Одним из ключевых решений становится технология SLAM (Simultaneous Localization and Mapping — одновременная локализация и картографирование). Она позволяет роботу одновременно отвечать на два вопроса: «где я нахожусь?» и «как сейчас выглядит окружающее пространство?»
Карта, которая меняется вместе со стройкой
В отличие от традиционной навигации по заранее созданной карте, SLAM строит и корректирует карту непосредственно во время движения. Для этого робот может использовать камеры или LiDAR, дополняя их данными инерциальных датчиков.
На строительной площадке такая возможность особенно важна. Планировка объекта может измениться за несколько дней, строительные леса — переместиться, а паллеты с материалами — полностью перекрыть ранее свободный проход. Карта, созданная в начале недели, к её концу уже может не соответствовать реальности.
При этом SLAM не отвечает за все задачи робота. Система определяет положение машины и геометрию окружающего пространства, но не управляет непосредственно рабочим органом. Например, точность установки строительного элемента обеспечивается отдельными системами управления и ближнего позиционирования.
Кроме того, классический SLAM работает прежде всего с геометрией. Он способен определить, что окружающее пространство изменилось, но не обязательно понимает, что именно изменилось и почему это важно.
Эту проблему пытается решить semantic SLAM — направление, в котором объекты на карте получают смысловые метки. Такой подход позволяет перейти от вопроса «где находится препятствие?» к более сложному «что это за объект и соответствует ли его положение проекту?».
Стройка бросает вызов классическому SLAM
Большинство традиционных алгоритмов SLAM разрабатывались с расчётом на относительно стабильную окружающую среду. Строительная площадка устроена противоположным образом.
Здесь постоянно появляются и исчезают объекты, меняется освещение, перемещается техника, а рабочие могут перекрывать часть пространства. Для визуального SLAM это особенно серьёзная проблема: алгоритму приходится отличать реальные изменения сцены от изменений, вызванных условиями съёмки.
Поэтому исследователи адаптируют алгоритмы к динамической среде и используют комбинации различных датчиков. LiDAR позволяет получать непосредственную информацию о расстояниях до объектов и формировать трёхмерное представление пространства, а инерциальные измерения помогают стабилизировать оценку движения между отдельными измерениями.
Технология уже выходит за пределы лабораторий
SLAM на строительных объектах уже применяется в экспериментальных и прикладных проектах.
В рамках проекта AutoInspect Оксфордского института робототехники мобильный робот с LiDAR и SLAM использовался для картографирования и автономной инспекции строительной площадки станции Гатвик. Осенью 2022 года система смогла провести картографирование и автономную инспекцию объекта в течение четырёх часов.
Другой подход демонстрировался с использованием робота Spot компании Boston Dynamics. В этом случае робот применялся для дистанционного мониторинга строительного объекта: оператор управлял платформой, а получаемые с неё изображения сравнивались с запланированной информационной моделью здания.
Это принципиально отличается от полностью автономной навигации, но показывает важное направление развития строительной робототехники — объединение данных о фактическом состоянии объекта с его цифровой моделью.
LiDAR тоже не является универсальным решением
Несмотря на преимущества, работа LiDAR на строительной площадке сопряжена с собственными проблемами.
Пыль может рассеивать и поглощать лазерные импульсы, снижая качество отражённого сигнала. Физические препятствия создают другую проблему: паллеты, оборудование или элементы конструкции перекрывают прямую видимость, оставляя части пространства за ними неизвестными для сканера.
В результате даже постоянно обновляемая карта может содержать неполные или ошибочные данные. Поэтому надёжная автономная система должна не только строить карту, но и оценивать качество получаемой информации и уметь реагировать на неопределённость.
От навигации — к автономной работе
Наиболее перспективным следующим этапом становится не сама возможность навигации робота по строительной площадке, а использование актуальной карты для выполнения рабочих операций.
Потенциальные сценарии включают автономные инспекции, мониторинг прогресса строительства, доставку материалов, повторяющиеся операции сборки и другие задачи, где роботу необходимо ориентироваться в постоянно меняющейся среде.
Однако здесь возникает важный инженерный барьер: одной геометрической карты недостаточно. Роботу необходимо понимать проектное назначение объектов, обнаруживать отклонения от BIM-модели и принимать решения о дальнейших действиях.
Таким образом, будущее строительных роботов связано не столько с заменой GPS на LiDAR, сколько с созданием полноценной системы пространственного восприятия, объединяющей SLAM, распознавание объектов, цифровую модель здания и автономное планирование.
Для строительной отрасли это особенно важно: робот, способный работать по актуальной карте объекта, уже не требует, чтобы окружающая среда оставалась неизменной. Он может адаптироваться к тому, как стройка выглядит сейчас, а не к тому, как она выглядела во время последнего обследования.
Источник: https://roboticsandautomationnews.com/2026/08/19/opinion-how-robots-are-learning-to-navigate-the-bui...Если вам понравился материал, кликните значок — вы поможете нам узнать, каким статьям и новостям следует отдавать предпочтение. Если вы хотите обсудить материал —не стесняйтесь оставлять свои комментарии : возможно, они будут полезны другим нашим читателям!
