Anton Glance，Buildroid AI联合创始人兼CTO – 采访系列

Anton Glance，Buildroid AI联合创始人兼CTO，拥有超过10年的AI、机器人、自动化和计算机视觉经验。Anton曾在Mighty Buildings监督启动2家高度自动化的预制厂。

与Slava Solonitsyn，Buildroid AI联合创始人兼CEO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驱动的数字孪生体链接起来，通过协调多个机器人作为统一的团队来自动化施工工作。该公司已经展示了BIM到BUILD的块铺设系统，并正在扩展到可以简化劳动密集型任务的商业部署。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打造可扩展的基础。

您之前将Mighty Buildings打造成了最受资助和最知名的contech初创公司之一，交付了超过50套自动化3D打印房屋。您在这段旅程中观察到了哪些差距或低效之处，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不到6%，引入新的3D打印材料需要跨结构、火灾和声学标准进行3年的合规工作。由于预制厂吸收了全部的工厂费用——设备、劳动力、空间——结合非大规模生产的材料，我们的产品最终比市场能够接受的价格高出约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，我们采取了相反的方法：不使用新材料，不使用新设计，不改变代码。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——消除行业摩擦而不是添加它。

您的模拟优先模型如何使用数字孪生体和BIM（建筑信息建模）改变施工团队在施工现场之前测试、验证和优化机器人工作流程的方式？

BIM定义了什么是建筑；它没有描述如何建造它。即使是4D-BIM也只添加了排序，而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内执行整个施工过程——材料、机器和现场约束的行为就像现实世界一样。

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，并在施工现场之前优化工作流程。独特之处在于：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种不同类型的机器人。您如何在保持承包商灵活性的同时实现如此多样化的硬件之间的可靠协调？

我们的AI规划器位于核心，结合HTN（分层任务网络）进行高级排序和行为树进行低级任务执行。机器人作为基于能力的代理——例如，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（如阻塞路径），平衡多个机器人的工作量，并同步支持单元，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，像一个井然有序的人类团队一样行事。

Buildroid强调了生产力提高了多达10倍（6倍）和节省成本多达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平方米的块状工作；使用机器人，产量增加到约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由2名工人和一台机器人完成。

这些结果是在部署多机器人工作流程之前实现的；一旦机器人队伍由一名操作员协调，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状工作和隔墙安装。您使用什么标准来确定哪些施工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）多机器人协作的明确任务分解的工作流程。

在迪拜，我们启动了一个项目，每个隔板块重约30公斤（66磅），砖匠的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，他们明年需要雇用和培训6000名砖匠才能满足工作量。

块状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协同工作。

下一个在我们的管道中：与一家领先的机器人供应商合作的抹灰工作，是块状工作之后的顺序步骤。

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，以及您的模拟优先方法如何帮助减轻这些障碍？

OSHA要求机器人在试点部署之前证明安全的人机交互，通常需要3个月以上的时间，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，我们可以虚拟地验证边缘情况、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施工现场上演变为何，尤其是在AI编排变得更加成熟时？

我们预计施工现场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；人们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、自动化的施工现场执行至关重要？

下一个前沿领域是多代理物理AI——机器人在合作的同时做出局部决策。这需要：

• 分散式规划和协调

• 在施工现场条件下强大的感知

• 环境变化时的自适应任务分配

这些能力将解锁可靠的、半自动化到完全自动化的操作。

作为一名连续的contech创始人，您认为行业领袖仍然误解了哪些方面的建筑技术采用，以及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，改变核心方法需要多年的监管、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的材料。

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此基础上构建，创建一个统一的操作层用于全国的建筑机器人？

绝对是——这是我们的长期愿景。但首先，我们必须在单一高价值工作流程中证明端到端的卓越性：墙体施工。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一种自然的生态系统演进。