毫無疑問，機器人將在建筑行業(yè)中扮演重要角色，但是，根據(jù)麥肯錫的一份報告，由于效率低下，項目經(jīng)理將面臨同樣的挑戰(zhàn)，因為效率低下，每年總計達1.6萬億美元。

[[383800]]

人工智能和深度學習可以帶來的一般認識是使機器人技術(shù)在建筑中有用的第一步。AI初創(chuàng)公司Buildots建立了將這些技術(shù)結(jié)合在一起的第一步，將360攝像機安裝到項目經(jīng)理的安全帽上，以在施工現(xiàn)場收集鏡頭并分析數(shù)據(jù)以提供可理解的結(jié)果。

將數(shù)據(jù)與建筑物的設計計劃進行比較，為項目經(jīng)理提供設計計劃的廣泛視圖，標記可以在項目早期解決的問題，并以更高的準確性跟蹤進度。Buildots具有一般意識，可用于將機器人技術(shù)等其他技術(shù)集成到施工計劃中，而無需花費時間和資源來指導它們。

Buildots平臺通過自動分析使用安全帽攝像機捕獲的數(shù)據(jù)并將其與設計和進度進行比較，從而創(chuàng)建“施工控制室”。分析過程非常準確且具有高分辨率，并且可以分別分析每個電源插座，墻壁或窗戶，以確定其確切狀態(tài)與計劃。

深度學習模型是Buildots平臺的關鍵部分，在整個分析過程中以多​種流程使用：

1. 人員數(shù)據(jù)刪除–清除人員，電話/平板電腦屏幕，便箋等
2. 360度圖像對齊–基于AI的圖像穩(wěn)定引擎
3. 圖像質(zhì)量評級–確定模糊，暗淡和其他因素的程度，這些因素會使圖像與分析或人類使用的相關性降低。
4. 室內(nèi)導航–基于多種查找特征，評估房間結(jié)構(gòu)等的模型，完全依賴于視覺的高精度室內(nèi)定位過程。
5. 狀態(tài)分類–使用數(shù)百種不同的模型實現(xiàn)施工現(xiàn)場每個元素/任務的狀態(tài)。

這些模型結(jié)合經(jīng)典的計算機視覺和機器學習算法，完成了令人難以置信的工作，將來自建筑工地的隨機視覺數(shù)據(jù)轉(zhuǎn)換為與項目設計和進度計劃相關的可行見解。