Topical collection: robotic solutions for digitally enabled production processes in construction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Across the global construction sector, a new generation of robotic systems is rapidly entering the market.Solutions for on-site drilling, spraying, masonry, logistics, and finishing are now being piloted at an unprecedented pace.Their deployment in emerging construction robotics hubs in Singapore, Hong Kong, Canada, Dubai, Abu Dhabi, Egypt, Denmark, Switzerland, and Germany demonstrates both the momentum of this technological shift and the considerable challenges that remain.In real-world testing environments, the integration of these robots into digital construction pipelines-particularly BIM-to-robot workflows, semantic task modeling, and robust digital twins-continues to be a bottleneck.These challenges position digitally enabled fabrication and robotics as a priority topic within academia, motivating research on methods, techniques, algorithms, and workflows that can accelerate adoption in construction.This Topical Collection brings together research spanning the emerging landscape of digitally enabled construction robotics.The contributions advance robotic fabrication, from flexible timber processes to innovative formwork, reinforcement, and earth-based additive methods, alongside computer vision, BIM integration, and sensing approaches that improve monitoring and quality assurance.The collection also includes mobile and aerial systems for inspection and mapping to support system autonomy in construction.Together, these works show how integrated perception, planning, and sociotechnical understanding of human-robot collaboration are becoming essential for reliable robotic performance in construction.
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.
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 | 0,001 | 0,002 |
| 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 découle