AI and Remote Sensing for Resilient and Sustainable Built Environments: A Review of Current Methods, Open Data and Future Directions
本综述批判性地分析了关于道路、桥梁和建筑物的人工智能驱动损伤评估的244项研究，揭示了限制其在实际运营中应用的因素是数据可用性和感知模态的约束，而非模型的优越性，并提出了一个以基础模型、多模态融合和物理信息人工智能为核心的研究议程，旨在构建更具韧性的基础设施。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，将世界的各种基础设施——道路、桥梁和摩天大楼——视为我们现代社会的骨骼和肌肉。就像人体一样，这些结构会疲劳、产生裂缝，有时甚至会因风暴、地震或仅仅是时间的缓慢磨损而遭受重大伤害。长期以来，检查这些损伤意味着要派遣一支工程师团队，带着剪贴板、安全帽，有时甚至带着危险的设备爬上去近距离观察。但如果我们能给这些结构赋予“超级视觉”呢？这就是人工智能 (AI) 和遥感技术 (Remote Sensing) 发挥作用的地方。你可以把 AI 想象成一个超级聪明的侦探，它能观察数百万张照片，并瞬间发现人类肉眼可能会错过的微小裂缝或坑洼。而遥感技术则是这位侦探的望远镜和显微镜；它是让我们能够通过卫星从高空，或通过无人机从空中，在无需接触地面即可拍摄地面图像的技术。我们之所以关注这一点，是因为我们的道路和桥梁正在变老，而天气也变得越来越极端。如果我们不能及早发现损伤，小裂缝可能会演变成大规模坍塌，造成数十亿的损失并威胁生命安全。
现在，来认识一下这个故事里的侦探们：一组研究人员，他们决定退后一大步，从宏观角度审视目前如何利用 AI 来修复我们破损的基础设施。他们不仅仅是开发了一个新工具；他们还回顾了 2018 年至 2026 年间发表的 244 项不同研究，以了解其他人的研究进展。他们的任务是回答一个简单但棘手的问题：我们是否真的在变得更擅长利用 AI 来拯救我们的桥梁和道路，还是我们只是在变得更擅长解决一些在现实世界中毫无意义的谜题？
以下是他们的发现，其中包含一点剧情转折。你可能会预期最“聪明”的 AI 模型才是赢家。但研究人员发现，AI 模型其实并不是主角，数据才是。这就像拥有一位世界级的厨师（AI），却只给了他土豆（数据）去烹饪。无论厨师有多优秀，他只能做出土豆料理。研究表明，大多数研究人员都困在用同样的几种食材进行烹饪：即一些容易获取的特定数据集，比如无人机拍摄的道路裂缝照片。因为这些数据集非常流行，几乎所有人都在使用同一种类型的 AI（称为“CNNs”和“YOLO”检测器）来解决同样的小问题。
研究人员识别出了 AI 发挥作用的三个不同“社区”，它们各自遵循不同的规则：
- 道路巡逻队（无人驾驶飞行器 UAVs 与无人机）： 这是最繁忙的社区。由于驾驶无人机飞越道路并拍摄照片非常容易，大多数研究都集中在这里。AI 扮演着超级快速扫描仪的角色，通过缩放来寻找坑洼和裂缝。它非常擅长发现局部的小问题，但这就像是试图通过只看一条街道来绘制整个国家的地图。
- 桥梁观察者（卫星与时间）： 桥梁非常复杂。一些研究人员使用无人机寻找裂缝，但另一些人则使用卫星在数月或数年内观察桥梁的变化。这就像是在观看一部关于桥梁在风中摇摆的慢动作电影。这里的 AI 寻找的不是裂缝，而是暗示桥梁即将坍塌的运动模式。这需要一种不同的 AI，它理解的是时间，而不仅仅是图像。
- 建筑守护者（卫星灾后监测）： 当地震或洪水等灾害发生时，卫星会迅速介入，拍摄整个城市的“前后对比照”。这里的 AI 扮演着法医艺术家的角色，通过对比两张照片来判断哪些建筑屹立不倒，哪些已被摧毁。这对救援队至关重要，但这主要发生在破坏发生之后。
这篇论文的重要启示是，我们正在撞墙。尽管研究数量呈爆炸式增长（从 2018 年的每年约 15 项增长到 2025 年的 61 项），但这些工具在真实工程师中的实际应用率仍然非常低。为什么？因为 AI 通常是一个“黑箱”。它会给出一个答案，但无法解释为什么。想象一下，一位医生告诉你：“你需要手术，”但拒绝向你展示 X 光片或解释诊断依据。对于在法律上负责确保桥梁安全的工程师来说，他们无法信任一个他们无法理解的工具。此外，AI 是基于特定地点的数据（如某些国家或特定类型的道路）进行训练的。如果你把同样的 AI 拿到一个天气或道路材料不同的国家使用，它往往会失效。这就像教一个学生只在加州的晴天开车；当你把他丢到加拿大的雪林里时，他就不知道该怎么做了。
论文认为，我们现在不需要“更聪明”的 AI 模型，我们需要更好的数据和更好的规则。我们需要停止仅仅追求计算机测试上的高分，开始在混乱的现实世界中测试这些工具。作者提出了一个新的前进方向：一个让 AI 在每个层面协助人类的“三层”系统。
- 第一层： 无人机进行快速、近距离的检查，由人类工程师做出最终决定。
- 第二层： 卫星在灾后扫描整个区域，由人类分析师解读地图。
- 第三层： 卫星对桥梁进行长年累月的监测，由人类工程师根据 AI 的长期趋势授权维修。
简而言之，论文指出，拯救我们基础设施的技术已经存在，但目前正受困于一个“易得数据”与“未经证实模型”的循环之中。要真正让我们的城市具有韧性，我们需要打破这个循环。我们需要为 AI 提供更多样化的数据，确保它能解释其推理过程，并建立一个 AI 作为得力助手而非自主老板的系统。未来的目标不是建造一个能自行修理桥梁的机器人，而是建立一种 AI 与人类工程师共同协作、共同维系世界屹立不倒的伙伴关系。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。