Intuitive BIM-aided robotic navigation and assets localization with semantic user interfaces
Notice bibliographique
Résumé
Introduction: The deployment of mobile robots on construction sites has gained increasing attention from both academic research and industry due to labor shortages and the demand for more efficient project management. However, integrating robotic systems into dynamic and hazardous construction environments remains challenging. Key obstacles include reliance on extensive on-site infrastructure, limited adaptability, and a disconnect between system capabilities and field operators' needs. Methods: This study introduces a comprehensive, modular robotic platform designed for construction site navigation and asset localization. The system incorporates Building Information Modeling (BIM)-based semantic navigation, active Ultra-Wideband (UWB) beacon tracking for precise equipment detection, and a cascade navigation stack that integrates global BIM layouts with real-time local sensing. Additionally, a user-centric graphical user interface (GUI) was developed to enable intuitive control for non-expert operators, improving field usability. Results: The platform was validated through real-world deployments and simulations, demonstrating reliable navigation in complex layouts and high localization accuracy. A user study was conducted, confirming improved task efficiency and reduced cognitive load for operators. Discussion: The results indicate that the proposed system provides a scalable, infrastructure-light solution for construction site robotics. By bridging the gap between advanced robotic technologies and practical deployment, this work contributes to the development of more adaptable and user-friendly robotic solutions for construction environments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».