ИИ в строительстве: командная работа для анализа продуктивности

Исследователи из Национального университета Тайваня разработали систему на базе искусственного интеллекта, способную распознавать строительные процессы как на уровне отдельных работников, так и целых бригад, используя стандартные видеозаписи с объекта. Этот подход раскрывает, как командная работа влияет на производительность, и закладывает основу для будущего сотрудничества людей и роботов на стройплощадках.

Строительные проекты реализуются командами, а не отдельными специалистами. Однако понимание того, как эти команды взаимодействуют на объекте, остается серьезной проблемой для исследований производительности в строительной отрасли. Большинство оценок производительности по-прежнему основаны на ручных полевых наблюдениях, которые являются медленными, субъективными и плохо подходят для фиксации реального взаимодействия.

Хотя недавние достижения в области компьютерного зрения и искусственного интеллекта (ИИ) позволили автоматически распознавать действия отдельных работников по видеозаписям со стройплощадок, эти методы в основном рассматривают работников в изоляции и не учитывают, как задачи выполняются коллективно. Теперь исследователи из Национального университета Тайваня разработали систему ИИ, которая устраняет этот пробел, распознавая строительные процессы как на индивидуальном, так и на командном уровнях с использованием обычных видеозаписей с объекта.

Исследование, опубликованное в журнале Automation in Construction, представляет многоуровневую систему распознавания деятельности бригад, которая анализирует строительные работы на трех взаимосвязанных уровнях. К ним относятся действия отдельных работников, такие как забивание гвоздей или заливка бетона; деятельность бригады, где группы совместно выполняют такие задачи, как монтаж арматуры или установка опалубки; и общие операции на площадке. Связывая эти уровни, система обеспечивает более реалистичное представление о производительности строительства, отражающее фактическое выполнение работ на объекте.

Традиционные методы оценки производительности, такие как выборочные наблюдения за работой и полевые оценки, отнимают много времени, субъективны и сложны в масштабировании. В то время как недавние подходы компьютерного зрения добились прогресса в распознавании действий отдельных работников, они в значительной степени игнорируют сотрудничество, хотя большинство строительных задач по своей сути являются командными.

Исследователи из Национального университета Тайваня решили эту проблему, смоделировав работников как узлы в графе и изучая их взаимоотношения на основе как визуальных признаков, так и пространственной близости. Это позволяет системе ИИ выводить, как работники взаимодействуют как функциональные бригады.

Система была обучена и валидирована с использованием реальных видеозаписей строительных площадок, записанных в Тайбэе, охватывающих основные виды деятельности, включая работу с арматурой, установку опалубки и заливку бетона. Предложенная система достигла общего показателя F1 более 73%, демонстрируя надежную производительность в распознавании как индивидуальных действий, так и деятельности на уровне бригады.

Что еще более важно, результаты показывают, что анализ на уровне бригады предоставляет более точные и действенные выводы, чем мониторинг отдельных лиц, особенно для различения работ, создающих ценность, от простоев или непродуктивного времени.

Исследование также выявляет текущие проблемы. Поскольку модель в основном полагается на пространственные снимки, она имеет ограниченную способность фиксировать эволюцию деятельности во времени. Поэтому будущие исследования будут сосредоточены на включении временного моделирования, улучшении распознавания взаимодействий между работниками и объектами, а также на расширении набора данных для включения более широкого спектра строительных задач и условий на объекте.

Поскольку строительные проекты продолжают расти по масштабу и сложности, системы ИИ, понимающие командную работу, могут трансформировать анализ производительности, управление безопасностью и принятие решений на строительных площадках по всему миру.

«Если мы хотим, чтобы роботы действительно сотрудничали с людьми, мы должны сначала понять, как человеческие команды работают вместе», — говорит профессор Джейкоб Дж. Лин. «Понимание на уровне бригады необходимо для значимого сотрудничества человека и робота». «ИИ является ключевым фактором автоматизации строительства», — добавляет профессор Чуин-Шань Чен. «Преобразование данных с объекта в действенное понимание имеет решающее значение для более интеллектуальных и адаптивных строительных систем».