“自適應(yīng)控制”原理下建造智能化認知與策略*

孫 源，王 竹 ，鄭 媛，李坰其

引言

在工業(yè)4.0 時代，建筑行業(yè)在工業(yè)化、數(shù)字化、智能化轉(zhuǎn)型1）的道路上涌現(xiàn)出多樣化的創(chuàng)新性研究成果和實踐項目?！霸O(shè)計意圖-生形-模擬-迭代-優(yōu)化-建造”工作流拓深了人機共生情境下建構(gòu)學的內(nèi)涵，使得未來建筑師的職能和角色面臨深遠的機遇和挑戰(zhàn)[1]。

目前，傳統(tǒng)的建造模式下的生產(chǎn)效能、工藝流程、組織架構(gòu)等方面已發(fā)展至較為成熟狀態(tài)，然而距離有效應(yīng)對大型工程項目的高要求建設(shè)仍存在一定距離。相較而言，當傳統(tǒng)建造效能開發(fā)趨于穩(wěn)定的同時，在計算機數(shù)字控制(Computer Numerical Control,CNC)技術(shù)推動下，建造工廠(Construction Factories,CFs）逐步發(fā)揮出精準、高效、集約的生產(chǎn)潛力[2]（圖1）。由此，世界各地的建筑師們開始牽頭協(xié)調(diào)來自計算機科學、機器人、自動化等相關(guān)專業(yè)工種，逐步嘗試將工業(yè)化的生產(chǎn)思維引入建筑設(shè)計建造過程中，重新獲得了與材料及建造過程直接聯(lián)系的可能性。從1970 年開始試行的建筑構(gòu)件制造(Building Component Manufacturing,BCM)，發(fā)展到大規(guī)模建筑模塊預(yù)制(Large-Scale Prefabrication,LSP)，再到20 世紀90 年代以來機器人開始參與建筑建造環(huán)節(jié)，以及當今的自動化機器人現(xiàn)場施工(Automated Robotic On-site Factories,A/ROFs)，近半世紀以來取得了創(chuàng)新性進展[3]。

圖1 建筑行業(yè)建造效能隨時間發(fā)展的“S”形曲線模型

然而，建筑的智能化營建并非等同于由數(shù)控機械臂輔助、代替人力執(zhí)行重復(fù)性建造行為的單流程生產(chǎn)線(Single-Task Construction Robots,STCRs)，而是需要整合建筑概念設(shè)計和施工建造之間反饋循環(huán)的過程。數(shù)字孿生(Digital twins)技術(shù)鏈接虛擬環(huán)境和物理環(huán)境，并進行信息數(shù)據(jù)的交互，為設(shè)計建造流程提供了新范式[4]。自適應(yīng)控制（Adaptive control）逐步應(yīng)用于智能建構(gòu)的目的和應(yīng)用價值，在于強化機器人協(xié)助建筑師掌握材料性能，精確感知客觀物理環(huán)境并主動應(yīng)對建造過程未知情況。作為調(diào)節(jié)特定建造機能的“神經(jīng)中樞”，采用自適應(yīng)控制原理的建構(gòu)框架在感知系統(tǒng)、驅(qū)動系統(tǒng)和人機交互系統(tǒng)的協(xié)同配合下，得以實現(xiàn)對于復(fù)雜設(shè)計意圖、建構(gòu)工藝和施工環(huán)境的適應(yīng)能力。其突破了以標準化和黑箱2）的方式封裝在軟件程序里的生產(chǎn)智能，是智能建造領(lǐng)域面向設(shè)計師的互動開放式策略之一。對此，密歇根大學(University of Michigan)、蘇黎世聯(lián)邦理工大學(ETH Zurich)、斯圖加特大學(University of Stuttgart)、倫敦大學學院(UCL)等相關(guān)高校的建筑研究團隊陸續(xù)開展了關(guān)于自適應(yīng)建造的探索性案例[5]。以往研究主要以三方面的設(shè)計需求和營建實踐為導(dǎo)向：其一，在適應(yīng)非常規(guī)性設(shè)計方案和建造工序方面，探索了在纖維編織結(jié)構(gòu)[6]、網(wǎng)殼結(jié)構(gòu)[7]、張拉膜結(jié)構(gòu)[8]、石膏噴涂面層[9]等非線性三維空間造型的建構(gòu)過程中，由建造機器人自主定位、找形并執(zhí)行動作的潛力。其二，在適應(yīng)施工環(huán)境的限制與干擾方面，著重于增強建造機器人的集成傳感能力[10]，以高精度的視覺、力矩等機器感應(yīng)設(shè)備來模擬感知真實作業(yè)場景。其三，在適應(yīng)建造材料的特定性能和應(yīng)變行為，進行了膠合木材[11]、石材[12]、鋼材[13]、生物復(fù)合材料(Bio-based composite)[14]等多樣材料行為測試實驗以訓(xùn)練機器學習能力?？傮w而言，盡管自適應(yīng)控制原理在機器人和計算機等學科已有實質(zhì)性的發(fā)展和應(yīng)用，但拓展到建筑設(shè)計領(lǐng)域和智能建造場景中仍處于起步階段[15]，亟待更多概念拓深和研究實踐涌現(xiàn)。

1 自適應(yīng)視角下的建筑智能化設(shè)計建造背景

在系統(tǒng)論的理論框架下，建筑的建造過程是涉及形態(tài)美學、結(jié)構(gòu)力學、材料學和構(gòu)造工程學等多學科交叉的復(fù)雜系統(tǒng)。建筑的一般建造流程包括從原材料生產(chǎn)加工到單元構(gòu)件制造，再到大規(guī)模的施工作業(yè)。在不連續(xù)的工序輪轉(zhuǎn)過程中，材料性能偏差、構(gòu)件加工公差和施工環(huán)境擾動等因素往往導(dǎo)致了建造誤差不斷積累，使得最終的實際建成效果和工藝精度偏離了設(shè)計預(yù)期（圖2）。同時，復(fù)雜建造場景下施工難度和成本攀升，也在一定程度上限制了設(shè)計意圖的表達和轉(zhuǎn)譯。因此，傳統(tǒng)“立模放樣”式的設(shè)計建造流程存在一定的局限性，較難滿足未來多元發(fā)展的需求。

圖2 建筑一般建造流程與誤差積累過程

自適應(yīng)的設(shè)計建造理念擺脫了靜態(tài)、預(yù)設(shè)的工廠模式，進而將建筑設(shè)計與智能化建造融為一體。其通過自主監(jiān)測建造過程、計算并執(zhí)行建造動作，在把控建造精度和應(yīng)對建筑現(xiàn)場環(huán)境、建筑材料行為相關(guān)的不確定性方面體現(xiàn)出明顯優(yōu)勢[16]。作為一種由外部刺激驅(qū)動的響應(yīng)機制，在監(jiān)控建造對象及其動態(tài)環(huán)境的過程中，通過不斷修改計算機控制器(Controller)的參數(shù)和系統(tǒng)模型，以達到應(yīng)對建造流程中所出現(xiàn)各類動態(tài)變化要素的目的[17]（圖3）。其中，參數(shù)調(diào)節(jié)(Parameter adjustment)作為自適應(yīng)控制系統(tǒng)的關(guān)鍵一環(huán)，依賴于建筑師對于傳感系統(tǒng)(Sensing)、判定機制(Identification)和反饋流程(Feedback)的設(shè)計[18]，并通過人機交互接口（Human-Machine Interaction）[19]有針對性地捕獲、控制影響建造的關(guān)鍵因子，進而生成連續(xù)的建造信息流，以實現(xiàn)對于控制器和被控系統(tǒng)(Controlled system)的修正。從表象上來看，建造過程可以由機器人獨立進行，建筑師的角色看似被弱化甚至替代了，實則被重新納入了生物、社會和計算相結(jié)合的自適應(yīng)生態(tài)(Adaptive ecology)中[20]。

圖3 自適應(yīng)控制系統(tǒng)方框圖

2 自適應(yīng)控制原理下的建造機器人應(yīng)用解析

2.1 建筑構(gòu)件制造環(huán)節(jié)的精度把控

對于自適應(yīng)原理在智能建造應(yīng)用潛力的探索，可追溯至密歇根大學建筑與城市規(guī)劃學院(the A.Alfred Taubman College of Architecture and Urban Planning,University of Michigan)自2009 年起進行面向設(shè)計者開放的制造研究中[21]。區(qū)別于成品化的工廠生產(chǎn)定制模式，該項目允許設(shè)計者借助機械臂在室溫下對鋼棒進行彎曲、切割、定位，最終焊接成為復(fù)雜形態(tài)的鋼構(gòu)工藝品。研究者針對鋼棒受力回彈等形變問題，通過引入計算機視覺系統(tǒng)(Computer vision system)作為傳感器(Sensor)，將加工后的構(gòu)件信息通過掃描反饋至計算機進行形態(tài)比對，使得冷彎鋼棒零件在“加工-掃描-校正-再加工……”重復(fù)循環(huán)的自動化工藝下，最終實現(xiàn)設(shè)計者的設(shè)計意圖（圖4）。

圖4 冷彎鋼棒構(gòu)件加工過程的自適應(yīng)控制信息鏈

整個自適應(yīng)過程可以解析為幾何分析(Geometry analysis)、精度控制(Accurate behaviour) 和形態(tài)塑造(Shaping behavior) 三部分。在三維建模軟件Rhino 中，設(shè)計者以python 編程語言完成算法模塊 “Super Matter Tools”的開發(fā)和程序設(shè)計，用于響應(yīng)來自激光掃描傳感器的數(shù)據(jù)信號。當構(gòu)件的形態(tài)、位置等要素的實際偏差(Deviation)大于設(shè)計者提前預(yù)設(shè)的理想公差(Tolerance)時，計算系統(tǒng)自動執(zhí)行數(shù)字模型更新和實物校正的指令，自主補償鋼棒受彎回彈和其他形變導(dǎo)致的造型加工誤差，直至成品精度達到設(shè)定范圍內(nèi)。

由此延伸到建筑尺度的構(gòu)件制造過程中，機械臂所攜帶的視覺傳感器實時掃描建筑物的實體特征(Fabrication survey)并反饋給計算機，用于比較建成物與數(shù)字模型的幾何匹配程度。作為建造中間過程的建造精度反饋(Accuracy feedback)環(huán)節(jié)，設(shè)計者在計算系統(tǒng)中預(yù)設(shè)算法，用于接收來自激光測距傳感器(Laser rangefinding sensor)等目前常用的視覺傳感設(shè)備所反饋的建成模型信息，進而計算并調(diào)整下一輪建構(gòu)周期中單元構(gòu)件的精確位置。這種根據(jù)實際情況動態(tài)感知、計算和修正的建造過程控制思路，目的在于確保誤差不會在持續(xù)進行的建造過程中積累，以及進一步實施誤差補償(Error compensation)的可能性。

如上實驗性探索研究中，自適應(yīng)機器人執(zhí)行程序(Robot execution program)代替人力建造動作，計算機視覺代替人眼直接觀測和定位，適應(yīng)性算法模塊(Adaptive program)代替人腦判斷和計算誤差修正……開拓性地為應(yīng)對建筑建造過程中的施工精度問題提供自動化修正策略，并且實現(xiàn)了建筑師直接參與自設(shè)計至建造的融貫過程。設(shè)計者的關(guān)注重心進而從生產(chǎn)行為轉(zhuǎn)移到了對于建造系統(tǒng)的整體把控上，通過“誤差預(yù)設(shè)-自主介入-實時修正”的模式，在數(shù)字化監(jiān)督和信息反饋的工作流程中發(fā)揮出人機互動的參與性作用。

2.2 現(xiàn)場施工環(huán)節(jié)的動態(tài)環(huán)境響應(yīng)

受制于地形、氣候等環(huán)境因子、機器人設(shè)備機動性能和施工空間條件，目前的智能建造大多采用建筑構(gòu)件異地預(yù)制的策略，即在機器人工廠中生產(chǎn)建筑構(gòu)件后運送至實地后搭建的預(yù)制模式(Off-site Prefabrication)。而自適應(yīng)控制下的建造機器人強化了對于反饋數(shù)據(jù)進行有針對性的選擇，從加工對象的關(guān)注衍生到了對作業(yè)環(huán)境信息的捕捉，使環(huán)境意識得以在建筑設(shè)計階段納入考量。瑞士蘇黎世聯(lián)邦理工大學數(shù)字化建造實驗室(Digital Fabrication Lab,ETH Zurich)自2005 年以來持續(xù)探索建造機器人直接應(yīng)用于工地取材并現(xiàn)場建造模式(Insitufabrication)，以回應(yīng)在地營建、本土用材和環(huán)境適應(yīng)（Environmental adaptation）等與建筑本體相關(guān)的議題。從實驗室中應(yīng)用于非標準磚墻的機械臂固定單軌線性軸線移動環(huán)境，到如今實現(xiàn)施工現(xiàn)場獨立建造的可移動模式[22]，機器人的靈活性、自主性和抗環(huán)境因子干擾能力不斷提升（圖5）。

圖5 蘇黎世聯(lián)邦理工大學關(guān)于現(xiàn)場建造機器人的實驗研究

由于固定位置或移動軌跡的建造機器人作業(yè)范圍有限，通常僅限于應(yīng)對小尺度構(gòu)件的建造。相比之下，移動機器人更能適應(yīng)不同場地特點、不斷變化的施工環(huán)境。為了滿足特定施工條件約束下達到毫米級的高精度建造場景的要求（例如非線性空間曲面的構(gòu)造節(jié)點），機器人需要具備自我定位、規(guī)劃和控制的能力[23]。ETH 團隊研發(fā)的第一代IF 機器人(In-situ Fabricator,IF)由ABB IRB 4600 機械臂、履帶式移動底盤和機載計算機組成，硬件內(nèi)嵌入傳感系統(tǒng)、操作控制系統(tǒng)和計算系統(tǒng)等和設(shè)計建造相關(guān)聯(lián)的核心模塊。高度集成化的機器人在施工場地中可以自主進行位置識別、動作執(zhí)行以及建造精度校準等任務(wù)[24]（圖6）。

圖6 IF 機器人的自主定位與建造精度反饋

以波形磚墻(Undulating brick wall)項目為例，工程要求在限高2.8m 的不平整建設(shè)場地限制下完成12m 的鋼筋網(wǎng)格智能建造。在建造開始前，IF 首先掃描獲取工作環(huán)境的三維點云數(shù)據(jù)(3D Point cloud)，用于判定機器人自身在工作環(huán)境中的真實位置和可施工條件（層高、移動范圍、障礙物等）。當其完成全局定位后，通過自適應(yīng)移動路徑規(guī)劃（Adaptive path planning）計算出當前施工環(huán)境限制下最少移動次數(shù)，以減少重復(fù)工序。伴隨著機器人的移動，其重新進行環(huán)境掃描并自主定位，確保計算系統(tǒng)能夠同步掌握機器人的位置信息(Robot localization)。這種以建造現(xiàn)場為坐標參考系的工作環(huán)境感知(Workplace Identification)，使得建筑師無需花費額外時間將真實場地具體情況轉(zhuǎn)換為數(shù)字場地模型，規(guī)避了傳統(tǒng)建造中施工現(xiàn)場的實際尺寸與建筑平面圖的理想尺寸存在偏差的情況。此外，在建造的過程中，原位機器人可以實時監(jiān)測場景信息，反饋給計算系統(tǒng)用于偏差比對和修正，進而得以實現(xiàn)應(yīng)對當前營建中存在的無法周全預(yù)測和精準模擬的環(huán)境變化、材料形變等難點。據(jù)該團隊近期建成的DFAB HOUSE 住房項目測算，曲面混凝土墻(圖7)的98%的單元構(gòu)件定位誤差控制在2cm精度范圍內(nèi)[25]。

圖7 DFAB HOUSE 住宅的Mesh Mould 墻（2019 年）

2.3 基于機器學習的建筑材料適應(yīng)與應(yīng)變預(yù)測

此外，智能化建造的前沿研究不止步于對于建筑形體的幾何精確度把控和復(fù)雜空間營建策略探索，而在建筑材料行為(Material behavior)預(yù)測和建造工藝模擬等方面進一步拓寬邊界。雖然包括鋼、磚、混凝土等常規(guī)建筑材料在內(nèi)的性能測試、力學分析等研究已有廣泛的數(shù)理公式和模型支撐，然而不足以應(yīng)對多元、動態(tài)變化的建造場景中材料未知的行為表現(xiàn)（如各向異性的復(fù)合材料、非均勻結(jié)構(gòu)的天然材料等）。2000 年，Dunston Phillip 等人以鋼筋為研究對象，首次提出圍繞材料行為預(yù)測的自適應(yīng)方案[26]。其突破經(jīng)典力學模型和數(shù)理計算，進一步引入機器學習(Machine Learning,ML)中的神經(jīng)網(wǎng)絡(luò)(Neural Networks,NNs)訓(xùn)練方法，賦予計算機在沒有明確編程情況下預(yù)測鋼筋受彎回彈行為的能力。

通過對于材料性能的準確掌控也反作用于優(yōu)化設(shè)計思路和創(chuàng)作概念。2017 年，在丹麥皇家建筑學院信息技術(shù)與建筑中心(CITA,KADK)主持的“A Bridge Too Far”項目中[27]，運用機器學習的方法在建筑構(gòu)件制造和設(shè)計之間建立一個反饋回路，采取的主要策略是通過收集材料加工過程中的數(shù)據(jù)并用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練，以預(yù)測薄金屬板構(gòu)件在機械力作用下漸進成形的場景[28]。前期的機器學習階段在50mm×50mm 金屬板上進行局部加工的方式，其中運動捕捉相機、力-扭矩傳感器、慣性測量儀等高度響應(yīng)的傳感設(shè)備記錄了金屬材料受力后的行為參數(shù)，3D 攝影測量儀記錄了成型后金屬構(gòu)件的長度、深度、寬度等幾何形狀參數(shù)特征。接著采用自組織映射(Self-Organizing Maps,SOMs)的方式，將輸入的高維數(shù)據(jù)轉(zhuǎn)換到低維空間，使得設(shè)計者可以在二維圖像（10dpi×10dpi）中探索參數(shù)組合的解決方案[29]。這種被編碼的二維高度場圖像作為一種可視化的加工模擬工具，輔助設(shè)計者預(yù)知并評估設(shè)計方案的幾何形狀特征與金屬板材料行為之間的關(guān)系，進而作為在設(shè)計初始階段的考慮依據(jù)之一。當神經(jīng)網(wǎng)絡(luò)模型生成的模擬結(jié)果用于設(shè)計優(yōu)化后，確保了金屬板的制造過程簡化且精度可控（圖8、9）。

圖8 針對金屬材料行為預(yù)測的機器學習流程

圖9 “A Bridge Too Far”項目（2017 年）

和基于“傳感-反饋-交互”系統(tǒng)的在線感知策略相比，機器學習的離線預(yù)測策略要求在動工之前建立預(yù)測模型，將自適應(yīng)控制轉(zhuǎn)移到以預(yù)測模擬代替建筑工程建造的實際情況，有效減少用于精度控制的時間成本和龐雜的偏差補償方法設(shè)定。同時，經(jīng)過訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)可以轉(zhuǎn)移、重復(fù)使用和擴展，使得制造過程中和材料、加工工藝相關(guān)的數(shù)據(jù)在創(chuàng)建、共享和改進中不斷優(yōu)化迭代。近期的研究進展還有建筑師Brugnaro Giuliodeng 于2020 年發(fā)表的膠合木減材制造(Subtractive fabrication)機器學習成果[30]、建筑師Mette Ramsgaard Thomsen團隊自2021 年以來對于生物基發(fā)光建筑材料的觀測[31]等。可以設(shè)想，當研究者們將數(shù)據(jù)集和訓(xùn)練模型積累到一定程度后，實現(xiàn)更大尺度和復(fù)雜規(guī)模的建筑設(shè)計優(yōu)化和建造模擬預(yù)測將成為可能。

3 思考與辨析：自適應(yīng)建造模式的局限性與應(yīng)用前景

以下從繁復(fù)性、連續(xù)性、安全性等角度探討自適應(yīng)控制下智能化建造模式中存在的局限性和潛在風險。

（1）繁復(fù)性。圖10 為已有相關(guān)研究比較了建造機器人在默認模式(Default mode)3）、自適應(yīng)模式(Adaptive mode)、實時模式(Real-time mode)4）和迭代模式(Iterative mode)5）等四種人機交互建造場景中的數(shù)據(jù)流強度。由于自適應(yīng)建造模式依賴于來自真實世界的數(shù)據(jù)持續(xù)反饋，進而驅(qū)動建造機器人的自主計算和決策，這導(dǎo)致建造過程中生成、傳輸和交換的數(shù)據(jù)量成倍增加[32]。考慮到大型數(shù)據(jù)集的計算時間、存儲空間和傳輸成本等問題，設(shè)計者往往需要在系統(tǒng)控制流程和預(yù)期目標的平衡下找到更加現(xiàn)實可行的方案。

圖10 不同機器人建造模式的數(shù)據(jù)流比較

（2）連續(xù)性。在一個完整閉環(huán)“設(shè)計-響應(yīng)-建造-感知”自適應(yīng)控制流程介入下，連續(xù)的建造過程往往被設(shè)計者劃分為若干循環(huán)執(zhí)行的動作周期。例如圖11 所示意的一個以單線程反饋(Single threaded feedback)的建造周期中[33]，當計算系統(tǒng)正在感知建筑構(gòu)件的幾何信息、機器人位置信息和三維工作環(huán)境時，機器人所執(zhí)行的建造動作被中止，直至重新接收計算機發(fā)出新的代碼命令。從時間維度考慮，多環(huán)節(jié)并行能縮短工期，相應(yīng)地對于機器人建造的實時性提出更高要求。

圖11 一個自適應(yīng)建造周期的流程圖

（3）安全性。雖然自適應(yīng)控制作為智能化建造基礎(chǔ)架構(gòu)的組織原理之一，在建筑領(lǐng)域已進行若干實踐驗證，但這并非表明其適用于所有類型的建造場景。因為在動態(tài)變化的建造場景中，控制系統(tǒng)自動生成的代碼若在未經(jīng)工作人員測試的情況下執(zhí)行，可能違反相關(guān)的安全協(xié)議。特別是在人機合作的工作模式下，建造工具的自主性可能帶來未知風險[34]。

自適應(yīng)建造的優(yōu)勢和局限性并存，應(yīng)當看到在多環(huán)節(jié)、多流程的建造系統(tǒng)中，局部環(huán)節(jié)中的技術(shù)選擇和策略設(shè)定對全局產(chǎn)生不同程度的影響。面對計算機科學和機器人領(lǐng)域的各類研究成果，如何將其有效轉(zhuǎn)化應(yīng)用于建筑領(lǐng)域，使其整合成為建筑師主導(dǎo)下的設(shè)計建造輔助工具，對建筑師的系統(tǒng)控制思維和全局意識提出進階要求。以傳感技術(shù)為例，當雙相機法、激光測距法和多維點云掃描法(Multi-dimensional point-cloud scanning)均已在智能建造過程中實現(xiàn)了計算機視覺的作用時，需要設(shè)計者在不同建造方案之間進行比對和篩選，找到全局最優(yōu)導(dǎo)向下的實施方案。在特定情況下，與其獲得詳盡的三維模型數(shù)據(jù)，不如采用一種更抽象、更有效的策略（如二維靜態(tài)圖片、距離參數(shù)等）來獲得必要反饋更高效。

結(jié)語

如果把建筑比作具有適應(yīng)和進化潛力的有機體，其應(yīng)具備自我感知(Self-awareness)、自我構(gòu)建(Selfstructure)和自我組合(Self-assembly)的能力[35]。自適應(yīng)策略在傳統(tǒng)設(shè)計建造邏輯之外，重新思考和設(shè)定建筑設(shè)計和制造過程之間的順序和流程[36]，通過引入感知、反饋、計算和學習等環(huán)節(jié)，不僅提供了實現(xiàn)建筑尺度精確建造的一種可行策略，同時使建筑師重新回歸到雙向、對話的建造關(guān)系中。在集成建造場景信息、數(shù)字模型信息和建筑實體信息的系統(tǒng)工程中，通過理解其深層次工作原理和運行機制，進而使之有效轉(zhuǎn)化為輔助建筑設(shè)計、預(yù)判建構(gòu)場景、主導(dǎo)建造環(huán)節(jié)的高效工具。

在建筑學與計算機科學交叉領(lǐng)域，數(shù)字技術(shù)觸發(fā)了對于建筑思維、設(shè)計和建造方式的深刻改變?？鐚W科專業(yè)知識融合的發(fā)展前景下，建構(gòu)研究的復(fù)雜性和難度不斷增加。已有創(chuàng)造性實踐折射出建筑師們對于設(shè)計建造的把控能力不斷提升，展現(xiàn)了面向未來建筑設(shè)計建造新圖景。

圖、表來源

圖1：作者基于參考文獻[2]、[3]的信息進行整理繪制；

圖2：作者繪制；

圖3：作者基于參考文獻[8]的信息進行整理繪制；

圖4：作者基于參考文獻[21]的信息進行整理繪制；

圖5：作者基于參考文獻[22-24]的信息進行整理繪制；

圖6：作者基于參考文獻[25]的信息進行整理繪制；

圖7：ETH Zurich 官網(wǎng)，https://ethz.ch/de/news-undveranstaltungen/eth-news/news/2019/02/mm-eroeffnungdfab-house.html；

圖8：作者基于參考文獻[27，28]的信息進行整理繪制；

圖9：參考文獻[28]；

圖10：作者基于參考文獻[32]的信息進行整理繪制；

圖11：作者基于參考文獻[33]的信息進行整理繪制。

注釋

1）詳見2020年7月28日住建部等13部門聯(lián)合印發(fā)的《關(guān)于推動智能建造與建筑工業(yè)化協(xié)同發(fā)展的指導(dǎo)意見》https://www.mohurd.gov.cn/gongkai/fdzdgknr/tzgg/202007/20200728_246537.html，以及住建部辦公廳于2021 年2 月19 日《關(guān)于同意開展智能建造試點的函》https://www.mohurd.gov.cn/gongkai/fdzdgknr/tzgg/202102/20210209_249117.html.

2）“黑箱”作為一種隱喻，借指外界無法了解內(nèi)部狀態(tài)和運行邏輯的系統(tǒng)。

3）默認模式指機器人執(zhí)行建造指令的基本模式；當指令發(fā)生改變后，機器人停止執(zhí)行本次指令，即時執(zhí)行新指令。

4）實時模式指機器人收到新指令后仍會執(zhí)行一段時間緩沖區(qū)內(nèi)原指令預(yù)設(shè)動作，再執(zhí)行新指令。

5）迭代模式指機器人在執(zhí)行指令的過程中根據(jù)外部信號自主調(diào)整數(shù)據(jù)，直到本次指令結(jié)束。