Rzut mieszkania z AI i rysunek techniczny – jak zrobić, żeby się bronił

Rzut mieszkania z AI – i każdy inny rysunek techniczny z AI – broni się w jednym przypadku: kiedy model dostaje geometrię na wejściu, czyli istniejący plan, eksport CAD albo bryłę z modelu, i ma ją tylko przeliczyć albo pokryć materiałem i światłem. Sam prompt tekstowy nie zna wymiaru, skali ani grubości ściany, więc produkuje obraz, który wygląda technicznie, ale techniczny nie jest. Ta różnica decyduje o wszystkim, co niżej.

Ten poradnik rozdziela trzy ścieżki produkcji, podaje konkretne ustawienia, przy których geometria jeszcze się trzyma, i pokazuje granicę, za którą wynik z AI przestaje być dokumentem, a zaczyna być ilustracją. Jeśli szukasz szerszego spojrzenia – co AI zmienia w całej pracy pracowni, od koncepcji po zawód projektanta – odpowiada na to raport o stanie rynku AI w architekturze; tutaj schodzimy poziom niżej, do samego pliku. Polskie zestawienia narzędzi tego rozróżnienia nie robią – wymieniają nazwy, nie parametry.

Trzy drogi do grafiki technicznej z AI

Wybór ścieżki wynika z jednego pytania: czym sterujesz geometrią. Im więcej geometrii wkładasz na wejściu, tym mniej model ma swobody w zmyślaniu, i tym bliżej wyniku, który da się pokazać klientowi obok projektu.

Trzecia ścieżka bywa odrzucana jako „zabawka” – i to błąd. Ona po prostu służy do czego innego: do wyjaśniania, nie do odwzorowywania. Schemat wentylacji w artykule, przekrój poglądowy do prezentacji, izometria procesu montażu – to są zadania, w których nikt nie przykłada skalówki, a liczy się czytelność.

Ta trójka celowo pomija dwie sąsiednie techniki, bo rozwiązują inny problem niż wizualizacja projektu. Fotogrametria i gaussian splatting nie generują budynku – rekonstruują z serii zdjęć ten, który już stoi, więc to metoda dokumentacji stanu istniejącego, nie wizualizacji koncepcji. Osobną kategorią są silniki renderujące w czasie rzeczywistym jak D5 Render czy Enscape: producent opisuje D5 jako prawdziwy path tracing z fizycznie poprawnym odbiciem światła, a AI dokłada tam funkcje pomocnicze (dopasowanie otoczenia, generowanie tekstur), nie samo obrazowanie bryły. Geometria pochodzi tam w stu procentach z modelu, bo nic jej nie zgaduje – to najbardziej wierny wariant ścieżki 1, tylko bez udziału dyfuzji. Generowanie całej bryły budynku z samego opisu tekstowego (tekst-na-3D, tekst-na-CAD) na razie zostaje w fazie eksperymentów badawczych, nie produkcyjnych wtyczek.

Dlaczego sam prompt nie zrobi rzutu, który się broni

Model dyfuzyjny nie rysuje budynku – odtwarza rozkład pikseli, który w danych treningowych towarzyszył słowu „okno”. Nie ma w tym pojęcia otworu w ścianie, nadproża, mostka termicznego ani wymiaru w świetle ościeżnicy. Dlatego wygenerowany „rzut” ma kreski w miejscach, gdzie kreski zwykle są, a nie tam, gdzie wynikają z konstrukcji.

Widać to w trzech powtarzalnych błędach:

1. Ciągi wymiarowe bez znaczenia. Linie wymiarowe pojawiają się, bo należą do wizualnej konwencji rysunku, ale liczby przy nich nie sumują się do długości ściany.
2. Niespójność między widokami. Ten sam budynek wygenerowany „z drugiej strony” jest innym budynkiem. Problem jest na tyle realny, że doczekał się osobnych prac badawczych – zespół Xushenga Du zaproponował w marcu 2025 roku trzyetapowy framework łączący ControlNet z estymacją głębi i modułem uwagi 3D właśnie po to, żeby utrzymać spójność geometrii między widokami.
3. Fałszywa czytelność. Rysunek ma szrafy, opisy i strzałki północy, więc na pierwszy rzut oka wygląda profesjonalnie. To najgroźniejszy tryb błędu, bo obrona przed nim wymaga sprawdzenia, a nie spojrzenia.

Warto rozdzielić dwie rzeczy, które w dyskusjach się zlewają: generowanie rysunku i czytanie rysunku. To drugie modelom idzie wyraźnie lepiej. Vadim Petrov z Politechniki Saratowskiej prześledził od marca do sierpnia 2026 roku, jak kolejne wersje GPT radzą sobie z interpretacją rysunku mieszkania, i opisał przesunięcie od interpretacji semantycznie niespójnej ku przypadkom, w których model prowadził rozumowanie krzyżowe między przesłankami rysunku i wykonalnie przenosił ustalenia do BIM. Wcześniejsze wersje nie potrafiły scalić geometrii, wymiarów i konwencji graficznych w jedną analizę.

Praktyczny wniosek jest taki, że AI szybciej nauczyło się rozumieć cudzy rysunek niż narysować własny. I to jest dokładnie ten kierunek, w którym warto go używać.

Ścieżka 1: render prosto z modelu, czyli wtyczka w CAD i BIM

Najwyższą wierność geometrii daje narzędzie, które czyta model, a nie obrazek. Wtyczka widzi bryłę, kamerę i materiały, a model dyfuzyjny dokłada tylko warstwę wizualną. Zmiana w projekcie oznacza nowy render z tej samej bryły, nie nowe zgadywanie.

Veras – suwak, który decyduje o wszystkim

Veras od EvolveLAB działa wewnątrz programu, w którym i tak pracujesz: producent wymienia SketchUp 2021-2025, Revit 2021-2026, Rhinoceros 7 i 8, Forma w wersji webowej, Archicad 28 oraz Vectorworks 2024-2025. Jest też wersja przeglądarkowa.

Kluczowy element to suwak Geometry Override. Reguluje, jak mocno render ma trzymać się geometrii modelu – od ścisłego podążania za bryłą po pełną swobodę twórczą. Funkcjonalnie pełni tę samą rolę co siła warunku w ControlNecie albo siła przetwarzania img2img w otwartym stosie: im wyżej, tym mocniej wynik trzyma się wejścia. Veras nie publikuje architektury silnika, więc nie wiadomo, który dokładnie mechanizm działa pod spodem – dla użytkownika liczy się jednak efekt, a ten jest analogiczny.

Cennik producenta:

Do sprawdzenia bez opłaty jest trial: 30 renderów w ciągu 15 dni.

SketchUp AI – rozliczenie kredytowe zamiast abonamentu

Trimble poszedł inną drogą i wbudował generowanie obrazu w sam program. Funkcja nazywa się dziś AI Render i jest kontynuacją narzędzia znanego wcześniej jako SketchUp Diffusion. Rozliczenie idzie w kredytach, według cennika Trimble:

Przeliczenie warto zrobić przed pierwszym projektem: pula Pro to piętnaście renderów miesięcznie. Przy typowej pracy koncepcyjnej, gdzie połowa prób idzie do kosza, wyczerpiesz ją w jedno popołudnie. Dopiero dokupiony pakiet 1 500 kredytów daje sto pięćdziesiąt renderów i zmienia narzędzie z demonstracji w warsztat.

To zresztą reguła szersza niż jedno narzędzie – darmowe pule w narzędziach AI kończą się szybciej, niż sugeruje ich opis, a część z nich dokłada do wyniku znak wodny. Rozkład limitów w popularnych narzędziach opisuje ranking darmowych narzędzi AI.

Ścieżka 2: rysunek techniczny albo szkic plus ControlNet

ControlNet to mechanizm, który zmusza model dyfuzyjny do trzymania się narzuconego układu linii. Lvmin Zhang, Anyi Rao i Maneesh Agrawala opisali go w lutym 2023 roku: obok zamrożonego modelu stawia się trenowalną kopię jego bloków kodujących, połączoną z oryginałem przez warstwy splotowe zainicjowane zerami (tzw. zero convolutions) – dzięki zerowym wagom na starcie treningu kopia nie psuje jeszcze niczego w wyjściu, a dopiero uczy się dokładać warunek. Sam obraz warunku (np. mapa krawędzi) nie trafia do sieci jako bitmapa 1:1 – najpierw przechodzi przez mały enkoder, który zamienia go na mapę cech w tej samej przestrzeni, w jakiej model dyfuzyjny denoisuje obraz. Dla modeli działających w przestrzeni utajonej, jak Stable Diffusion czy Flux, jest to przestrzeń skompresowanego latentu, nie siatka pikseli – dlatego warunek trafia do bloków kodujących U-Netu, a nie na wejście modelu jako dodatkowy kanał obrazu. Dzięki temu do generowania można dołożyć warunek przestrzenny – krawędzie, głębię, segmentację, pozę.

Dla rysunku technicznego liczą się trzy warunki:

MLSD jest w tym zestawie niedoceniany, ale nie z powodu, o który często się go chwali. Wykrywa wyłącznie odcinki proste powyżej progu długości, więc przy ortogonalnej geometrii mocniej wyciąga siatkę konstrukcyjną niż Canny, który reaguje na każdą krawędź – także szum tekstury, skanu czy drobnych zabrudzeń. To nie znaczy, że sam z siebie ignoruje szrafy i opisy: krótka, prosta kreska linii odnośnikowej albo szrafury zostanie odczytana tak samo jak krawędź ściany, więc krok 2 z czyszczeniem rysunku obowiązuje niezależnie od wybranego preprocesora.

Siła warunku – jedna liczba, która rozstrzyga

Wartość sterowania decyduje, czy dostaniesz swój budynek w nowej szacie, czy cudzy budynek w podobnej pozie. Dla tematów architektonicznych praktyka narzędziowa układa się tak:

• 0,7-0,8 – punkt startowy, geometria trzyma się wejścia, model ma miejsce na materiał i światło
• 0,9 i wyżej – ścisłe podążanie za linią, wynik bywa sztywny i płaski
• 0,5-0,6 – model zaczyna „poprawiać” projekt, czyli dokładać okna i zmieniać podziały

Jeśli po wygenerowaniu okazuje się, że w elewacji przybyło jedno okno, przyczyna prawie zawsze leży w tej jednej liczbie, nie w prompcie. To wartości orientacyjne, nie stała fizyczna – dokumentacja diffusers pokazuje ten sam parametr (controlnet_conditioning_scale) w przykładach na poziomie 0,5, więc dokładny próg przesuwa się w zależności od modelu bazowego, liczby kroków samplera i typu ControlNetu – traktuj podane liczby jako punkt startowy do własnych testów, nie regułę uniwersalną.

Przepis krok po kroku

1. Wyeksportuj rysunek do PNG w tej samej proporcji, w jakiej ma powstać obraz. Skalowanie po wygenerowaniu psuje geometrię bardziej niż sam model.
2. Wyczyść wejście – usuń tabelkę rysunkową, ciągi wymiarowe i opisy warstw. Każdy napis na wejściu model potraktuje jak kształt do odwzorowania.
3. Dobierz preprocesor wedle tabeli wyżej. Dla rzutu mieszkania zacznij od MLSD, dla szkicu odręcznego od Canny.
4. Ustaw siłę warunku na 0,8 i wygeneruj cztery warianty, zanim zaczniesz zmieniać prompt.
5. Opisuj materiał i światło, nie bryłę. Prompt ma mówić „beton architektoniczny, dębowa stolarka, światło późnego popołudnia”, a nie „nowoczesny dom z dużymi oknami” – bryłę niesie warunek.
6. Powtórz na drugim widoku z tą samą siłą i tym samym opisem materiału, jeśli potrzebujesz kompletu wizualizacji. Spójność między widokami to najsłabszy punkt tej ścieżki.

Trzy mechanizmy warto znać, zanim uznasz tę recepturę za kompletną. IP-Adapter wczytuje obraz referencyjny – fakturę fasady, próbkę okładziny – i przenosi jego styl niezależnie od warunku geometrii z ControlNetu, co przydaje się, gdy klient ma konkretny materiał, którego nie da się dobrze opisać słowami. Inpainting pozwala przegenerować wyłącznie zaznaczony fragment, na przykład jedno okno albo kawałek elewacji, bez ruszania reszty renderu – szybsze niż liczenie całości od nowa po każdej poprawce. LoRA dotrenowana na własnym portfolio uczy model stylu konkretnej pracowni, więc kolejne renderowania trzymają się jednej estetyki zamiast losowej interpretacji promptu za każdym razem.

Stos otwarty to dziś najczęściej Flux.1 obsługiwany w ComfyUI. Model ma 12 miliardów parametrów i wagi rzędu 24 GB (plik flux1-dev.safetensors waży 23,8 GB), a ControlNety do niego – między innymi Canny, Depth i Pose – publikuje kilka niezależnych zespołów, z XLabs-AI na czele. Działa wolniej niż lżejsze modele poprzedniej generacji, za to utrzymuje detal przy dużych rozdzielczościach, co przy elewacjach ma znaczenie.

Ścieżka 3: schematy, izometrie i infografiki z samego promptu

Do rysunków, które mają coś wyjaśnić, a nie odwzorować, wystarczy dobry model tekst-na-obraz – pod warunkiem że poradzi sobie z opisami. To był przez lata najsłabszy punkt generatorów: schemat bez czytelnych etykiet jest bezużyteczny.

Gemini 3 Pro Image, znany szerzej jako Nano Banana Pro, przesunął tę granicę. Google DeepMind podaje generowanie w rozdzielczości 1K, 2K i 4K oraz najniższe w zestawieniu wskaźniki błędu przy renderowaniu tekstu jednoliniowego – w większości języków poniżej 10%. Model utrzymuje też spójność do pięciu postaci i wierność do czternastu obiektów w jednym workflow, co przy złożonym schemacie z wieloma elementami przekłada się wprost na to, ile rzeczy naraz da się kontrolować. Każdy obraz jest niewidocznie znakowany SynthID. Czym jest sam model i jak do niego dotrzeć, opisuje tekst o Gemini – co to jest, funkcje i plany.

Co na tej ścieżce wychodzi dobrze:

• schematy instalacji i przepływów – wentylacja, obieg wody, etapy montażu
• izometrie poglądowe i przekroje edukacyjne
• infografiki procesu i porównania wariantów
• diagramy stref funkcjonalnych, gdy chodzi o ideę układu, nie o metraż

Czego nie wyprodukuje: wymiarów, skali i zgodności z konwencją rysunku technicznego. Linia wymiarowa będzie wyglądać jak linia wymiarowa, a liczba przy niej będzie ozdobą.

Jak zbudować prompt na schemat

Kolejność członów ma znaczenie większe niż długość opisu:

1. Typ rysunku – „technical cutaway diagram”, „isometric exploded view”, „flat schematic”
2. Widok i rzut – przekrój, izometria, widok z góry, kąt
3. Elementy nazwane z osobna – wypisz je jeden po drugim, zamiast opisywać całość
4. Etykiety podane dosłownie – w cudzysłowie, w docelowym języku, bo model zapisze je znak po znaku
5. Styl linii i tło – grubość, kolor, kontrast, tło jednolite
6. Format – proporcja i rozdzielczość

Największy zysk daje punkt czwarty. Zamiast „z opisami po polsku” podaj konkretne łańcuchy znaków do umieszczenia. Model, który renderuje tekst z błędem poniżej 10%, potrzebuje dokładnego wejścia – nie intencji.

Rzut mieszkania z AI: narzędzia, które liczą, a nie rysują

Rzut mieszkania z AI powstaje w innej klasie narzędzi niż obraz. Narzędzia te nie rozkładają pikseli, tylko operują na regułach, powierzchniach i relacjach między pomieszczeniami. Wynik jest edytowalny i wewnętrznie spójny, bo powstaje z geometrii, a nie z podobieństwa wizualnego.

Najciekawsze zdanie na ten temat napisał sam producent. Maket zastrzega na stronie głównej, że przed budową albo procedurą pozwoleniową projekt powinien zostać sprawdzony przez wykwalifikowanego specjalistę pod kątem konkretnej działki, konstrukcji i lokalnych wymagań budowlanych. To nie jest drobny druk prawniczy, tylko trafny opis tego, gdzie kończy się rola narzędzia.

Czego AI nie podpisze – granica po polskiej stronie

W Polsce projektowanie jest samodzielną funkcją techniczną w budownictwie, a wykonywać ją może wyłącznie osoba z uprawnieniami budowlanymi, wpisana na listę członków właściwej izby samorządu zawodowego. Mówi to wprost ustawa Prawo budowlane w art. 12: projektowanie i sprawdzanie projektów wymienia jako samodzielną funkcję techniczną (ust. 1 pkt 1), uprawnienia budowlane przyznaje decyzją organ samorządu zawodowego (ust. 2), a podstawę wykonywania tej funkcji stanowi wpis na listę członków izby, potwierdzony jej zaświadczeniem (ust. 7). Tekst jednolity ogłoszono w Dzienniku Ustaw z 2026 roku pod pozycją 524. Żadne narzędzie nie przejmuje tej odpowiedzialności i żadne nie składa podpisu pod dokumentacją.

Z tego wynikają trzy praktyczne konsekwencje:

1. Render z AI jest materiałem sprzedażowym i komunikacyjnym. Może wisieć w ofercie, na wizualizacji inwestycji i w prezentacji dla inwestora. Nie wchodzi do teczki jako rysunek.
2. Układ funkcjonalny z generatora jest hipotezą do sprawdzenia. Powierzchnie, doświetlenie, wymagania przeciwpożarowe i warunki techniczne weryfikuje człowiek z uprawnieniami, nie model.
3. Oznaczaj to, co wygenerowane. Obrazy z modeli Google niosą znakowanie SynthID niezależnie od twojej decyzji, ale czytelna informacja przy wizualizacji jest kwestią uczciwości wobec klienta, który ogląda „zdjęcie” nieistniejącego budynku. Jak działa znakowanie treści generowanych, tłumaczy tekst o znaku wodnym i oznaczaniu treści.

Checklista przed wysłaniem grafiki klientowi

Siedem punktów, które wyłapują większość błędów specyficznych dla generowania. Przejście przez nie zajmuje dwie minuty i oszczędza rozmowy o tym, dlaczego na wizualizacji budynek ma cztery kondygnacje zamiast trzech.

1. Policz powtarzalne elementy. Okna w osi, słupy, stopnie, przęsła balustrady. Modele gubią rytm przy większej liczbie powtórzeń.
2. Prześledź jedną linię od krawędzi do krawędzi. Gzyms, attyka, linia cokołu – sprawdź, czy nie zmienia wysokości w połowie elewacji.
3. Porównaj liczbę kondygnacji z liczbą rzędów okien. Klasyczny błąd, którego nikt nie zauważa na małym podglądzie.
4. Zestaw dwa widoki tego samego obiektu obok siebie. To najszybszy test spójności, a zarazem najsłabszy punkt generowania z promptu.
5. Przeczytaj każdy napis na obrazie. Jeśli grafika ma etykiety, sprawdź je znak po znaku – również tam, gdzie model deklaruje wysoką skuteczność.
6. Sprawdź, czy nie ma ciągów wymiarowych. Jeśli są, a nie pochodzą z twojego rysunku – usuń je. Obecność wymiaru sugeruje dokładność, której w tym pliku nie ma.
7. Zapisz, z czego powstał plik. Wejście, siła warunku, model i seed. Seed ustala punkt startowy szumu, od którego zaczyna się odszumianie – bez jego zapisania nie odtworzysz tego samego wyniku nawet przy identycznym wejściu, prompcie i sile warunku.

Najczęstsze pytania

Źródła

• Gemini 3 Pro Image – specyfikacja modelu, Google DeepMind – dostęp 21.09.2026
• Adding Conditional Control to Text-to-Image Diffusion Models, Lvmin Zhang, Anyi Rao, Maneesh Agrawala, arXiv, 10.02.2023 – dostęp 21.09.2026
• ControlNet – dokumentacja parametru controlnet_conditioning_scale, Hugging Face Diffusers – dostęp 21.09.2026
• Ustawa Prawo budowlane, tekst jednolity, Dz.U. 2026 poz. 524, ELI – dostęp 21.09.2026

Ostatnia aktualizacja: 30 września 2026 · Zgłoś poprawkę