该研究针对传统施工方式难以满足住房需求的问题,提出一种融合大语言模型与强化学习的自主施工方法。作者开发了增强型软演员-评论家(soft actor-critic)强化学习算法,根据施工任务为移动起重机规划动作,并结合机器人运动学与控制算法确保动作可执行;同时构建定制化嵌入模型,按用户关注点提取施工环境信息,再借助ChatGPT 5更新施工进度、向控制系统提供安全信息并生成进度报告。研究通过多项足尺挡土墙施工实验验证了方法的可行性。其意义在于展示了语言模型与强化学习协同用于施工规划、执行与进度管理的潜力,为传统施工向智能建造转型提供了可行路径。
| Large Language Model (LLM) | 大语言模型,一种基于海量文本数据训练的深度学习模型,能够理解和生成自然语言,如ChatGPT系列。 |
| Reinforcement Learning (RL) | 强化学习,一种机器学习范式,智能体通过与环境交互并根据奖励信号学习最优行为策略。 |
| Soft Actor-Critic (SAC) | 软演员-评论家算法,一种基于最大熵强化学习的离策略算法,适用于连续动作空间控制任务。 |
| Robot Kinematics | 机器人运动学,研究机器人关节与末端执行器之间运动关系的学科,用于确保规划动作的可执行性。 |
| Embedding Model | 嵌入模型,将文本或其他数据映射为低维稠密向量的模型,用于信息提取和语义表示。 |
📱 每天一份 AI 前沿日报
关注公众号,每天 09:00 推送 · 不错过任何重磅