43、基于人工智能的建筑自主设计与桁架机器人操控系统探索

基于人工智能的建筑自主设计与桁架机器人操控系统探索

在建筑设计与施工领域，人工智能和机器人技术正发挥着越来越重要的作用。本文将探讨基于深度强化学习（DRL）算法的建筑自主设计框架，以及用于桁架结构操控的相对机器人“HookBot”的设计与原型。

建筑自主设计框架

为了实现建筑的自主设计与施工，研究人员提出了一个结合DRL算法、游戏引擎模拟环境、现代传感技术和建筑机器人的新框架。该框架明确了人工智能与人类在建筑、工程和施工（AEC）行业中的关系，人类团队作为智能体的监督者，引导其探索新的解决方案。

训练挑战与应对策略

在训练智能体的过程中，研究人员面临着诸多挑战，如项目复杂性高和难以收敛到最优解等问题。为了解决这些问题，他们采取了以下策略：
1. 阶段划分 ：将整个设计和建造过程划分为不同的阶段，在训练时将砖块放置过程分层为三个阶段。
2. 离散动作向量 ：用离散动作向量取代连续动作向量，因为在大多数情况下，智能体使用连续动作向量难以收敛到最优解。例如，在最复杂的穹顶创建阶段，使用离散动作向量约5000万步训练即可达到满意的熟练程度，而使用连续动作则消耗相同步数也无法正确堆叠六层砖块。
3. 课程学习 ：在每个阶段引入课程学习，将复杂任务分解为从简单到困难的子任务，模拟人类的学习方式。
4. 不同奖励环境训练 ：在稀疏和丰富奖励环境中对智能体进行训练。在稀疏奖励环境中，智能体若能正确放置所有必要砖块并达到该阶段的最终高度可获得 +1 分，否则得 -1 分。这种环境促使智