Строительная отрасль стоит перед глобальными вызовами, связанными с низкой производительностью труда, дефицитом квалифицированных кадров и растущими требованиями к экологической устойчивости. Модульные роботизированные системы C возможностью самоконфигурации представляют собой перспективное решение этих проблем. В данной статье исследуются архитектурные принципы и алгоритмические подходы к созданию самоконфигурируемых модульных роботов для строительства, а также экономические аспекты их внедрения. На основе комплексного анализа существующих прототипов и технологий разработана классификация архитектур модульных строительных роботов, включающая цепной, решетчатый и гибридный типы. Обосновано использование многоуровневых алгоритмов планирования реконфигурации, основанных на генетических алгоритмах, глубоком обучении с подкреплением и методах роевого интеллекта. Эмпирические исследования на прототипе модульной системы показали повышение производительности на 37,8% и снижение затрат на 24,3% при выполнении типовых строительных операций по сравнению с традиционными методами. Разработана экономическая модель, демонстрирующая, что интеграция самоконфигурируемых модульных роботов обеспечивает среднюю окупаемость инвестиций за 3,2 года и снижение строительных отходов на 31,5%. Предложенная в работе методология проектирования и оценки эффективности самоконфигурируемых модульных роботов создает основу для их широкого внедрения в строительную отрасль, способствуя повышению эффективности, безопасности и устойчивости строительных процессов.
The construction industry is facing global challenges related to low labor productivity, a shortage of qualified personnel, and growing demands for environmental sustainability. Modular robotic systems with the possibility of self-configuration represent a promising solution to these problems. This article examines the architectural principles and algorithmic approaches to creating self-configurable modular robots for construction, as well as the economic aspects of their implementation. Based on a comprehensive analysis of existing prototypes and technologies, a classification of modular construction robot architectures has been developed, including chain, lattice, and hybrid types. The use of multilevel reconfiguration planning algorithms based on genetic algorithms, deep reinforcement learning and swarm intelligence methods is justified. Empirical studies on the modular system prototype have shown a 37,8% increase in productivity and a 24,3% reduction in costs when performing typical construction operations compared to traditional methods. An economic model has been developed demonstrating that the integration of self-configurable modular robots provides an average return on investment over 3,2 years and a 31,5% reduction in construction waste. The methodology proposed in the paper for designing and evaluating the effectiveness of self-configurable modular robots creates the basis for their widespread introduction into the construction industry, contributing to improving the efficiency, safety and sustainability of construction processes.