一种施工机器人的测量——真正的人机协作

作者:理查德Ostridge

每次我看到我的社交媒体饲料时，我都会看到至少有一个关于人工智能或机器学习的帖子。然而，我最近读到了一个同样有影响力的技术革命，在这种讨论中看​​起来不足 - 机器人建设者。

之前的技术进步已经减少了建造所需的工作量——挖掘机、水泥搅拌机、手电锤、电钻和螺丝刀，举个例子，这些设备简化了建造任务。然而，在过去的几年里，另一项重要的进步开始成为人们关注的焦点——自动化。

自动化合成

世界经济论坛上一篇题为《机器人制造:这家瑞士公司可能永远改变建筑业》的文章让我思考建筑的基本原理是如何迅速变化的。这篇文章展示了瑞士的三层“DFAB”概念住宅，具有3d打印的天花板、节能墙壁和由机器人现场组装的木梁。文章中引用了负责该项目的研究员马提亚斯·科勒(Matthias Kohler)的话，他对未来机器和人类如何协同工作有一个清晰的愿景。根据科勒的说法，不应该期望机器人能合成人类的技能，而是人类应该逆向工程设计，让机器人建造适合自己强项的材料和结构。

异地建造房屋并不新鲜——在过去的20年里，像Huf Haus这样的品牌重新点燃了公众对预制建筑的热情。DFAB住宅的不同之处在于3D打印的规模使用和基本的机器人组装，这省去了一整个人为创造建筑元素的过程。当然，这些元素仍然需要人类组装，但如果建筑师和建造者完全接受科勒的观点，建筑设计可以简化，这样机器人也可以做一些组装工作。

自动组装

在未来20年里，自动化装配还不会大规模出现，但机器人从事更多动态劳动的边缘案例越来越多。例如，美国建筑机器人公司(Construction Robotics)的半自动梅森(Semi-Autonomous Mason) Sam100目前正在美国的一些建筑工地上工作。它可以给任何大小的砖块涂上砂浆，每8.5秒就能铺上一块。一个泥瓦匠在八小时的工作时间里可以铺300-600块砖，而Sam100可以铺3000块以上。Sam100的视频在视频分享平台上获得了数百万的点击量，说明人们对这个话题很感兴趣。

SAM100加入来自澳大利亚的澳大利亚快速砖块机器人的Hadrian X，它们都是3D打印，铺设砖，并且可以在短短两天内完成传统砖石家的上层建筑。另一个高级建设机器人的一个有趣的例子是来自丹麦公司Odico的机器人热线切割机器人，它使用电加热的电线通过工业泡沫切割，通过给定的CAD模型复制几何形状。此外，来自法国的效能度的沸腾可以追随工人携带工具和材料。当然，在任何关于机器人自动化更多工作量的机器人的行业都犹豫不决。尽管如此，尽管上面描述的令人惊叹的例子，机器人将不会在数量上建造房屋。当然，很容易识别许多阳性 - 例如成本，时间和对环境的影响。然而，缺点也可以如此，如劳动力的部分的删除所在的问题需要考虑长期接受和成功。

作为一名了解这类技术的测量员，我不会马上想到它对建筑项目的影响。相反，我想这种自动化对调查行业意味着什么?好消息是，随着人们对设计得更好、施工速度更快的期望越来越高，我相信为建筑施工公司提供服务的调查企业将会有很多机会。

混合测量师

如果机器人要生成一个物体，则强制上大化信息是强制性的。如果机器人将在现场进行正确的位置，则需要准确的位置信息。

公差将是严格的，精度和精度将被要求，妥协将是一个选项-这听起来像是一个测量师的名片。

虽然建筑工地的人类可以看到一个小差异和本能地了解如何处理问题，但我并不是相信机器人能够在飞行中自我解决问题。也许它会检测到问题，然后请求人类帮助 - 减少首先使用机器人的动机之一的效率增益。无可否认，最大化机器人效率的最佳方法是通过提供真正代表现实的质量信息。

那么，如果没有人类会捕获调查？嗯，在一些数据捕获方案中，可以认为我们播放的角色已经略微移位 - 例如，从选择哪些精确点来朝着挑选区域和密度来移动，让仪器捕获。主要是，这是由于徕卡RTC360 3D激光扫描仪（如Leica Blk2Go）等技术的进步，接受和使用，如徕卡Blk2Go，它会自动捕获3D点云作为操作员在网站上行走。

在没有人工的情况下收集数据可能是可行的，但调查(包括可交付成果)就不行。然而，我们测量员可能不得不调整“测量员”的含义。

测量员的下一步是什么?

多年来，在决定在哪里建立、使用什么控制和建立什么检查方面，调查员们一直受到重视。最近，更多的重点放在决定使用哪种技术、如何测量和如何处理数据上。

对于下一代的测量员来说，筛选数据、识别质量、理解相关内容并决定如何呈现这些内容似乎将更加重要。

也许这项工作将更多地强调确定要建立的检查，或者如何评估和处理数据。最有可能的是，更有重量将被提出决定哪些数据是相关的以及如何以及何时展示它。

我相信现在是评估我们的工作流程、评估新方法和拥抱新技术的正确时机。这样，我们就可以把自己定位为提供最佳数据的服务提供者，可以被信任来评估和验证其他数据的质量，也可以从所有数据中提取有意义的结果。

如果我们做得好，我们不仅可以保护我们自己的短期就业前景，还可以确保调查行业的未来——即使是在我们调查让建筑机器人使用我们的数据时。