日商 Laboro.AI 攜手大林組，以 AI 驅動建築結構制震技術革新
總部位於東京都中央區的株式會社 Laboro.AI，專精於客製化人工智慧解決方案「カスタムAI (Custom AI)」的開發及導入諮詢。該公司日前宣布，為日本營造業巨擘株式會大林組提供人工智慧開發支援，雙方合作開發的「構造體的制振系統」已取得專利，此系統將為地震頻繁的日本，提供更安全、安心的居住環境。此系統可以感知到地震發生，並做出相應的動作。日本營造業的發展已經十分成熟，2022 年的市場規模約為 50 兆日圓。
強化學習演算法導入，人工智慧動態調控主動式質量制震裝置 (AMD)
「構造體的制振系統」之核心技術，在於利用強化學習 (Reinforcement Learning) 演算法，讓人工智慧可以自主學習並動態調整主動式質量制震裝置 (Active Mass Damper, AMD)。此技術利用感測器蒐集建築物的振動數據，人工智慧再根據這些數據，不斷試錯、學習，進而找到最佳的控制策略。主動式質量制震裝置 (AMD) 是一種利用電動馬達或其他驅動裝置，主動控制質量塊運動方向與大小，進而減少建築物震動的制震技術。與過往的被動式質量制震裝置 (Passive Mass Damper) 相比，有更好的制震效果。
有別於過往技術，AI 自主學習，迅速消弭建築物震動
過往的制震系統，多半仰賴工程師事先設定好的規則，較難以應對各種不同的地震型態。「構造體的制震系統」可以讓人工智慧透過不斷學習，可以更精準地預測建築物的反應，並迅速計算出制振裝置的最佳運動模式，在短時間內有效消弭建築物的震動。這項技術突破，將大幅提升建築物的安全性及居住舒適性，對於地震頻繁的日本來說，無疑是一大福音。此系統可以更迅速地應對地震的危害，並能減少人員的傷亡、保護民眾的財產安全。
產學合作，自 2019 年迄今，Laboro.AI 持續支援大林組研發創新
株式會社 Laboro.AI 與大林組的合作始於 2019 年，多年來雙方持續投入資源，不斷精進此制震系統。株式會社 Laboro.AI 強調，該公司在支援客戶研發時，並非以黑盒子 (black box) 的方式提供技術，而是採取「伴走」的模式，與客戶並肩作戰，並將技術細節完整地讓客戶了解，讓客戶可以自主操作、維護及更新系統。株式會社大林組是日本五大建設公司之一，在日本國內及海外承攬了許多大型的工程，例如：晴空塔、東京車站等。
專利技術公開，推動建築安全邁向新里程碑
這項創新技術已於 2024 年取得專利，專利號碼為特許第 7573190 號，專利名稱為「構造體的制振系統」。株式會社大林組與株式會社 Laboro.AI 為此專利的共同持有人。這項專利的取得，可望加速此技術於實際工程的應用，推動建築安全邁向新的里程碑。這套系統也可以安裝在新建築或舊建築，對於改善都市的防災能力，有很大的助益，並可以為營造公司帶來更多商機，並增加就業機會。
展望未來，人工智慧驅動的建築安全系統
展望未來，株式會社 Laboro.AI 將持續投入人工智慧技術的研發，並積極與各產業龍頭合作，推動人工智慧的應用。「構造體的制振系統」這項專利技術，僅是該公司將人工智慧應用於建築安全領域的開端。他們希望透過人工智慧，為社會大眾打造更安全、安心的生活環境。而此公司也將持續推動人工智慧於各產業的應用，並為日本的產業發展，做出貢獻。人工智慧與營造業的結合，會為產業帶來更多可能性。
專案案例
建築結構的制震控制
高樓建築結構安全的核心：應用制震科技守護都市天際線與人命安全
現代都市中，摩天大樓等高層建築物林立，然而，這些高聳入雲的建築物必須面對地震以及強風所引起的振動，因此，為了確保建築物的結構安全及居住的舒適性，各種制震技術應運而生。所謂的「制震技術」，顧名思義，便是控制結構物振動的關鍵技術，藉由安裝在建築物內部的裝置，減緩、吸收振動的能量。
這些裝置中，常見的例如：質量阻尼器 (Mass Damper)，這些裝置好比建築物的心臟，默默地守護著結構的安全。在地震或強風來襲時，能有效降低建築物的搖晃幅度，確保使用者的安全與舒適。就如同一位經驗豐富的舵手，引領著船隻在波濤洶湧的大海上平穩前行，制震技術也扮演著類似的角色，為建築物提供穩定安全的保障。
制震技術雙璧：被動式制震與主動式制震技術
當前制震技術主要有兩大類型：被動式制震 (Tuned Mass Damper, TMD) 與主動式制震 (Active Mass Damper, AMD)。被動式制震猶如一位沉穩的武者，以不變應萬變，不需外部電力驅動，單純藉由質量阻尼器本身往復擺盪，與建築物的振動產生共振，進而抵消振動能量，達到制震的效果。而被動式制震的特性，讓維護成本相對較低。
另一種技術：主動式制震 (AMD)，則像是一位靈活的舞者，以動制動，透過感測器即時偵測建築物的振動，並迅速地計算並輸出控制訊號，藉由電動馬達驅動質量阻尼器產生反作用力，主動地抑制建築物的振動。如果把被動式制震比喻成一位沉穩的武者，那麼主動式制震就像是一位靈活的舞者，透過更為精密的控制，抵消了建築物的搖晃。主動式制震技術的制震效果更為顯著，提供建築物更全面的保護。
右：AMD主動式制震，透過感測器偵測振動，並驅動質量阻尼器進行反向運動，以主動方式抑制建築物的晃動。
開發歷程
大林組與 Laboro.AI 雙方菁英盡出，合作開發能提升結構安全的主動式質量制震裝置 (Active Mass Damper, AMD) 系統，並以人工智慧賦予此系統更上層樓的效能。這項別開生面的開發案，結合了虛擬環境模擬與實際場域測試。
首先，由 Laboro.AI 陣中的機器學習工程師，以物理計算為基礎，建構出模擬環境，並於此虛擬環境中，讓人工智慧如同一位孜孜不倦的學徒，反覆試驗，進而找出能有效控制振動的法則。隨後，研究團隊將陣地轉移至大林組技術研究所，利用所內特別建造的橋梁作為實證場域。
他們讓人員於橋面上行走，模擬真實世界中會產生的振動，並以此數據，驗證人工智慧制震系統於真實環境下的控制效能，如同在實驗室反覆驗證，務求其穩定性，這項技術的突破，替建築結構安全領域，開啟了嶄新的一頁。
本次開發的定制AI系統使用了「強化學習」作為學習演算法。強化學習是一種讓AI通過不斷試錯來學習最佳行動策略的演算法，與傳統的「有監督學習」和「無監督學習」相比，強化學習不需要參考教師數據，而是自動化地學習行為模式。
在強化學習中，學習主體被稱為「代理人」（Agent）。代理人觀測環境的狀態，並決定下一步的行動，根據行動結果獲得獎勵，從而不斷優化行為模式。本次研究中，代理人通過觀測橋樑的振動（環境狀態），學習如何操作質量阻尼器（行動），以更有效地減少振動。
由於強化學習需依賴模擬環境等條件，因此傳統上很少用於實際產業應用。然而，本次研究成功結合神經網絡與強化學習技術，實現了突破性的成果。
另闢蹊徑：人工智慧自主學習的關鍵，強 化學習演算法的制震應用
本次雙方共同開發的客製化人工智慧 「Custom AI」，於學習演算法中，使用了「強化學習 (Reinforcement Learning)」技術。相較於機器學習領域中較為人熟知的「監督學習 (Supervised Learning)」與「無監督學習 (Unsupervised Learning)」，強化學習可謂獨樹一幟；「監督學習」與「無監督學習」都需要事先準備大量的資料作為訓練的素材，而強化學習不需要事先提供範例資料，此演算法讓人工智慧宛若初生之犢，可以自行摸索，從經驗中學習，不需要手把手地教導。強化學習是讓人工智慧在環境中，透過嘗試錯誤，累積經驗，進而找出最佳的行動策略，不需要仰賴事先準備好的範例資料。
自主學習的奧秘：從獎勵機制中精益求精的強 化學習主體
在強化學習的架構下，人工智慧系統中存在一被稱為「Agent」的學習主體，此主體會觀察所處環境的狀態，並決定下一步的行動。根據行動的結果，人工智慧「Agent」會獲得相應的「報酬 (Reward)」，並依據這個獎勵機制，調整、優化行動策略，讓日後的表現更為出色。
人工智慧透過不斷地嘗試、學習、調整，逐步提升自己的能力，最終達成設定的目標。在本次的合作中，人工智慧「Agent」便是透過觀察橋梁的振動 (狀態)，並透過控制質量制震裝置的動作 (行動) 來抑制振動，並從中學習如何更有效率地達成任務。儘管強 化學習需要仰賴虛擬環境進行模擬，在實際應用上，具有一定的難度，但在雙方團隊的努力下，將強化學習與類神經網路 (Neural Network) 結合，終究取得突破性的成果，可謂開花結果。
實驗結果
經過約2萬次模擬實驗（每次模擬持續3秒），結果顯示AI對質量阻尼器的控制效果顯著。下圖中，藍線代表橋樑的振動，紅線則為AI控制下質量阻尼器的運動。紅線的運動能有效減少藍線的振動幅度，顯示AI能在短時間內顯著抑制振動。
這些模擬結果被應用於實際橋樑系統，並對人員行走引起的振動進行了比較。下圖中，黑線代表無控制情況，綠線為傳統AMD技術的控制效果，紅線則是本次強化學習AI的效果。結果顯示，AI技術的振動抑制效果達到傳統技術的一半以下。
未來應用
本次研究成果不僅限於建築物的振動控制，還可應用於其他引起振動的機械設備，例如：汽車、鐵道等公共交通機構、導體製造設備等對振動敏感的生產機器、需要對抗空氣阻力振動的航空航天技術。
此外，本研究基於「反饋控制」技術，未來可拓展至以下領域的即時控制系統：吊車控制、工廠製程控制 、空調系統調節、製造機器人操作。
