《AUTOMATION IN CONSTRUCTION》：Toward intelligent safety assurance in construction human-robot collaboration
编辑推荐：
研究人员对215篇施工人机协作（human-robot collaboration，HRC）研究进行了定量与主题分析，批判性审视了塑造施工HRC安全的五类技术路径，揭示了在部署、验证与标准化方面的关键局限，提出了施工HRC安全保证的未来方向，并构建了智能施工H
研究人员对215篇施工人机协作（human-robot collaboration，HRC）研究进行了定量与主题分析，批判性审视了塑造施工HRC安全的五类技术路径，揭示了在部署、验证与标准化方面的关键局限，提出了施工HRC安全保证的未来方向，并构建了智能施工HRC安全系统的概念框架。该综述以PRISMA（Preferred Reporting Items for Systematic Reviews and Meta-Analyses）指南筛选文献，借助文献计量分析刻画研究格局，再通过主题分析将相关技术归纳为机器人设计优化、情境感知感知（context-aware perception）、以人为中心的理解与预测（human-centric understanding and forecasting）、机器人自主适应（autonomous robotic adaptation）与安全管控（safety management）。研究人员指出，既有标准如ISO 10218与ISO/TS 15066可为协作机器人提供基线要求，但难以充分覆盖非结构化工地中的AI赋能感知、动态风险适应、工效与心理安全、不确定性感知决策及实时安全保证。论文最终强调，机器人应被视为可主动生成、调解并保障安全的智能主体，而非仅作为风险来源或任务执行者。
研究背景方面，建筑行业劳动密集且高危，香港2024年建筑业事故率为每千名工人24.8，英国2025/2026年建筑业死亡占全部工伤死亡20%。早期预编程自主机器人在大规模、非结构化和高变异工地中效果有限，人类判断仍不可替代，施工机器人由此从自动化走向人机协作（HRC）。但在共享动态空间中，机器人运动、决策或突发故障可通过碰撞、身体损伤、工效负担、认知超载和心理压力威胁工人。既有综述多把安全作为效益、障碍或性能指标，未把机器人技术本身作为主动安全保证机制来系统解释。ISO 10218与ISO/TS 15066提供功能安全基线，却对AI感知、动态风险适应、心理工效、不确定性决策和实时保证指导不足，因此需要从安全保证中心视角整合硬件、感知、预测、适应与管理。
作者为开展研究用到的主要关键技术方法如下：研究人员采用PRISMA框架在Web of Science与Scopus中检索2011至2025年文献，经去重与两阶段筛获得215篇原始研究；使用VOSviewer做文献计量与关键词共现聚类；再以三维编码即技术要素、安全机制和实施层级做主题分析，并把主题与关键词簇映射验证；最终由跨研究聚类提炼五类安全导向技术方向。样本队列来源为数据库收录的英文同行评审期刊与会议论文，不含综述、非技术意见稿及家政医疗等异域机器人研究。
研究结果部分保留小标题并简述如下。
- 2.
Safety issues and assurance in HRC 该部分指出HRC安全从机器中心危害控制转向主动以人为中心风险管理，问题分为碰撞损伤、职业工效损伤、认知负荷与心理压力；既有ISO 10218和ISO/TS 15066必要但不充分，施工场地布局多变、地面不平、临时作业和工人行为不可预测，使静态合规措施不足。
5.1 Theme categorization and validation 研究人员把机器人方法聚为五类：机器人设计优化、情境感知、以人为中心理解与预测、自主适应、安全管控，并映射到关键词簇，显示领域正从固有安全走向感知驱动、风险预见、行为适应与监督控制。
5.2 Robot design optimisation 分为拟人化设计与软体设计。拟人化通过多自由度骨架、类皮肤材料、人工肌肉等提升生物力学兼容；软体设计通过纤维增强驱动器、超弹性基体、流体人工肌肉等降低接触伤害。结论是二者更适用于近距离辅助和中轻量交互，重型高载荷现场验证仍有限。
5.3 Context-aware perception 含协作主体感知、人的状态感知、近距离交互感知。视觉、RGB-D、热成像、可穿戴生理信号、电子皮肤、触觉传感器等用于位姿、疲劳、认知负荷、接近与接触力感知。结论是可见状态感知较成熟，语义交互与潜在心理状态推断在非结构工地仍不稳。
5.4 Human-centric understanding and forecasting 含轨迹预测与意图推断。物理约束模型、RNN（Recurrent Neural Network）、STGCN（Spatial Temporal Graph Convolutional Network）、GMM（Gaussian Mixture Model）、扩散模型等用于肢体与行走轨迹；CNN、贝叶斯推理、EDA（Electrodermal Activity）、EEG（Electroencephalography）等用于任务意图与信任状态。结论是轨迹预测较成熟，意图推断因潜在性、任务语义和个体差异更难，施工现场验证不足。
5.5 Autonomous robotic adaptation 含前瞻性路径规划与动态任务适应。RRT（Rapidly-exploring Random Tree）、APF（Artificial Potential Field）、遗传算法、模型参考自适应控制、深度强化学习用于避障、社会规范导航和任务参数调整。结论是几何与优化方法可解释但难处理长时动态，学习方法自适应强但泛化与安全保障仍受限。
5.6 Safety management 作为框架层，将风险评价、功能安全、标准应用与监督控制整合，使设计、感知、预测和适应纳入运营级安全控制。
讨论与结论部分，研究人员认为部署障碍包括数据集稀缺、现场验证不足、标准滞后、跨域转移不确定、心理与工效安全量化困难。机器人不应只被当作危险源或执行器，而应作为可感知、理解、适应和恢复的安全智能体。结论可译为：本论文通过对215项施工HRC研究的系统综述，识别出机器人设计优化、情境感知、以人为中心理解与预测、自主机器人适应和安全管理五类安全导向技术方向；指出现有标准与单点技术不足以应对非结构化施工环境中的动态安全风险；提出智能施工HRC安全系统概念框架，将固有安全、感知、预测、适应与监督控制连成闭环；该研究为后续施工机器人安全保证的理论发展、系统开发与现场部署提供了以安全保证为中心的综合性知识基础。论文发表于《AUTOMATION IN CONSTRUCTION》。
