В работе представлены результаты исследования по разработке интеллектуальных систем управления строительными роботами с применением алгоритмов машинного обучения для повышения точности монтажных операций. Исследование направлено на решение проблемы недостаточной точности позиционирования и снижения погрешностей при выполнении критических монтажных работ в строительстве. Предложена многоуровневая архитектура системы управления, включающая модули предварительной обработки данных с 3D-лидаров и стереокамер, систему распознавания строительных элементов на основе глубоких сверточных нейронных сетей, и адаптивный контроллер траектории с применением рекуррентных нейронных сетей и алгоритмов обучения с подкреплением. Экспериментальная апробация системы проводилась на строительной площадке при монтаже железобетонных конструкций с использованием модифицированного робота-манипулятора. Результаты показали снижение средней погрешности позиционирования на 78,3% по сравнению с традиционными системами управления, достигнув точности 2,1±0,4 мм при монтаже крупногабаритных железобетонных элементов. Время выполнения монтажных операций сократилось на 42,7%, а энергопотребление снизилось на 31,5%. Внедрение разработанной системы в экспериментальное строительство многоэтажного здания продемонстрировало повышение общей эффективности монтажных работ на 37,2% и снижение производственных затрат на 28,4%. Предложенные алгоритмы и архитектурные решения открывают перспективы для дальнейшей автоматизации строительных процессов и могут быть адаптированы для различных типов строительной робототехники.