🤖 Рой роботов в строительстве: проект SWIFT‑BUILD от Foster + Partners

Архитектурное бюро Foster + Partners получило грант в размере 5,4 млн долларов на реализацию проекта SWIFT‑BUILD. В рамках трёхлетней программы бюро разрабатывает концепцию автономного строительства с применением роботизированных систем и беспилотных аппаратов.

🔴Ключевой элемент технологии — интеграция роев роботов и дронов для возведения зданий из модульных деревянных конструкций при минимальном задействовании персонала на строительной площадке.

🔴Особенность предлагаемого метода — альтернативная схема сборки: этажи формируются на уровне земли, после чего поднимаются на проектную высоту. Такой подход оптимизирует использование пространства строительной площадки и позволяет параллельно вести подготовку последующих уровней.

🔴Роботизированные комплексы будут функционировать в синхронизированном режиме, обеспечивая согласованность операций. Дроны предназначены для мониторинга строительства в реальном времени: они фиксируют отклонения от проектных параметров и обеспечивают оперативный контроль качества выполняемых работ.

Итогом проекта станет возведение полномасштабного деревянного павильона с возможностью последующего демонтажа и повторного применения конструкций — решение, соответствующее принципам циркулярной экономики.


#бпла #роботы  #ИНП_международка
#ИИ #роботы_ИНП #TechNews  #ИНП

📲MАХимально на связи🔴
🤖 подписывайтесь:
@NextGenInfrastructure

🤖 «Руки» больше не нужны? Робот берёт на себя вязку арматуры — как меняется стройка

На видео — не футуристичный концепт, а реальный помощник на стройплощадке: робот для вязки арматурных сеток.

🔴Что умеет этот робот:
- автоматически находит пересечения арматурных стержней;
- вяжет узлы с заданной силой и шагом — без усталости и «человеческого фактора»;
- работает в темпе, который человеку не повторить: отдельные модели справляются с одним узлом за 5–6 секунд .

🔴Почему это важно для отрасли:
- Скорость. Бригада из 6–8 арматурщиков за час связывает примерно 1100 пересечений. Один автономный робот может держать сопоставимый или даже более высокий темп — и работать круглосуточно .
- Безопасность. Вязка арматуры — это долгие смены в неудобной позе, риск травм от проволоки и острых краёв. Робот снимает эту нагрузку.
- Точность. Машина не «пропускает» узлы и не ослабляет натяжение от усталости — арматурный каркас получается более предсказуемым по качеству.

При этом речь не о полной замене людей, а о перераспределении ролей. Арматурщики становятся операторами и наладчиками: контролируют работу робота, проверяют геометрию каркаса, решают нестандартные задачи там, где машина бессильна.

🔴Такие роботы — часть большой трансформации стройки: от ручного труда к управлению автоматизированными системами. И чем сложнее и масштабнее проекты, тем выше ценность такой автоматизации.

#роботы #роботы_ИНП #TechNews  #ИНП

📲MАХимально на связи🔴
🤖 подписывайтесь:
@NextGenInfrastructure

🤖Цифровой двойник на страже: как контролируют уникальный плавучий мост

Плавучий железнодорожный мост Homer M. Hadley в штате Вашингтон теперь под постоянным надзором — у него появился цифровой двойник.

Система в реальном времени отслеживает десятки ключевых параметров: натяжение анкерных тросов, положение понтонов, глубину воды и погодные условия. Такой мониторинг помогает обеспечивать безопасность движения и вовремя замечать любые отклонения в состоянии конструкции.

🔴Homer M. Hadley — единственный в мире плавучий мост, по которому регулярно ходят пассажирские поезда. Его история началась в 1940 году — тогда это была автомобильная переправа на бетонных понтонах. Позже мост трансформировали в железнодорожный: десять крупных понтонов объединили в единую жёсткую платформу, а конструкцию усилили тысячами резиновых опор и демпфирующими элементами. Это нужно, чтобы гасить вибрации и компенсировать постоянные колебания моста на воде.

Сегодня мост выдерживает составы массой до 300 тонн и ежедневно перевозит до 50 тысяч пассажиров, соединяя Сиэтл и Белвью. А цифровой двойник помогает держать под контролем сложную инженерную систему с её 9 тысячами бетонных опор.

#TechNews  #ИНП

📲MАХимально на связи🔴
🤖 подписывайтесь:
@NextGenInfrastructure


🤖 В свежем номере «Информационного моделирования» — материал, который стоит потратить 10 минут.

Поспелов (KNODL) разбирает ИИ в строительстве без обычного хайпа. Тезис: технологии уже меняют отрасль, но цена ошибки — не сгоревший бюджет, а безопасность людей.

🔴Что уже работает:
— ML-алгоритмы (ALICE Technologies) — прогнозируют риски и сжимают графики за счёт перебора миллионов сценариев.
— Генеративный дизайн — Autodesk и TestFit выдают сотни планировок под заданные ограничения за часы, а не недели.
— LLM + Text2BIM — из текстового описания собирается информационная модель. В теории. На практике — всё сложнее.

🔴Главная проблема — галлюцинации.
ИИ не отличает факт от правдоподобной выдумки.
Пример из статьи: ChatGPT сгенерировал описание материала «Wood that Breathes Color», сославшись на ETH Zurich. Материала не существует. В BIM-экспериментах LLM-агенты ошибались в координатах — стены пересекались, окна уезжали.

🔴Решение — не запрет, а система фильтров:
— Human-in-the-loop — ни одно решение не проходит без инженера.
— Внутренние регламенты — что можно доверять ИИ, а что нет.
— Контроль входных данных — мусор на входе даёт мусор на выходе.
— Гибридные архитектуры — RAG (ответы только по проверенной базе), графы знаний (логические связи между объектами), нейросимволический ИИ (нейросети + правила).

🔴Суть: ИИ становится полезным, когда его рассматривают не как замену эксперту, а как инструмент, который требует верификации. Без этого — дорого и опасно.

Статья — без воды, с конкретными кейсами и ссылками на исследования.

#ИИ #ИИ_ИНП #TechNews  #ИНП

📲MАХимально на связи🔴
🤖 подписывайтесь:
@NextGenInfrastructure

📌Level Group и KTS запустили ИИ‑помощника для поиска по внутренним документам

Инструмент построен на гибридном поиске — он совмещает векторный и графовый подходы. 

Векторный поиск работает, когда нужен конкретный документ: например, правила оформления командировки. Графовый связывает разные документы в дерево знаний — это помогает отвечать на сложные вопросы, для которых данные надо собрать из нескольких разделов базы. 

🔴Точность системы — выше 90 %. 

💭 Всеволод Нечитайленко, директор по цифровым технологиям и операционной эффективности Level Group, подчёркивает: «RAG сегодня остаётся одним из самых результативных сценариев применения ИИ в корпоративной среде. Для нас это начало пути. Следующий этап гораздо интереснее: модели будут учитывать внутренний контекст, корпоративные правила и накопленную экспертизу компании, чтобы помогать сотрудникам решать конкретные рабочие задачи». 

#StroyOS_LevelGroup

📲MАХимально на связи🔴
🟦Подписаться на канал:
Stroy.OS |

🤖 ИИ в строительстве: не промты, а архитектура.

Игорь Рогачёв в серии постов «СтроИИка» предложил не очередную подборку промтов, а системный взгляд на внедрение ИИ в корпоративную среду. С позиции управленца, а не инженера-энтузиаста.

🔴Волшебного промта не существует
Качество работы LLM определяется не формулировкой запроса, а подготовкой данных и архитектурой. Хорошие промты из открытых каналов решают задачу локально, но немасштабируемы. Ими воспользуются единицы. Остальные сотрудники не станут осваивать промт-инжиниринг — их нужно натаскивать, и без личной мотивации результат непредсказуем.

🔴От проблемы сотрудника к проблеме компании
Локальная неэффективность отдельного участка не всегда требует оптимизации — руководитель видит картину целиком и знает, где потери действительно критичны. Внедрение ИИ начинается не с «давайте автоматизируем», а с комплексного обследования, выявляющего реальные узкие места.

🔴Архитектура системного ИИ: 5 слоёв
На примере проверки ПД по ПП87 Рогачёв показывает, как выстроить решение, дающее предсказуемый результат независимо от того, кто нажал кнопку.

Слой 1. ИИ-утилита вместо прямого общения с LLM
Проверенные промты прячутся в сервис с интерфейсом: загрузил ПД, выбрал тип объекта — получил структурированный ответ с доказательством. Инженер не думает о моделях и промтах. Качество пока приемлемое — пользователи загружают что попало, эксперты нужны постоянно для непрерывного тестирования.

Сквозной слой. Безопасность
С первого обращения к внешней LLM. Система, а не пользователь, решает, что отправлять: классифицирует, маскирует чувствительные данные. Никакие инструкции не гарантируют, что сотрудник не ошибётся — задача технически не дать ему такой возможности.

Слой 2. Нормализация входящих данных
ПД — сложный источник: рамки, штампы, таблицы, схемы, сканы. Нужен пайплайн, который понимает структуру, выделяет текст, таблицы, изображения, сохраняет метаданные — номера листов, таблиц, координаты. Не просто PDF → Markdown, а нормализованное представление, позволяющее указать инженеру точное место проблемы.

Слой 3. Формализация проверки
ПП87 — набор требований с разной применимостью. Норматив превращается в машинно-читаемую структуру: условия, что искать, где, критерий, источник. LLM получает сотню конкретных задач вместо абстрактной «Проверь документацию». Всё, что проверяется кодом, модели не отдаётся. Переход от утилиты к корпоративному сервису.

Слой 4. ПД как база знаний
Вместо того чтобы каждый раз скармливать модельке всю документацию, строится индексируемая база с гибридным поиском: по смыслу, по точному совпадению, по структуре, по типу сущности. Только после этого контекст передаётся LLM. Каждый вывод — с привязкой к первоисточнику. Ядро пригодно для нормоконтроля, сравнения версий, проверки ТЗ, извлечения ВОР. Один раз решается проблема подготовки ПД — инфраструктура для множества сценариев.

Слой 5. Онтология и граф
R&D-уровень. Документация становится моделью проекта. Насос — не текст, а объект с параметрами и связями с трубопроводами, электрикой, автоматикой, расчётами. Онтологическая модель и граф конкретного проекта. Система отвечает не «Где это?», а «Что будет, если заменить насос?» — проверяя цепочку зависимостей на основе реальных связей, а не генерации LLM. ИИ становится слоем проектного процесса и поддержки решений.

🔴В итоге
При системном подходе — не перечень промтов, а ИИ-утилиты для снятия трудоёмких задач, затем ИИ-слой как элемент процесса. Прямой доступ к LLM — отдельный проект для продвинутых. Массовое применение — не куча подписок, а кастомные решения под задачи компании.

ИИ в строительстве — не про магию и эксперименты. Про системную архитектуру, где каждый слой решает конкретную проблему: убирает человеческий фактор, нормализует данные, формализует нормативы, строит базу знаний и в перспективе создаёт модель проекта.

#ИИ #ИИ_ИНП #TechNews  #ИНП

📲MАХимально на связи🔴
🤖 подписывайтесь:
@NextGenInfrastructure

🖨️ Крупнейший 3D-печатный жилкомплекс Европы: разбор проекта Skovsporet

В Дании завершили амбициозный проект, доказавший, что аддитивные технологии в строительстве вышли из стадии прототипов. В Хольстебро появились 36 студенческих квартир, напечатанных на 3D-принтере.

🔴Ключевые детали проекта:
· Конструктив: Шесть корпусов от бюро SAGA Space Architects. Вместо типовой многоэтажки — камерные одноэтажные постройки с внутренними двориками.
· Процесс: Использован принтер COBOD BOD3. Цикл печати одного здания удалось сжать до 5 дней при штате в 3 человека на площадке.
· Эстетика: Ребристый бетон не стали оставлять голым — его дополнили деревом и пробкой, а обилие окон и световых фонарей нивелирует индустриальность материала.

🔴Проект Skovsporet показывает: 3D-печать позволяет не только ускорять возведение, но и точечно встраивать объекты в ландшафт, сохраняя зеленые насаждения. Сейчас идет этап меблировки, и уже скоро студенты оценят новый уровень комфорта.

📲MАХимально на связи🔴
⏺Подписаться:
NeStroy3D

📌 ДОМ.РФ Технологии выпустили новый дайджест — на этот раз по стадии проектирования

Продуктовая концепция — это не этап, который можно закрыть и забыть. Её нужно контролировать на всём пути: от стратегии до бренд-платформы. Ошибка, пойманная на стадии архитектурной концепции, обходится в разы дешевле, чем та же ошибка на стройке. И важный нюанс: экспертиза проверяет только безопасность, а не то, купят ли эти квартиры. Так что сверять планировки с рынком — задача самого девелопера.

🔴Цифровизация меняет не инструменты, а логику процесса. Раньше ключевые объёмы и сметы появлялись только на стадии рабочей документации. При проектном финансировании это уже не работает — считать нужно раньше. ТИМ/ВИМ позволяет перенести детализацию вперёд, находить коллизии и понимать стоимость ещё на этапе ПД. В мире тот же тренд: в Калифорнии, например, разделы согласовывают поэтапно, чтобы не ждать полного комплекта.

🔴По цифрам: в Великобритании ТИМ/ВИМ применяют в 73% проектов, в России в жилищном строительстве — 49%. В Сингапуре и Дубае требования жёстче — модель обязательна для крупных объектов. В Европе — openBIM и общие среды данных. Плюс уже есть примеры, когда ИИ проверяет проектную документацию на соответствие нормам прямо в Revit.

🔴Но самое интересное — практика в России. В Новосибирске на объекте 49 тыс. кв.м полностью прошли ПД в отечественном ПО, получили экспертизу и разрешение на строительство. 35 моделей, больше 1,2 млн автоматических проверок, устранено 91% коллизий. При этом точные данные по площадям позволили увеличить продаваемую площадь на 6% без роста себестоимости.

🔴Главный вывод: российский софт уже работает. Основные сложности сейчас не в моделировании, а в интеграции и настройке процессов. Успех решает не программа, а требования, среда общих данных и выстроенное взаимодействие.

🔴Подробности — в файле.

📲MАХимально на связи🔴
🟦Подписаться на канал:
Stroy.OS |