有效管理施工资源（如材料、设备和工具）在确保项目进度、提高生产力和优化资源利用方面起着基础性作用[1]。及时交付资源有助于防止因材料或设备短缺导致的工作流程中断，从而显著降低间接成本，这些成本可能占总施工支出的五分之一[2,3]。有效的调度可以防止延误在任务之间传播，系统的资源回收支持剩余材料和设备的再利用，提高资源周转率并降低成本[4]。
目前，建筑工地的资源运输仍然严重依赖人工劳动，在复杂和动态的现场条件下效率低下且不安全。工人必须频繁在工地上搬运各种材料和设备。调度过程主要基于经验，缺乏系统规划[5,6]。此外，建筑工地存在各种安全风险，例如与机械碰撞、被尖锐物体伤害以及高处坠落。频繁和高强度的人工运输可能导致身体疲劳和注意力下降，增加事故风险[7]。这些事故会导致人员受伤，产生额外的医疗费用、赔偿费用和法律责任。此外，事故还可能引发工作延误，对项目进度和经济结果产生负面影响。随着施工任务变得越来越多样化和快节奏，劳动密集型的运输方法往往效率低下，阻碍了整体现场管理的有效性[8,9]。
自主移动机器人（AMR）[10]在制造业中的应用已经显示出在自动化物流管理方面的巨大潜力。这些应用展示了可以用于施工环境中的资源调度策略的方法。许多工厂部署AMR来执行资源运输和协调任务，这些任务包括任务分配、路径规划和实时调度，所有这些都实现了高度自动化[11,12]。受这些研究的启发，将AMR技术引入到复杂的建筑工地环境中，以自动化材料交付和回收。这种方法减少了人工劳动，降低了暴露在危险条件下的风险，并改善了现场资源流动和协调。
目前，有一些新兴技术专注于建筑数字孪生，包括资源布局优化[13]、供应链管理[14]和基于物联网的材料跟踪[15]，这些技术为建筑工地AMR的部署提供了强大的技术支持。这些技术能够实现资源状态的实时感知和管理，从而为后续调度系统提供关键数据。然而，AMR在建筑环境中的实际应用仍然有限。主要挑战包括在动态现场条件下管理多个并发任务的难度，以及机器人在处理多样化建筑材料时抓取机制的有效性有限。
为了实现AMR的部署，本文提出了一种针对建筑机器人的集成资源调度和抓取框架。该框架旨在通过从全局任务规划到现场物理执行的自动化来提高机器人的整体运营效率：系统首先对施工任务要求和现场空间信息进行建模，以生成考虑各种约束的初始机器人调度计划。然后，该计划通过基于强化学习的优化算法进行处理，输出包含具体任务序列（包括目标位置和相应任务细节）的优化指令。机器人根据优化后的指令依次执行任务。到达每个目标位置后，感知系统识别任务目标并进行精确抓取。通过优化任务调度以减少无效运动和等待时间，并提高抓取过程的可靠性，系统实现了从规划到执行的闭环优化，从而在系统层面提高了运营效率。
然而，该框架在建筑工地中的应用仍面临效率不足的挑战。具体来说，问题体现在：（1）在调度建模方面，现有的车辆路径问题（VRP）模型往往未能充分考虑施工特有的动态约束，如任务优先级、资源再利用和回收；（2）在优化方法方面，传统算法无法适应建筑工地的高动态性和不确定性，导致实际执行过程中调度结果的效率降低；（3）在抓取执行方面，现有的姿态估计方法对于不规则的小目标或被严重遮挡的建筑工具的识别准确性有限，直接影响抓取的成功率和运营效率。为了解决这些问题，所提出的框架引入了系统的改进措施以及三种通用方法，如下：
•基于约束的VRP建模：开发了一种VRP模型，结合了施工特有的约束，如任务优先级、资源再利用和使用时间，提供了符合施工任务规划实际情况的数学公式。
•自适应群体优化算法（TDSO）：提出了一种由双延迟策略驱动的群体优化算法。通过强化学习代理动态调整优化参数，该算法提高了动态调度环境中的收敛速度和解决方案稳定性。
•强大的6自由度姿态估计网络（FFB6D-AF）：设计了一种改进的姿态估计网络，引入了增强的特征提取和修改后的注意力融合机制，显著提高了不规则物体和小目标场景下的姿态估计准确性。
通过这三个领域的协同发展，所提出的框架实现了从任务规划到物理执行的端到端优化，为提高自主建筑机器人系统的运营效率提供了系统化的解决方案。
本文的其余部分结构如下：第2节回顾了资源调度、调度优化和机器人抓取三个关键领域的相关工作。第3节介绍了所提出的框架，包括问题表述、优化方法和机器人抓取的改进。第4节描述了数据准备过程和实验设置，随后是对结果的详细评估和分析。第5节总结了主要发现并概述了未来的研究方向。最后，第6节讨论了当前研究的局限性及进一步改进的潜在领域。
