摘要：在建筑环境中，对项目的时空状态进行全面的理解是众多施工和运营工作流程的基础。为此，承包商和业主已经开始利用现实捕捉技术和基于BIM（建筑信息模型）的工作流程。然而，近年来现实数据和语义丰富的设计数据的可获得性呈指数级增长，再加上近期项目中日益紧迫的交付计划，这促使引入超越当前能力的、涉足尖端AI领域的解决方案，旨在实现以下目标：（1）自动识别设计和规划中的相关风险，以提高决策效率；（2）通过实时分析生产、资源和工作场地条件，实现更好的控制和更高水平的预测性。为满足这些需求，本次演讲将介绍基于计算机视觉和机器学习的基础和应用研究工作，以利用这些新兴数据自动创建时空模型，从而在建筑施工和使用阶段对物理资产进行几何和语义理解。本次演讲还将描述如何以AI驱动的数字孪生的形式将这些富含语义信息的现实模型与BIM和进度数据相结合，以生成基于实际与预期性能之 间差异的可操作的洞察，使项目团队能够采取纠正措施。本次演讲将介绍这些算法和系统的理论基础，并分享这些解决方案在数千个项目中的推广应用经验以及在项目和现场人员层面的投资回报情况。

简介：Mani Golparvar是伊利诺伊大学香槟分校的土木工程、计算机科学和技术创业教授。他在计算机视、机器学习和BIM领域的工作曾获得多项殊荣，其中包括2018年美国土木工程师协会（ASCE）的Walter Huber Research Prize、2017年工程新闻记录（ENR）评选的全国40岁以下杰出人物前20名、2016年Dan Halpin Award和2013年美国土木工程师协会（ASCE）的James Croes Medal，以及多个期刊和会议颁 发的优秀论文奖项。同时，Golparvar博士也是Reconstruct公司（一家来自伊利诺伊大学香槟分校的软件即 服务公司）的首席科学官和联合创始人。近期，Reconstruct公司获得超过2800万美元的风险资本支持，其 中包括Nemetschek集团的领投，以及EquipmentShare/Romulus Capital、STO Building Group、Thornton Tomasetti、SHoP Architects、Syska Hennessy和Asia Pacific Land等跟投。Reconstruct的 Visual Command Center解决方案利用照片和360°视频创建真实模型，并将其与BIM和项目计划集成，以 实时跟踪工程进展、分析生产效率，并通过预测分析技术主动识别潜在延误，从而使建筑公司能够按计划和预算进行项目管理。目前，Reconstruct公司还被授予了包括2016年世界经济论坛建筑技术创新奖在内的多个奖项。