de proceso, el HRF podía simular y traducir cualquier proceso o programación a un código ejecutable para cualquier máquina controladora.

Este software también es capaz de reconfigurarse para cumplir con cualquier flujo de trabajo de control y monitoreo, y es completamente adaptable a dispositivos periféricos, servidores web o estaciones de trabajo. El HRF incluye un motor de planificación de movimientos capaz de gestionar celdas de robots múltiples y resolver secuencias de movimientos complejos bajo restricciones, lo que permite un control preciso y eficiente de la tarea. Asimismo, incluye un motor de postprocesamiento de procedimientos, que permite analizar y traducir las tareas simuladas a cualquier lenguaje de programación específico de robot.

Un aspecto clave en la arquitectura del HRF es su capacidad para integrarse con procesos híbridos, ejecutándose de forma simultánea o secuencial, y reprogramando las tareas justo a tiempo en función de lecturas de sensores o de otras fuentes de datos. De esta forma, la plataforma ofrece una solución ideal para la programación, simulación y monitoreo de robots industriales en entornos de producción altamente adaptativos.

El flujo de trabajo más común para la implementación del HRF implica detectar y asociar características o metadatos de las piezas en un diseño CAD con algoritmos que generen las trayectorias que deberán ejecutar los robots. Mediante un gemelo digital de la celda de producción, se simulan estas trayectorias para identificar y prevenir riesgos, como colisiones o limitaciones de alcance y velocidad. Una vez validadas, las trayectorias se traducen en código ejecutable adaptado al modelo del controlador de la máquina, lo que permite añadirlas a la cola de ejecución de tareas. La extensión de este flujo de trabajo implica extraer datos de ejecución del controlador de robots y/o equipos del proceso para fines de trazabilidad o afinación de parámetros del proceso.

Lo que distingue a esta metodología es la integración de los datos de ejecución para optimizar no solo el rendimiento del robot, sino también el diseño de los productos y de las celdas de producción. Esta capacidad de ajuste continuo, a través del uso de simulaciones y aprendizaje automático, permite maximizar la eficiencia tanto en el uso de los robots como en la calidad final del producto.

Además de los avances en la planificación de trayectorias y la simulación de procesos, la flexibilidad del HRF hace que se pueda aplicar en una amplia gama de contextos industriales, desde la fabricación de productos a pequeña escala hasta la construcción a gran escala. Esta capacidad de adaptarse a diferentes tecnologías de robots y procesos permite a las empresas tener acceso a un sistema de programación de robots que no depende de un fabricante o una tecnología particular.

¿Cómo la inteligencia artificial está transformando el diseño arquitectónico y la práctica del diseño computacional?

El diseño digital en la arquitectura está pasando por una transformación radical debido a la integración de lenguajes de programación y la influencia de las plataformas de crowdsourcing aplicadas a la codificación y al scripting. A través de la comunidad de Grasshopper, la cual actúa como un espacio colaborativo para los diseñadores computacionales, podemos observar una reinterpretación moderna de lo que Marshall McLuhan denominó “la aldea global”. En este contexto, todos los contrastes de ideas y las variadas formas de acceder a un conocimiento global se explotan al máximo, permitiendo una experiencia de intercambio de conocimientos que resulta productiva para todos los involucrados. Esta interacción alimenta un vasto mercado de complementos (plugins), que han sido programados tanto por usuarios individuales como por equipos de investigación. Estos complementos amplían considerablemente las capacidades funcionales de la plataforma, extendiendo su uso a múltiples campos disciplinarios.

En este sentido, el “Ambrosinus-Toolkit” representa un esfuerzo notable por vincular las plataformas de inteligencia artificial como OpenAI y StabilityAI con el mundo de los diseñadores computacionales que adoptan Grasshopper en su proceso creativo. Este toolkit busca facilitar la integración de nuevas tecnologías como la inteligencia artificial en el diseño arquitectónico, promoviendo la adopción de herramientas avanzadas en el flujo de trabajo de los diseñadores y arquitectos que se encuentran trabajando con la plataforma.

El aprendizaje automático (Machine Learning, ML) es otro aspecto que ha ganado relevancia en el campo de la arquitectura y la ingeniería, sobre todo en lo que respecta a la optimización de procesos de diseño. El ML es un campo de la inteligencia artificial que utiliza técnicas estadísticas para permitir que las máquinas aprendan a partir de datos, sin recibir instrucciones explícitas sobre cómo hacerlo. Este proceso de "entrenar" modelos usando algoritmos de aprendizaje ha permitido una mejora progresiva del rendimiento de los modelos para tareas específicas. En la industria de la arquitectura, el uso de ML se aplica constantemente a través de herramientas computacionales que optimizan decisiones de diseño, desde la elección de formas estructurales hasta la gestión de comportamientos ambientales.

La lógica de "nodos" que utiliza Grasshopper, inspirada en el lenguaje de la MayaHypergraph, facilita una simplificación de la interfaz de usuario para los diseñadores, permitiéndoles representar visualmente las relaciones entre distintos componentes del diseño de manera más intuitiva. A medida que la plataforma ha evolucionado, varios proyectos han buscado introducir funcionalidades de ML para ampliar sus capacidades. Uno de los más conocidos es LaunchBoxML, una caja de herramientas generalizada para implementar modelos de regresión, redes neuronales (NN), clasificadores probabilísticos y clustering, diseñada por Nathan Miller. Este tipo de herramientas se emplea especialmente en proyectos que buscan optimizar elementos específicos, como los sistemas de sombra de membranas, como se hizo en la Expo de Dubái 2021.

Además, la integración de bibliotecas como Google TensorFlow dentro de Grasshopper es una de las áreas más interesantes para el futuro. TensorFlow es una plataforma ampliamente utilizada en el campo de la inteligencia artificial, apoyando tareas como el aprendizaje profundo (Deep Learning, DL), el reconocimiento de imágenes, el procesamiento del lenguaje natural y el reconocimiento de voz. Gracias al DL, la arquitectura digital tiene la capacidad de manejar grandes cantidades de datos, reconociendo patrones complejos que antes habrían sido imposibles de analizar de manera eficiente. El aprendizaje profundo es una rama del ML que simula la actividad de aprendizaje del cerebro humano para identificar patrones en los datos, lo cual es esencial para el desarrollo de redes neuronales artificiales (ANN, por sus siglas en inglés).

La evolución de la inteligencia artificial, particularmente a través de avances en las unidades de procesamiento gráfico (GPUs) como las de NVIDIA, ha permitido que el rendimiento de los modelos de aprendizaje profundo se incremente considerablemente. El auge de la inteligencia artificial no solo es atribuible a los resultados mediáticos y comerciales, sino que es el resultado de décadas de investigación que comenzaron con figuras como Alan Turing. Desde su primera visión teórica hasta los avances actuales, los últimos quince años han sido cruciales en cuanto a la mejora de hardware y la aceleración de investigaciones fundamentales en el área de la inteligencia artificial.

En la práctica arquitectónica, uno de los avances más significativos es la incorporación de redes generativas antagónicas (GANs), que han revolucionado el campo del diseño generativo. Inventadas por Ian Goodfellow en 2014, las GANs han permitido la creación de modelos generativos que no solo interpretan imágenes, sino que también las generan. En arquitectura, esto ha significado un cambio fundamental, ya que las GANs permiten a los diseñadores crear representaciones visuales de sus ideas de manera innovadora, transformando el proceso de diseño en algo más flexible y dinámico. La evolución de las GANs, como las versiones StyleGAN y CycleGAN, ha hecho que esta herramienta sea cada vez más precisa y útil para la creación de diseños arquitectónicos.

El impacto de la inteligencia artificial en el diseño arquitectónico no se limita únicamente a la creación de imágenes. A través del uso de plataformas como Grasshopper y herramientas como TensorFlow, los diseñadores pueden abordar tareas complejas de optimización, generación de formas y simulación de comportamientos que antes no eran posibles. La posibilidad de integrar técnicas de ML y DL en el diseño arquitectónico está abriendo nuevos horizontes para la creatividad, mejorando la eficiencia y generando nuevas formas de trabajar en equipo. Este enfoque colaborativo no solo beneficia a los diseñadores individuales, sino que crea un entorno en el que las comunidades de práctica se enriquecen mutuamente a través del intercambio constante de conocimientos y herramientas.

¿Cómo influye la historia y las rutas de peregrinaje en la cultura local de Cornualles?
¿Cómo se Realizan los Procesos Básicos de Fabricación de Semiconductores?
¿Cómo se maneja la insuficiencia hepática aguda y cuál es su tratamiento?