从建筑信息模型构建机器人就绪场景数字孪生（BIM2RDT）：一个以安全为首的智能体AI框架
摘要
cyber-physical systems 的采用以及连接设计模型、实时场地感知和自主场地作业的现场智能，能够显著增强建筑行业的数字化管理。本文介绍了 BIM2RDT（Building Information Models to Robot-Ready Site Digital Twins，建筑信息模型到机器人就绪场景数字孪生），这是一个面向提升执行期间安全性的智能体人工智能（AI）框架，旨在将静态建筑信息模型（Building Information Modeling, BIM）转化为动态、机器人就绪的数字孪生（digital twin, DT）。该框架通过整合三个关键数据流来弥合现有 BIM 数据与实时场地条件之间的差距：来自 BIM 模型的几何和语义信息、来自物联网传感器网络的活动数据，以及机器人在场地遍历期间收集的视觉-空间数据。该方法引入了语义引力ICP（Semantic-Gravity ICP, SG-ICP），这是一种点云配准算法，利用大语言模型（LLM）推理。与传统方法不同，SG-ICP 利用 LLM 推断基于 BIM 语义的物体特定、合理的姿态先验，从而提高对齐精度，避免在局部极小值处收敛。这形成了一个反馈环�：机器人收集的数据更新 DT，进而优化任务的路径。该框架采用 YOLOE 对象检测和 Shi-Tomasi 角点检测来识别和跟踪施工元素，同时将 BIM 几何用作先验地图。该框架还集成了实时手臂振动（Hand-Arm Vibration, HAV）监测，将传感器检测到的安全事件映射到数字孪生中，并使用 IFC 标准进行干预。实验表明，SG-ICP 在遮挡特征场景下的对齐精度优于标准 ICP，RMSE 降低 64.3%--88.3%，确保姿态合理。HAV 集成可在超过暴露限值时触发警报，增强与 ISO 5349-1 的合规性。
引用
@article{arxiv.2509.20705,
title = {Building Information Models to Robot-Ready Site Digital Twins (BIM2RDT): An Agentic AI Safety-First Framework},
author = {Reza Akhavian and Mani Amani and Johannes Mootz and Robert Ashe and Behrad Beheshti},
journal= {arXiv preprint arXiv:2509.20705},
year = {2025}
}