安东·格兰斯，联合创始人兼首席技术官，Buildroid AI – 采访系列

安东·格兰斯，Buildroid AI 的联合创始人兼首席技术官，拥有超过 10 年的 AI、机器人、自动化和计算机视觉经验。安东曾在 Mighty Buildings 监督启动了 2 个高自动化的预制工厂。

与 斯拉瓦·索罗尼琴，Buildroid AI 的联合创始人兼首席执行官一起，他们领导着一个拥有超过 12 年机器人、机器学习、数字建筑和创新建筑技术经验的团队

Buildroid AI 正在建设一个模拟优先的平台，将建筑信息模型与 AI 驱动的数字孪生体连接起来，以自动化施工工作，通过协调多个机器人作为统一的团队。该公司已经展示了一个 BIM 到 BUILD 的块铺设系统，并正在扩展到商业部署，以简化劳动密集型任务。通过在模拟中验证机器人工作流程，然后再将其应用到施工现场，Buildroid AI 旨在提高生产力、降低成本，并为建筑行业的自动化奠定可扩展的基础。

您之前将 Mighty Buildings 建成了最著名和最有资金的 contech 初创公司之一，交付了超过 50 个自动化 3D 打印的房屋。您在那段旅程中观察到了哪些缺陷或低效率，最终说服您创立 Buildroid AI 并追求机器人驱动的建筑生产力方法？

在 Mighty Buildings，我们遵循了一个离场预制模型，我们遇到了结构性的市场壁垒。美国的预制采纳率仍然低于 6%，引入一种新的 3D 打印材料需要 3 年的合规工作，涉及结构、火灾和声学标准。由于预制工厂需要承担全部工厂的费用——设备、劳动力、空间——加上一种非大量生产的材料，我们的产品最终比市场可以接受的价格贵了约 20%。建筑行业运营在极其紧张的利润率上，因此成本溢价会扼杀采用。

有了 Buildroid，我们走了相反的道路：没有新材料，没有新设计，没有对代码的更改。我们直接集成到现有的工作流程中，让机器人处理重复、劳动密集型的任务——消除行业的摩擦，而不是添加它。

您的模拟优先模型如何改变建筑团队测试、验证和优化机器人工作流程的方式，所有这些都发生在施工现场之前？

BIM 定义了建筑物是什么；它不描述如何建造它。即使 4D-BIM 只添加了排序，但不是真正的可建造性。我们的 BIM 到 BUILD 模拟引擎允许团队在物理上准确的数字孪生体中执行整个施工过程——材料、机器和现场约束的行为都像现实世界一样。

利益相关者可以测试数百种场景，验证可建造性，衡量生产力，并优化工作流程，然后再触及施工现场。独特的部分：模拟输出经过验证、可运行的机器人执行程序，弥合了数字设计和自动化物理施工之间的差距。

您的平台支持超过 40 种不同的机器人类型。您如何在如此多样化的硬件中实现可靠的协调，同时保持承包商的灵活性？

我们的 AI 规划器位于核心，结合 HTN（分层任务网络）用于高级别的排序和行为树用于低级别的任务执行。机器人作为基于能力的代理运行——例如，一个块铺设机器人“知道”它可以放置块，但不能涂抹石膏。

规划器优化任务分配，避免现场瓶颈（例如阻塞路径），平衡多个机器人上的工作负载，并同步支持单元，例如材料处理机器人。结果是一个协调的、自我调整的机器人团队，它的行为就像一个协调良好的人类团队。

Buildroid 强调了生产力提高了多达 10 倍（6 倍）和成本节约了多达 4 倍（3 倍）。哪些早期案例研究或技术基准最能证明这些结果是如何实现的？

在三个试点项目中——商业、住宅和数据中心项目——我们观察到：

• 6 倍的生产力：一名砖匠和一名助手通常每天生产 4-5 平方米的块工作；使用机器人，产出增加到约 30 平方米/天。

• 3 倍的成本效率：需要 12 名工人来建造 30 平方米/天的任务，可以使用我们的平台仅由 2 名工人和一台机器人来完成。

这些结果是在部署多机器人工作流程之前获得的；一旦机队由一个操作员协调，整个项目的持续时间就会显著减少。

您的第一个商业应用程序专注于块工作和隔墙安装。您使用什么标准来确定哪些建筑工作流程最适合下一步的多机器人自动化？

我们优先考虑具有（1）严重劳动力短缺、（2）重复的手动劳动和（3）明确的任务分解以进行多机器人协作的工作流程。

在迪拜，我们启动了一个项目，每个隔板块重约 30 公斤（66 磅），砖匠需求远远超过了可用的熟练劳动力。一个主要承包商告诉我们，他们明年需要招聘和培训 6,000 名砖匠才能满足工作量。

块工作自然分解为子任务——材料交付、砂浆涂抹、对齐、加固——使其非常适合专门的机器人一起工作。

我们下一步的计划：抹灰，这是块工作之后的顺序步骤，与一家领先的机器人供应商合作。

当您进入美国市场时，您预计会遇到哪些最大的监管、安全和运营障碍，模拟优先的方法如何帮助缓解它们？

OSHA 要求机器人证明安全的人机交互，即使对于试点部署。认证通常需要 3 个月以上，并且对于需要快速迭代的初创公司来说成本很高。

我们正在与 UL 合作，开发一个模拟优先的安全认证框架。通过证明我们的数字孪生体与现实世界的执行相匹配，我们可以在虚拟中验证边缘情况、碰撞场景和紧急行为——大大减少了对漫长的实验室测试的需求，并加速了合规时间表。

您如何看待多机器人工作流程在复杂的建筑工地上演变，一旦 AI 编排变得更加成熟？

我们预计建筑工地将转向完全机器人化的团队，人类将担任监督角色。一个操作员将通过我们的 AI 编排平台监督机器人队伍，该平台使用数字孪生体实时协调任务。机器人将处理生产；人类将处理监督和异常管理。

哪些 AI 决策和工作流优化的突破对于实现可靠的、自治的工地执行最为关键？

下一个前沿是多代理物理 AI——机器人在局部做出决策的同时作为一个系统进行合作。这需要以下方面的进步：

• 分散式规划和协调

• 在建筑工地条件下强大的感知

• 环境变化时的自适应任务分配

这些能力将解锁可靠的、半自治到完全自治的操作。

作为一名 contech 的重复创始人，您认为行业领袖仍然对建筑技术采用的哪些方面存在误解，Buildroid 如何解决这些误解？

许多初创公司试图改变材料、过程或建筑系统本身——正是建筑行业最不灵活的领域。行业仍然像一个世纪前一样建造今天的建筑，改变核心方法需要数年的监管、供应链和文化转变。

Buildroid 避免了这种摩擦。我们提高了生产力，而不改变材料或设计，专注于如何安装现有材料。

您是否设想 Buildroid 成为一个生态系统平台，第三方机器人和承包商可以在其上构建，创建一个统一的操作层用于全国的建筑机器人？

绝对是——那是长期的愿景。但首先，我们必须在一个高价值的工作流程中证明端到端的卓越：墙体建设。一旦我们完善了这个蓝图，扩展到第三方机器人和其他工作流程就成为自然的生态系统演化。

感谢您接受这次精彩的采访，希望了解更多的读者可以访问 Buildroid AI。