将机器人技术集成到建筑测量师的工作流程中

随着机器人和自主技术越来越多地融入工作流程，它们可能会如何影响调查角色?

可能性越大责任越大，机器人技术和自主技术在我们的世界中所扮演的角色尤其如此。随着时间的推移，技术的可能性极大地改变了许多测量、建筑和地理空间应用工作的面貌。例如，自20世纪90年代以来，由于棱镜的自动旋转和跟踪，操作人员可以单独进行现场调查，因此机器人全站仪的生产效率有了巨大的飞跃。随着机器人技术和自主技术越来越普及，再加上物联网(IoT)、5G、大数据和机器学习等颠覆性发展，随着机器人越来越多地融入数据收集等工作流程，本文探讨了其他角色可能也会发生怎样的变化。

随着系统内部技术的小型化，将设置全站仪或扫描仪等相对简单的任务自动化和自动化的可能性越来越大。例如，一些机器人全站仪和扫描仪现在可以自我调平和自动校准，从而消除了人类对更多任务的干预，这些任务最好留给技术来完成。然而，自动化工作流完全是另一回事。首先，这些机器人需要比目前正在施工的机器人更加智能。其次，自动化程度越来越高的机器人的使用将改变工作流本身的面貌。

战略联盟

战略联盟波士顿动力公司给了特林布尔为建筑行业提供集成机器人解决方案的机会，能够重新定义工作流程。在他们去年开始的合作中，两家公司正在合作开发和销售一种集成解决方案，例如，能够完成高度自治的建筑测量或建成后的现实捕捉188asia备用网址工作流程。

把机器人送进来

该解决方案是基于波士顿动力学现场:一个专门设计的四条腿移动机器人，以在困难的地形中导航。与那些已经在仓库或生产设施中工作的机器人不同，机器人有腿而不是轮子，这在凹凸不平的地面、楼梯或在泥泞的环境中作业时是一个巨大的优势。因此，Spot已被证明是挖掘或建筑施工中危险环境的一个伟大工具，但也适用于采矿、石油和天然气、公用事业和其他有项目需要高度风险缓解的部门。机器人也可以部署在通常需要漫长的许可程序的地方，即使是最简单的任务，对人类来说也是如此，但不包括工具。该机器人并不是完全自主的，因为它是通过平板电脑(和立体声摄像机)远程控制的。然而，它有许多近乎自主的能力，比如它的自我扶正能力。此外,由于可重复的自治任务可以通过编程来实现,它的90分钟的电池寿命是唯一真正的限制有现货在一天的工作本身和工作目前正在开发一个充电座,机器人自动返回的方式解决这个问题。

有意识的技术

由于其高达14公斤的有效载荷，Spot平台提供了完全自主的承诺，额外的技术可以使其更“有意识”的环境。3D扫描仪和/或GNSS模块将赋予“斑点”在典型的动态建筑工地环境中所需的地形不确定性能力，使其能够导航障碍物，以完成其编程任务。建筑公司已经在大量应用这种188asia备用网址配置的Spot机器人，在机场和现场建筑工地等难以接近或导航的地方工作。在这些情况下，可以直接与基于云的施工管理应用程序通信，这样移动技术就可以将信息反馈到施工环境。

机器人可以配备一个特林布尔3 d扫描仪用于日常任务，如每日站点扫描(甚至可以在夜间完成)、进度监控、资产管理和远程支持。事实上，波士顿动力公司将Spot推向市场的主要动力之一是，他们意识到很多建筑行业仍然存在数据缺口，需要技术来提高场地效率。随着数据收集成为建筑测量师最需要但最不喜欢的任务之一，Spot现在能够提供一致的输出，提高可重复任务的效率，并能够进行最新的竣工数据分析，这有助于减少返工量，促进现场工作。近期的目标是通过将数据收集工作流程与操作机器人所需的工作流程集成，进一步增强面向现场的工作流程。

可重复的方法

这种交钥匙解决方案将简化机器人的操作，并为任务提供质量控制。随着机器人在夜间扫描现场，并在早上将图像传送给主管检查，建筑项目经理将更容易获得工地持续进展的清晰图像。Mortenson是一家总部位于美国明尼阿波利斯的承包商、开发商和工程服务提供商，是首批使用这种技术组合的客户之一。为了消除工作现场的浪费和提高效率，该团队一直在使用特林布尔的SPS986 GNSS智能天线的Spot机器人，以自主导航具有挑战性的外部建筑环境，包括一个太阳能发电厂，以持续记录现有的现场条件。这种自动化的、可重复的现场数据获取方法可以让Mortenson实时了解项目状态，帮助加速项目交付。

业务集成

为Spot机器人配备第三方工具(如扫描仪、GNSS模块或其他工具)完成特定的任务是一个真正的里程碑，因为它比迄今为止用于建筑工地布局等活动的专用单任务机器人进步了一步。Boston Dynamics/Trimble联盟现在面临的下一个挑战是整合这两种技术，使它们能够作为一个单元进行管理和操作。其他规模更大的挑战包括围绕物联网的挑战。由于正在部署的传感器数量不断增加，以及BIM等技术的进一步深化和粒度，机器人技术必须集成到更广泛的生态系统中。这需要机器人与快速发展和指数增长的云进行可信的数据交换。获取更多的信息将增加机器人的态势感知能力，使其能够更好地了解其所处的环境以及周围环境发生的变化。在技术水平较低的情况下，将机器人引入工作流程会带来很多复杂的问题，比如如何管理一批新型设备，如何在不中断工作流程的情况下运行维护计划——换句话说，如何真正将机器人整合到操作中。所有这些项目都需要重新访问现有的工作流。

额外的情报

麦肯锡(McKinsey)几年前的一项研究表明，从机器人和基于机器学习的自主对工作活动的影响(而不是对职业的影响)的角度来考虑它们，更合乎逻辑。正如以往的工业化浪潮一样，我们现在看到的第四波不会在短期内造成许多工作岗位的完全消失，而是会对流程和工作流程产生直接影响，从而改变人们工作的性质。

对于更广泛的调查群体来说，这意味着更多的关注将转向需要人类洞察力的任务，而这些任务目前还无法用算法捕获。漫游者、扫描仪、全站仪和GNSS和RTK等网络系统的技术发展已经成为技术的推动者，使工作更高效，结果更可靠。倾斜补偿等新技术进一步拓宽了在困难环境下实现高质量业绩的可能性范围。总而言之，这些进步为调查人员提供了大量额外的情报——这些情报是在重大问题上做出人类断言和决策所必需的:如何在快速城市化的环境中以最小的影响建设以及在哪里建设，或者如何在发展中的物联网环境中保持严格的数据质量。这些都是未来几年调查者们会考虑的问题。但对于那些枯燥、危险和肮脏的工作，最好还是留给机器去做。