萨明达·瓦图赫瓦，朴茨茅斯大学网络安全高级讲师及课程负责人
建筑工地是最难依赖GPS的场所之一。混凝土楼板层层叠加，钢架结构使信号四散，地下室更是将信号完全屏蔽。
然而，自主机器人正被日益广泛地应用于这类环境，它们需要在移动的施工人员之间精准作业，且无法借助卫星定位来确认自身位置。
填补这一空白的技术，正是"即时定位与地图构建"（SLAM）。与依赖预加载地图或外部定位信号不同，配备SLAM系统的机器人会借助摄像头或激光雷达（LiDAR）实时构建地图，通常还会结合惯性测量装置，以提升读数间隔期间的稳定性。
惯性传感器本身无法感知周围环境，因此它起到的是辅助建图的作用，而非独立完成建图。本文重点介绍激光雷达，因为下文所述的实际部署案例正是采用了这一传感器。
"我在哪里"和"这个空间长什么样"这两个问题，是同步求解的，而非互相依赖、先后作答。
这种协同求解的方式，在建筑工地上比机器人目前运作的大多数其他场所更为关键。仓储机器人通常工作在班次间变化不大的空间里。
而建筑工地的设计逻辑恰恰相反：物料不断进场、转移；平面图在施工途中随时修改；脚手架搭了又拆。周一准确的地图，到了周三可能就已过时。因此，地图本身必须是动态更新的，而非一次性测绘的产物。
有必要对动态地图究竟能带来什么明确说明，因为这一点很容易被夸大。SLAM的职责是定位与建图：确定机器人所在位置，并呈现当前空间的样貌。
它本身并不负责让机械臂以高精度放置砖块——那种精度来自机械臂自身的控制系统与近距离传感，属于另一套独立的工程系统。SLAM改变的，是那条机械臂的瞄准目标。
基于实时修正地图工作的自主小车或机械臂，瞄准的是工地今天的实际状态，而非可能早已被移动的托盘或修改的墙体线所"抛弃"的静态图纸。
目标锁定有误，再精密的放置机构也无济于事。同样需要明确的是：单纯的SLAM更新的是几何信息，而非语义理解。纯几何SLAM系统对于一根梁"放错了地方"毫无概念，它只知道空间和上次扫描相比发生了变化。
语义SLAM是一个相关研究方向，它为地图中的特征赋予语义标签，而非仅提供原始位置信息，从而缩小上述差距。这是一个活跃的研究领域，2026年还专门发布了一篇针对建筑领域SLAM技术的系统性综述。
要将一个变化识别为有意义的错误而非单纯的差异，通常仍需将地图与设计意图（一般为建筑信息模型BIM）进行比对，并借助规划逻辑来决定如何处理不匹配之处。这一比对与决策层是叠加在SLAM之上的，并非SLAM内部功能。
建筑工地SLAM本身就是应用机器人领域一个活跃的研究方向，原因正在于SLAM背后的标准假设——场景基本静止、结构在建图期间不变，以及视觉SLAM所需的稳定光照——在真实工地上往往难以成立。
例如，2023年普渡大学的一篇学位论文专门研究如何将视觉SLAM适配于建筑工地的动态特征与变化结构，而非简单将施工场所视为另一个待一次性建图的室内空间。
相关技术也已走出实验室，进入实地测试阶段。牛津机器人研究所的AutoInspect项目采用基于图结构的激光雷达SLAM，使移动式和足式机器人能够自主建图并完成巡检。2022年秋，该项目在科斯坦承建的盖特威克车站施工现场完成部署，在四小时内完成了现场建图与自主巡检。
弗吉尼亚理工大学的另一项目则将波士顿动力公司的Spot机器人应用于建筑工地，但定位有所不同——它是一个由人远程操控的进度监控平台：操作员进行远程驾驶，机器人实时传输360度全景视频，并通过增强现实图层将摄像头所见与规划中的建筑信息模型进行比对。
这并非SLAM部署，但提供了有益的参照：它表明上文所述的设计模型比对在实践中已经可行，只不过由人负责导航，而非机器人自主完成。
当前推广应用这一技术的理由，主要沿三条逻辑线展开。但需要说明的是，超出盖特威克案例所直接证明的范围——即四小时内完成自主建图与巡检这一单一事实——其余内容更应视为论点而非定论，因为行业层面的大规模数据尚未公开。
安全性是最直观的理由：AutoInspect在盖特威克执行的自主测量与巡检工作，可以减少人员在部分建成、结构尚不确定的空间内的停留时间，尤其是在GPS完全失效的地下区域，以及存在独立坠落与结构风险的高空作业场景。
生产效率是第二个较为隐性的论点：预期的效益并非机器人在某项具体任务上超越人类，而是机器人可能实现跨班次持续作业，无需像人工班组那样在每次施工现场变化后反复重建参考基准。盖特威克的四小时成果表明这一循环是可以实现的，但这仅是单次验证，并不能说明跨班次的持续效益，后者需要长期重复使用数据加以支撑，而目前此类数据尚未公开。
第三是减少错误：理论上，依据实时修正地图进行材料安置，应能减少因图纸滞后于现场进度而导致的返工情况。但这更像是对SLAM功能的合理延伸推断，并非上述任何一个实际部署项目实际测量过的结果。在工地层面的数据得出结论之前，谨慎的读者应将其视为待验证的假设。
这并不意味着该技术可以直接取代现有的建筑施工方式，诚实的评估应当如实说明这一点。激光雷达在建筑工地面临的并非单一问题，而是两个相互独立的挑战。
空气中的粉尘会散射和吸收激光雷达依赖的激光脉冲——这在野外机器人领域是一种有据可查的故障模式，会在脉冲到达被测表面之前就降低回波信号质量。
固体碎屑则是另一个问题：坚硬物料遮挡视线，导致后方区域无法被感知，而非干扰信号本身。两种情况在活跃工地上都十分常见，任何一种都可能导致地图不完整或不可靠。
部署成本以及与现有工地管理软件的集成，也可能持续成为尚未开展机器人项目的承包商面临的实际障碍。
此外，实时更新的地图，价值最终取决于基于它所作出的决策。这意味着解析地图的软件层——而非仅仅是采集数据的传感器——才是大量工程工作尚待完成的地方。
未来几年值得关注的，不再是SLAM机器人能否在真实建筑工地上运作——盖特威克已给出答案。更有意义的问题是，工作流程中哪些环节将率先采用这项技术。
牛津大学的自主巡检与弗吉尼亚理工大学的远程操控进度监控，是两种相互关联却本质不同的工作流程，值得分别追踪，而非简单地认为其中一种只是另一种的早期替代形式。
工地测量与进度监控是最容易切入的应用场景。机器人的实时导航地图并不自动等同于测量级精度；正式测量有其自身的精度与完整性要求，导航地图本身并非为此而设计。但底层建图过程已经捕捉了测量所需的大部分位置与几何数据，这缩短了向该应用场景延伸所需的路径，即便仍有差距有待弥合。
材料安置与重复性装配任务是难度更大、价值更高的目标，也是研究演示与可靠工地设备之间鸿沟真正有望弥合之处。
对于一个几十年来核心工法变化迟缓的行业而言，一台能真正随着工地变化而"读懂"工地的机器人——而非需要工地保持静止才能运作的机器人——代表着一类本质上截然不同的工具。
作者简介：萨明达·瓦图赫瓦是朴茨茅斯大学网络安全高级讲师及课程负责人，研究与教学兴趣涵盖机器人技术。
Q&A
Q1：SLAM技术是什么？它在建筑工地上怎么工作？
A：SLAM即"即时定位与地图构建"，是一种让机器人无需外部GPS就能自主导航的技术。配备SLAM的机器人通过激光雷达或摄像头实时采集环境数据，同步构建周围空间的地图，并确定自身在地图中的位置。在建筑工地上，由于楼板、钢架和地下空间会屏蔽GPS信号，SLAM成为机器人精准作业的关键支撑技术。
Q2：AutoInspect项目在盖特威克车站的部署结果如何？
A：2022年秋，牛津机器人研究所的AutoInspect项目在科斯坦承建的盖特威克车站施工现场完成了实地部署。该项目使用基于图结构的激光雷达SLAM技术，使机器人在四小时内完成了现场建图与自主巡检全流程。这一结果证明了自主建图与巡检循环在真实建筑工地上的可行性，但该项目尚未公布跨班次持续使用的长期效益数据。
Q3：激光雷达在建筑工地上有哪些局限性？
A：激光雷达在建筑工地面临两个独立挑战：一是空气中的粉尘会散射和吸收激光脉冲，在信号到达被测表面前就降低回波质量；二是固体碎屑遮挡视线，导致部分区域无法被感知。此外，部署成本较高、与现有工地管理软件集成困难，也是制约承包商采用这一技术的现实障碍。
