让机器人监督机器人——人工智能助力地下工程行业从“自动化”走向“无人化”

小编语

小编语

过去小编曾经为大家介绍过英国HS2工程中的自动管片拼装机器人，德国海瑞克的 自动管片工厂等自动化技术，但这些技术在运行过程中需要人类监控，最后的验收和检查阶段也需要人类来完成，从自动化到无人化的最后一步始终难以迈出。

最近，在新型人工智能技术的帮助下，让机器人监督机器人工作变成了可能；除此之外，在勘测方面，人工智能技术也开始逐渐发力。本期，小编就为大家介绍一下新型人工智能技术在欧美地下工程行业中的应用情况。

AI在管片拼装机器人上的应用

英国高速铁路二期（HS2）工程伦敦段的两台盾构上装备了由法国布依格（Bouygues Construction）研发的多种自动管片拼装机器。其中包括用于管片拼装的Atlas，用于安装定位销的Dobydo，以及用于移除木制垫层的Krokodyl。

正在安装定位销的Dobydo

通过多种机器人配合工作，HS2工程的伦敦段基本实现了从管片运输到铺设再到安装全过程自动化的。

然而，实际的施工现场仍需要不少人类工作人员，这些自动化机器人在工作过程中需要人类盯控，以确保能够第一时间发现并记录机器人工作中的任何失误。

正在移动管片间木制隔块的Krokodyl

而随着人工智能技术发展，如今的AI也具备了分析图片和视频的能力。HS2伦敦段的联合承包商Costain Skanska Strabag近期使用了一种人工智能视觉分析技术，经过机器学习后的人工智能可以通过分析照片和监控视频画面来识别出自动化机器人在工作中是否出现纰漏，以此实现用机器人来监督机器人的无人化施工模式。

在HS2伦敦段开始使用机器人来监督机器人的无人化工作模式时，不少经验丰富的盾构操作员对这种技术持怀疑态度。

项目的人工智能负责人员认为，这是一个正常现象，他表示：人工智能要赢得人类的信任是需要时间的。但他相信，在未来的十年内，地下工程行业就将逐步实现真正无人化和自动化的施工。

AI在自动化管片工厂中的应用

德国海瑞克公司正在位于瑞士的工厂中尝试打造全自动管片生产流水线，目前包括模具的开/闭，混凝土表面修整，模具的清洁和上油等工序均已实现自动化施工。

正在清洗模具的机器人

然而，这座自动化管片工厂遭遇了和HS2伦敦段一样的问题。由机器人清洁的模具，机器人修整的混凝土表面都需要人类再次进行检查。

例如，在机器人抹平混凝土时，由于混凝土的量无法做到100%精确，所以当机器人从外缘向中间抹平时，会中心留下一个小波峰或小波谷。而机器人本身无法察觉这一问题的存在，需要检查人员进行汇报，并组织工人把中心点磨平。

装备旋转管的机器人正在进行表面修整

同样的问题还存在于机器人清洁的模具过程中，这意味着这座自动化工厂需要技术人员来检查机器人的工作，并还需要工人来修补机器人没能做好的地方，这使得原本减少现场工作人员数量的目标并没有实现。

正在放置预埋件的机器人

为了解决这个问题，工厂使用了人工智能视觉识别系统。通过机器学习，这种人工智能算法能发现特定的特征或物品。通过这种方法机器人工作中出现的任何纰漏都会立刻发现。

以机器人抹平混凝土这一工序为例，原本一台机器人需要两个人负责检查和修补，一个循环的工作时间在5-7分钟之间；在应用了人工智能监测算法后，一台机器人只需一个人配合，并且一个循环的工作时间只需2分钟左右。

虽然依旧无法实现100%的自动化。但人工智能监测在有效提升效率的同时，降低了工厂内人类工人的数量，为未来建设真正意义上的无人工厂打下了基础。

AI在盾构辅助控制系统中的应用

人工智能技术在新一代的VMT TUnIS导航软件中也发挥了重要的作用，经过大量施工数据训练的人工智能可以如同一位经验丰富的驾驶员一样给予驾驶员操作建议。

操作建议系统

这套人工智能算法通过分析盾构前进过程中数据来获得盾构目前的位置和状态，并会给出进行调整的建议。 VMT技术人员表示，这套人工智能算法的精确度让很多测量人员感到震惊，有时其精度甚至比一些传感器还要高。

但由于人工智能的不可解释性，几乎没人能彻底了解人工智能是如何算出盾构位置和状态信息的，所以这套人工智能算法只能担任给出建议的角色，而不能真正地驾驶盾构。

人工智能的不可解释性

基于深度学习的人工智能具有”不可解释性“，人们无法得知人工智能是如何给出答案的。这一问题也被称为“算法黑箱”，这使得即便是算法的开发者也难以理解他们自己所开发的人工智能系统。