İnşaat sektörü yeni bir otomasyon çağına giriyor. Otonom hafriyat makineleri kazı çalışmalarını yeniden şekillendirmeye başlarken, robotik düzen sistemleri hassasiyeti artırıyor. İnsansız hava araçları ise ulaşılması zor yapıları inceliyor. Tüm bu gelişmelerin ortasında, görüntü işleme yapay zekası destekli makineler kontrollü pilot uygulamalardan çıkıp aktif şantiyelerde görev almaya başladı.
Grand View Research verilerine göre, küresel inşaat robotikleri pazarının 2030 yılına kadar 3,66 milyar dolara ulaşması bekleniyor.
Ancak inşaat robotlarının başarısı, makinelerin ne kadar yetenekli hale geldiğine bağlı olmayacak. Asıl belirleyici olan şey, çok daha az görünür bir detay: Saha önü çalışanları ile otonom sistemlerin birlikte ne kadar güvenli çalışabildiği.
Orta ölçekli bir inşaat projesini gözümüzde canlandıralım. Otonom bir silindir makinesi programlanmış rotasını tamamlarken, bir inceleme dronu da havadan rutin ilerleme denetimi yapıyor. Her şey tam olarak tasarlandığı gibi işliyor.
Sonra bir işçi, düşürdüğü bir aleti almak için silindirin çalışma alanına adım atıyor. Ortada bir arıza yok. Makine, programlandığı görevi harfiyen yerine getirmeye devam ediyor.
Sorun şu ki, şantiye ortamı saniyeler içinde değişiyor ve güvenli operasyonlar artık bu değişimi bir kaza meydana gelmeden önce fark etmeye bağlı hale geliyor.
İşte bu güvenlik katmanını sağlayan şey görüntü işleme yapay zekası ve sektörün şu anda en çok heyecan duyduğu sessiz ön koşul tam da bu.
Tam otomasyon değil, geçiş bölgeleri inşaat risklerini yoğunlaştırıyor
ABD İş Sağlığı ve Güvenliği İdaresi'nin (OSHA) "Ölümcül Dörtlü" olarak adlandırdığı düşme, çarpılma, elektrik çarpması ve sıkışma tehlikeleri, son yıllardaki ABD inşaat ölümlerinin yaklaşık yüzde 58 ila 59'unu oluşturuyor. Sadece çarpılma kaynaklı olaylar bile yılda 100'den fazla işçinin hayatına mal oluyor ve bu vakaların büyük çoğunluğu araçlar veya hareketli ekipmanlar nedeniyle yaşanıyor.
Otonom bir gezgin robot, bir kayar yükleyici operatörü gibi vardiyanın sonlarında yorulmaz veya sabırsızlanmaz. Ancak bir işçinin yeni bir donatı yığınının arkasına geçtiğini veya bir alt yüklenicinin ekibinin, yol planlayıcısının beş dakika önce boş olduğunu varsaydığı bir bölgeye girdiğini sezecek bir sezgiye de sahip değil.
Robotik ekiplerin dağıtımdan önce değil, öncesinde üzerinde düşünmesi gereken zorlu senaryo tam olarak bu: Hafriyat ekipleri, elektrikçiler ve otonom bir silindir makinesinin, yapılandırılmış algılama sistemleri düşünülerek inşa edilmemiş 20 akrelik bir şantiyede aynı alanı paylaştığı durumlar.
Bu büyüyen zorluk, ANSI/RIA R15.08 gibi gelişen güvenlik standartlarına da yansıyor. Bu standart, sabit kılavuz yolları varsayan eski AGV standartlarının ötesine geçerek, dinamik ortamlarda çalışan otonom mobil robotları ele almak üzere geliştirildi.
Her robot sadece kendi çevresini görür, görüntü işleme yapay zekası ise tüm şantiyeyi algılar
Her otonom makine zaten algılama sistemlerine güveniyor. Kameralar, lidar, radar, ultrasonik sensörler, GPS ve yerleşik yapay zeka; makinenin gezinmesine, engelleri algılamasına ve kendisine atanan görevi güvenle tamamlamasına yardımcı oluyor. Bu sistemler, makinenin hemen etrafında neler olup bittiğini anlamakta son derece başarılı.
Ancak inşaat sektörü çok daha geniş bir bakış açısı gerektiriyor. İşçiler farklı ustalık dalları arasında geçiş yapıyor, geçici erişim yolları açılıyor, malzemeler yer değiştiriyor ve ağır ekipmanlar gün boyunca yeniden yönlendiriliyor. Üzerindeki sensörler ne kadar gelişmiş olursa olsun, tek bir robot tüm şantiyede yaşanan her şeyi anlayamaz.
İşte görüntü işleme yapay zekası tam bu noktada robotik ekosistemine dahil oluyor. Tek bir makinenin içine gömülmek yerine, şantiye genelinde bir algılama katmanı olarak görev yapıyor. Mevcut CCTV kameralarından, geçici şantiye kameralarından, inceleme dronlarından, vücut kameralarından ve giderek artan bir şekilde lidar ve diğer sensör akışlarından gelen canlı görüntüleri sürekli olarak analiz ediyor. Bu sayede işçilerin, araçların, ekipmanların ve otonom makinelerin gerçek zamanlı olarak nasıl etkileşime girdiğini anlayabiliyor.
Bu teknoloji aynı zamanda kendi başına bir yer tabanlı donanım kategorisi olarak da ortaya çıkmaya başlıyor. viBOT gibi küçük ama büyüyen bir otonom mobil devriye birimi sınıfı, bu algılama katmanını fiziksel olarak şantiye boyunca taşımak için özel olarak geliştiriliyor. Bu robotlar, sabit kameraların ulaşamadığı ve dronların yer seviyesinde kalıcı bir varlık sürdüremediği bölgelerde sürekli hareket ediyor. Buna bodrumlar, tüneller ve çalışma programı ilerledikçe haftadan haftaya değişen alanlar da dahil.
Robotun değeri sadece hareket kabiliyetinden gelmiyor. Değeri, sabit altyapının kör noktalarına aynı görüntü işleme yapay zekası katmanını genişletmesi; dar bir görüş alanına sahip başka bir izole sensör eklemek yerine boşlukları doldurması.
Her robot kendi izole görüş alanından çalışmak yerine, görüntü işleme yapay zekası tüm şantiye için ortak bir operasyonel görünüm oluşturuyor.
Sadece görmekten anlamaya: Bir sonraki güvenlik katmanı
Görüntü işleme yapay zekası, sadece baretleri tespit etmenin veya dışlanmış bölge ihlallerini belirlemenin ötesine geçiyor. Sistemlerin yeni nesli, bilgisayarlı görüyü; bağlamı yorumlayabilen, birden fazla veri kaynağı arasında akıl yürütebilen ve gerçek zamanlı olarak uygun eylemleri önerebilen veya tetikleyebilen ajan yapay zeka ile birleştiriyor.
Otomatik bir şantiyede bu, izole uyarılardan koordineli karar almaya geçiş anlamına geliyor. Tek bir kamera işçinin kısıtlı bir bölgeye girdiğini işaretlemek yerine, yapay zeka canlı görüntüleri, ekipman konumlarını, drone görüntülerini ve şantiye faaliyetlerini ilişkilendirerek daha geniş operasyonel bağlamı anlayabiliyor.
En az bunun kadar önemli olan bir diğer konu da bu zekanın nerede çalıştığı. Yapay zekayı kameralara ve sensörlere yakın olan uç noktalarda işlemek, sürekli bulut bağlantısına güvenmeden tehlikelerin saniyeler içinde tespit edilmesini sağlıyor. Güvenlik kararlarının uzak bir sunucuya gidip gelmesini bekleyemeyeceği aktif şantiyelerde bu düşük gecikmeli yanıt hayati önem taşıyor.
Aynı zamanda merkezi bir operasyon panosu, süpervizörlere tüm şantiyenin tek ve canlı bir görünümünü sunuyor. Süpervizörler düzinelerce kamera akışını bağımsız olarak izlemek yerine; işçiler, robotlar, araçlar ve ekipmanlar arasındaki etkileşimleri gerçekleşirken takip edebiliyor ve bu sayede daha hızlı, daha bilinçli kararlar alabiliyor.
Robotiğin geleceği daha iyi bir farkındalıkla başlıyor
İnşaat robotikleri önümüzdeki on yıl içinde hızla gelişmeye devam edecek. Makineler daha otonom, daha zeki ve minimum insan müdahalesiyle tehlikeli veya tekrarlayan işleri yapmaya daha yetenekli hale gelecek.
Ancak otomasyon tek başına daha güvenli şantiyeler yaratmayacak. İnsanlar ve makineler aynı çalışma alanını paylaşmaya devam ettiği sürece —ki bu durum uzun yıllar böyle devam edecek— sektörün, bu ortamda gerçek zamanlı olarak neler olduğuna dair ortak bir anlayışa ihtiyacı var.
Görüntü işleme yapay zekasının rolü tam olarak bu. Robotların yerini almak değil. İnsan yargısının yerini almak değil. Her ikisinin de birlikte güvenli bir şekilde çalışmasına olanak tanıyan sürekli algılamayı sağlamak.
Yazar hakkında: viAct'ın kurucu ortağı ve CEO'su Gary Ng, inşaat mühendisliği geçmişinden gelen ve 2016'da viAct'ın kuruluşuyla yapay zeka girişimcisine dönüşen bir isim. İnşaat sektöründe teknolojik yeniliklerin uygulanmasında 10 yılı aşkın deneyimi bulunuyor.
viAct'tan önce, 3D moda teknolojisi şirketi EFI Optitex'in genel müdürü olarak görev yapan Ng, NASDAQ'ta işlem gören teknoloji girişimi Stratasys'te en iyi bölgesel üst düzey yönetici olarak kabul edildi.
Analitik düşünme ve stratejik karar verme konusundaki güçlü yönleriyle kariyerinin erken dönemlerinde SXSV'nin danışma kurulu üyeliği yapan Ng, bilgiyi deneyimlilerden gençlere aktarma kavramına inanıyor ve tanınmış bir akademisyen. Halen Hong Kong Politeknik Üniversitesi'nde ziyaretçi öğretim üyesi olarak görev yapıyor. Gary aynı zamanda aktif bir halka açık konuşmacı ve iş yerlerinde yapay zeka destekli sürdürülebilirliğin savunucusu.
