用于工业化建设的神经符号机器人技术:人机协作与可解释自动化综述

《ADVANCED ENGINEERING INFORMATICS》:Neurosymbolic robotics for industrialized construction: A review of human–robot collaboration and explainable automation

【字体: 大 中 小 】 时间:2026年07月18日 来源:ADVANCED ENGINEERING INFORMATICS 11.5

编辑推荐:

  •三层架构融合了神经符号人工智能、人机协作以及生产智能技术。•建筑领域的人机协作仍以流程化为主,推理整合能力有限。•混合神经符号架构实现了可解释的协作机制。•制造系统展现出可迁移的语义化生产能力。•以架构为首要视角的综述将协作重新定义为认知治理方式。 引言 工业化建筑正在通过提

  •三层架构融合了神经符号人工智能、人机协作以及生产智能技术。•建筑领域的人机协作仍以流程化为主,推理整合能力有限。•混合神经符号架构实现了可解释的协作机制。•制造系统展现出可迁移的语义化生产能力。•以架构为首要视角的综述将协作重新定义为认知治理方式。

引言
工业化建筑正在通过提升预制化水平、模块化设计以及数字化生产系统,改变建筑物与基础设施的设计、制造与组装方式[1]、[2]、[3]。与传统基于项目的施工方式不同,工业化工作流程越来越类似于制造业环境,其特点在于标准化组件、机器人装配以及高度整合的数字信息流[4]、[5]、[6]。机器人技术、传感技术以及人工智能领域的进步加速了这一变革,使得工厂和施工现场都能实现自动化制造、检测与物流操作[7]。尽管取得了这些进展,当前的建筑机器人技术仍受到与设计知识整合不足[8]、[9]、推理透明度有限[10]、[11]、[12],以及在复杂生产环境中缺乏对人类与机器人协作决策的有效支持[13]、[14]等问题的制约。

在建筑机器人领域,传统的人工智能方法主要依赖于以数据驱动的机器学习模型,这类模型侧重于感知功能与任务优化[15]、[16]。虽然这些方法提升了物体识别[17]、[18]、[19]、[20]、导航[21]、[22]、[23]、[24]以及生产力分析[25]、[26]、[27]的能力,但它们往往作为不透明的黑箱系统运行,无法对建筑流程、安全约束或建筑逻辑进行清晰推理[28]。而工业化建筑环境则属于知识密集型且监管严格的领域,需要能够解读建筑规范、处理任务依赖关系以及理解人类工作流程的系统[29]、[30]、[31]、[32]。因此,缺乏可解释的推理机制不仅限制了技术层面的扩展性,还影响了责任界定、系统适应性以及从业人员的信任度,尤其是在人类与机器人需在动态且要求极高的安全环境下协同作业的场景中。神经符号人工智能通过结合数据驱动的学习与符号推理,为解决这些问题提供了有前景的思路[33]、[34]、[35]。混合架构将神经网络感知模型与规则、本体以及领域特定语言等知识表示形式相结合[33]、[34]、[36],从而使系统能够在保持对现实世界变化适应性的同时,对任务进行合理推理。在涉及安全的关键领域及制造业中,神经符号方法已展现出更强的可解释性、稳定性以及对操作约束的遵循能力[37]、[38]、[39]、[40]。在建筑领域,越来越多的研究表明,借助来自建筑信息模型、数字孪生以及工作流程本体的符号化知识,机器人系统能够比纯统计方法更有效地理解设计意图、执行安全策略以及为人类监督提供支持[41]、[42]、[43]、[44]。

与此同时,人们对人机协作的重视日益增加,这反映出行业正从完全自动化的模式转向由人类与机器人共同分担任务与决策权的混合式社会技术系统[45]、[46]。工业化建筑工作流程中越来越多地出现协作机器人,它们被用于协助装配[5]、[47]、[48]、[49]、物料搬运[48]、[50]、[51]、检测以及布局工作[53]。有效的协作需要透明的沟通、可解释的推理机制,以及让工人能够引导、监控并干预机器人操作的手段[54]、[55]、[56]、[57]。这些需求与神经符号人工智能的能力高度契合,后者能够支持可解释的任务规划、自然语言交互以及基于规则的安全推理[58]、[59]。然而,尽管在概念上存在契合点,但关于神经符号人工智能、机器人技术以及建筑领域人机协作之间关系的研究仍然分散在各个学科领域之间,很少有人从统一的架构视角进行综合分析。

现有的建筑机器人相关综述大多侧重于自动化技术、生产力提升或传感技术方面的进展[50]、[60]、[61]、[62]、[63]、[64]、[65],对于以推理为核心的人工智能架构关注较少。相反,关于神经符号人工智能的综述则多聚焦于一般的机器人技术或人工智能领域[66]、[67]、[68]、[69]、[70]、[71]、[72],并未涉及工业化建筑所面临的社会技术约束,如劳动力状况、合规要求以及基于建筑信息模型的知识整合问题。同样,建筑领域的人机协作研究也多集中于交互设计或安全考量方面[73]、[74]、[75]、[76]、[77],未能探讨混合人工智能架构如何影响协作决策过程。因此,目前尚未有综述能够全面整合神经符号人工智能、机器人架构以及工业化建筑中的协作治理机制。随着建筑行业向以工厂为基础、依托平台技术的生产系统转型,制造业与现场组装之间的界限愈发模糊,这一空白显得尤为重要。工业化建筑需要能够适应不断变化的设计方案、与人类专家协同工作,并在复杂的社会技术环境中正常运行的机器人系统。神经符号人工智能通过让机器人能够在统一的架构框架内整合感知、推理功能以及人类指导,为构建此类系统提供了可能。不过,仍有三个问题尚未得到充分研究:这类架构是如何设计的?当前的协作是如何被管理的?来自其他领域的哪些以推理为核心的功能可以真正应用于建筑领域?这三个问题虽相互独立却又相互关联,共同构成了本研究的问题框架与分析体系。

本研究旨在开展一项跨学科的综述,整合神经符号人工智能、机器人技术以及人机协作在工业化建筑系统中的应用相关研究。采用综述方法进行研究十分合适,因为相关文献涵盖了机器人技术、人工智能、制造业以及建筑工程等多个学科,且在概念与方法层面存在较大差异。综述尤其适合用于梳理新兴研究趋势,并整合来自不同研究领域的架构与社会技术概念。本研究采取社会技术视角,认为在数字化驱动的生产环境中,技术架构、人类工作流程以及组织实践是共同演进的[78]、[79]。通过整合建筑领域、制造业机器人技术以及涉及安全的关键人工智能领域的研究成果,本研究明确了当前的技术能力,指出了研究缺口,并提出了工业化建筑中实现可解释且高效协作自动化的未来研究方向。基于这一目标,本研究提出了以下研究问题:

•RQ1——架构层面:神经符号人工智能架构是如何融入机器人感知、推理与规划流程的?对于模块化装配、机器人布局、预制加工、检测以及物料搬运等工业化建筑任务而言,哪些架构功能最为重要?
•RQ2——应用与治理层面:在工业化建筑的人机协作系统中,决策权、交互方式以及可解释性机制是如何构建的?目前的应用在多大程度上运用了以推理为核心的人工智能技术,来协助完成装配、机器人制造、检测、布局以及物流协调等任务?
•RQ3——可迁移性层面:在制造业机器人技术以及网络物理系统中所展现的那些以推理为核心的功能,有哪些可以迁移到工业化建筑领域?又有哪些技术或社会技术障碍制约了它们的应用?

这三个问题构成了一项三层结构的分析研究:RQ1针对架构层面,RQ2针对工业化建筑的应用与治理层面,RQ3则聚焦于跨领域的功能可迁移性。第3.2节将进一步详细阐述这种结构安排。该结构的分析价值在于,它能够对比以推理为核心的机器人架构在技术上具备的功能、当前建筑领域人机协作系统的管理方式,以及来自制造业和网络物理系统的哪些成熟功能可以被适配到建筑领域。通过这样的对比,本研究能够发现架构推广中的差距、治理机制上的不匹配,以及不同场景下的功能迁移路径——而这些是如果分别研究神经符号机器人技术、建筑领域人机协作以及制造业网络物理系统时难以发现的。本研究的贡献主要有三点:首先,它从架构角度总结了与工业化建筑相关的神经符号机器人系统,阐明了符号推理与混合规划如何重塑协作自动化;其次,它通过分析可解释性如何影响安全要求较高的生产环境中的员工互动、监督控制以及他们对系统的信任度,深化了人们对人机协作治理机制的理解;最后,它提出了未来的研究方向,指出了具有可迁移价值的创新成果以及亟待解决的社会技术难题,为工业化建筑中基于推理的机器人技术以及以员工为中心的网络基础设施的发展奠定了基础。本文的其余部分结构如下:第2节介绍相关概念基础;第3节详述综述的研究方法;第4节呈现三层架构分析结果以及跨层关联分析结果;第5节讨论研究结论;第6节总结主要研究发现、研究局限以及未来的研究方向。

片段摘录
工业化建筑作为一种知识密集型的社会技术生产系统
工业化建筑代表了从传统的基于项目的施工模式向以制造业为借鉴的生产模式的根本转变,其特点在于预制化、模块化设计以及数字化协调的装配流程[80]、[81]。与传统建筑中工序多为顺序进行且依赖于施工现场不同,工业化建筑依赖于标准化组件、受控的制造环境,以及贯穿设计、生产全流程的集成化信息流。

研究设计与综述框架
本研究采用综述方法,旨在整合神经符号人工智能、协作机器人技术以及工业化建筑系统交叉领域的最新研究成果。此次综述的目的并非仅仅列举各类技术应用,而是深入探讨以推理为核心的人工智能架构如何改变那些存在安全约束、决策权分散且需要人类监督的社会技术生产环境中的协作模式。

研究结果
本节通过从描述性内容分析逐步过渡到关联分析,呈现综述的研究结果。第4.1节概述了现有研究的基础情况。第4.2至4.4节分别介绍了架构整合、建筑领域人机协作治理以及跨领域功能可迁移性方面的研究发现。第4.5节则对这些不同层面之间的关系进行分析,从而找出架构推广中的差距、治理机制上的不匹配,以及不同场景下的功能迁移路径。

讨论
三组研究结果表明,当前的核心问题并非缺乏以推理为核心的机器人技术研究,而是这类架构在工业化建筑的人机协作领域中的应用仍然十分有限。RQ1表明,神经符号机器人技术研究已经发展出越来越复杂的架构,能够实现感知、符号推理、任务规划以及可解释性功能之间的有机结合。而RQ2则显示,工业化建筑领域的人机协作系统尚未深度吸收这些技术能力。

结论
本研究通过综述方法整合了跨学科的研究成果,分析了神经符号人工智能与协作机器人技术如何在工业化建筑系统中相互结合。该分析将协作视为一种架构属性,它源于机器人系统中感知、推理、规划以及治理各层面之间的有机组合。通过整合三类互补的研究资料——神经符号架构整合情况、治理机制以及……

CRediT作者贡献说明
Abiola Akanmu:写作——综述与编辑、写作——初稿撰写、可视化处理、研究监督、方法设计、研究实施、数据整理、概念构建。Yewande Abraham:写作——初稿撰写、研究监督、方法设计、研究实施、形式化分析。

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

Abiola Akanmu | Yewande Abraham
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号