萨明达·瓦图赫瓦，网络安全高级讲师和课程负责人， 朴茨茅斯大学
建筑工地是最不依赖 GPS 的地方之一。混凝土地板堆积在头顶上，钢框架分散了信号，地下室完全阻挡了信号。
然而，在这种环境下，人们越来越期望自主机器人能够精确地工作，并在移动的人员周围导航，无需卫星定位来告诉他们所在的位置。
填补这一空白的技术是同步定位与地图构建 (SLAM)。配备 SLAM 的机器人不依赖预加载的地图或外部定位信号，而是使用摄像头或光探测和测距 (LiDAR) 实时构建自己的地图，通常与惯性测量相结合，以提高读数之间的稳定性。
单独的惯性传感器无法感知周围环境，因此它支持映射而不是单独执行映射。 LiDAR 是本文重点关注的传感器，因为它是下面描述的部署实际使用的传感器。
“我在哪里”和“这个空间是什么样子”这两个问题是一起解决的，而不是一个依赖于另一个已经得到解答的问题。
这种组合在建筑工地上比在机器人目前操作的大多数其他地方更重要。仓库机器人通常在轮班之间基本上保持固定的空间中工作。
建筑工地的设计目的恰恰相反。材料到达并被移动。平面图在建造过程中进行修改。脚手架上升和下降。周一准确的地图到周三可能就会出错，因此地图本身必须是有生命的东西，而不是一次性的调查。
SLAM 实际做什么和不做什么
准确了解实时地图实际上能为您带来什么是值得的，因为它很容易被夸大。 SLAM 的工作是定位和绘图：确定机器人的位置以及当前空间的样子。
机械臂将砖块放置到严格公差的原因并不是其本身。这种精度来自于手臂自身的控制系统和近距离传感，这是一个独立的工程部分。 SLAM 改变的是手臂的瞄准目标。
自动推车或手臂根据实时、修正的地图工作，瞄准的是今天的实际位置，而不是可能已经被移动的托盘或修改的墙线所取代的静态绘图。
如果目标错误，放置机制再精确也无济于事。这里也值得精确说明：SLAM 本身更新几何而不是意义；纯几何 SLAM 系统没有光束位于“错误”位置的概念，只是空间现在看起来与上次扫描不同。
语义 SLAM 是一个相关的研究领域，它用含义来标记映射的特征，而不仅仅是原始位置，它缩小了这一差距，是一个活跃的研究领域，包括 2026年结构化审查 特别涵盖建筑领域的 SLAM 生成。
将变化识别为有意义的错误，而不仅仅是差异，通常仍然需要将地图与设计意图（通常是建筑信息模型）进行比较，再加上规划逻辑来决定如何处理不匹配的情况。比较和决策层位于 SLAM 之上，而不是内部。
不是实验室演示
施工现场 SLAM 本身就是应用机器人研究的一个活跃领域，正是因为 SLAM 背后的标准假设（大部分是静态场景和结构，在绘制地图时不会改变），此外，对于基于相机的（视觉）SLAM，特别是一致的照明，在真实场地上会崩溃。
一个 2023年普渡大学论文例如，专门专注于采用视觉 SLAM 来处理建筑工地的动态特征和结构变化，而不是将建筑视为另一个需要绘制一次地图的室内空间。
它也在实验室外进行测试。牛津机器人研究所 自动检测 该计划使用基于图形的 LiDAR SLAM 让移动和腿式机器人绘制环境图，然后进行自主检查，该程序于 2022 年秋季部署在科斯坦的盖特威克车站建筑工地，在四个小时内绘制了现场地图并进行了自主检查。
弗吉尼亚理工大学的一个独立且重要的不同项目让波士顿动力公司的 Spot 机器人也能在建筑工地上工作，但作为一个 用于进度监控的远程驾驶平台：操作员远程驾驶它，同时流式传输实时 360 度视频，并通过增强现实层将摄像头看到的内容与计划的建筑信息模型进行比较。
它不是 SLAM 部署，但它是一个有用的对比：它显示了上述设计模型比较已经在实践中发挥作用，只是由人进行导航，而不是机器人自己进行导航。
为什么支持者认为这很重要
采用这一技术的更广泛的理由现在分为三个方面，除了盖特威克机场实际建立的单一观察事实（四小时内的完整自主地图和检查周期）之外，其余的内容值得视为争论而不是确定的事实，因为大规模的全行业数据尚未公开。
安全性是最直观的：在盖特威克机场进行的 AutoInspect 等自主勘察和检查工作可以减少人们在部分建成、结构不确定的空间中花费的时间，特别是在地面以下（GPS 完全无法使用）和高空（其自身存在与 GPS 无关的坠落和结构风险）。
生产力是第二个不太明显的主张：所建议的收益并不是机器人在任何单一任务上都超过了人类，而是它们可以跨班工作，而无需在变化的地点进行设置和重新测量，否则需要人类工作人员手动重新建立参考点。
盖特威克机场四小时的结果表明，循环一次即可实现；它本身并没有显示出持续的跨班次增益，这需要一段时间内重复使用的数据，而这些数据尚未公布。
第三个是减少错误：原则上，与已被现场事件取代的绘图相对应的材料相比，根据实时修正的地图放置的材料产生的返工应更少；这仍然是 SLAM 功能的合理扩展，而不是上面实际测量的部署，细心的读者应该这样对待它，直到站点级数据另有说明。
仍然有什么障碍
这些都不意味着该技术可以直接替代当前的建筑运行方式，而且诚实的描述应该如此。激光雷达在建筑工地上存在两个不同的问题，而不是一个。
飘尘 散射和吸收扫描仪所依赖的激光脉冲，通常是现场机器人技术中一种有据可查的故障模式，它会在返回信号到达值得映射的表面之前降低其性能。
物理碎片是一个不同的问题：固体材料阻挡了清晰的视线，遮挡了后面的东西，而不是破坏了信号本身。两者在活动站点上都很常见，并且都可能生成不完整或不可靠的地图。
对于尚未运行机器人项目的承包商来说，部署成本以及与现有站点管理软件的集成也可能仍然是真正的障碍。
实时更新的地图仅与在其之上构建的决策一样有用，这意味着解释该地图的软件层（而不仅仅是收集该地图的传感器）才是许多剩余工程工作的所在。
接下来会发生什么
未来几年值得关注的不是配备 SLAM 的机器人能否在真实的建筑工地上工作，而是真正的建筑工地。盖特威克机场已经回答了这个问题。更有用的问题是工作流程的哪些部分首先采用该技术。
牛津大学的自主检查和弗吉尼亚理工大学的远程操作进度监控是相关的工作流程，而不是同一任务的两个版本，两者都值得按照自己的条件进行跟踪，而不是假设一个只是另一个的早期替代品。
现场调查和进度监控是最简单的切入点。机器人的实时导航地图不会自动达到测量级；正式调查有其自身的准确性和完整性要求，导航地图无法满足这些要求。
但底层测绘过程已经捕获了调查所需的大部分相同位置和几何数据，这缩短了实现该用例的路径，即使仍然需要额外的工作来缩小差距。
材料放置和重复组装任务是更困难、更高价值的目标，也是研究演示和可靠的现场设备之间的差距实际上将被缩小的目标。
对于一个几十年来一直在缓慢改变其核心方法的行业来说，一个能够在网站发生变化时真正阅读网站的机器人，而不是需要网站保持静止的机器人，是一种有意义的不同类型的工具。
关于作者：Saminda Wattuhewa 是朴茨茅斯大学网络安全高级讲师和课程负责人，对机器人技术的研究和教学感兴趣。