Digs 将楼层平面图转化为 AI 可读的建筑智能数据
了解 Digs 如何实现高质量蓝图标注的规模化，助力 AI 驱动的建筑流程。
2026年9月1日 | 美国
执行摘要
随着 Digs 不断扩展面向住宅建造商和房主的 AI 驱动协作平台，该公司需要一种可靠的方式，将复杂的平面图和蓝图图像转化为其 AI 系统可以使用的结构化数据。
通过与 Uber AI Solutions (UAIS) 合作，Digs 建立了一套灵活的数据标注流程，可根据蓝图标注要求的变化进行调整。此次合作保持了高质量的数据标注，将支持范围扩展到更细分的建筑元素，提高了运营可见性，并为持续推进 AI 产品开发奠定了可复用的基础。
关键结果
99.5%+
注释质量保持良好
1,000+
新增的房间名称识别任务
构建 AI 驱动的施工工作流程依赖于复杂的数据标注
Digs 正在打造一款由人工智能驱动的应用，帮助住宅建造商和业主整理施工文件、协作制定方案、自动流转任务，并维护房屋的数字档案。为了让这些流程顺利运行，该应用首先需要理解住宅平面图和蓝图，而这些图纸在布 局、符号、尺寸、朝向和建筑细节等方面差异很大。
随着 Digs 不断推出新的 AI 功能，其数据标注需求也变得更加复杂。任务范围从最初的房间划分，逐步扩展到房间命名、尺寸测量、墙体解析，以及蓝图中的其他元素。挑战并不仅仅在于标注更多图像。Digs 需要建立一套能够随着产品演进而调整的数据标注流程，同时保持建造商和房主所依赖的下游一致性。
寻找能够随着产品演进而调整的标注合作伙伴
Digs 与 Uber AI Solutions (UAIS) 合作。UAIS 团队迅速适应了 Digs 现有的技术环境和不断变化的工作流程，而不是强迫他们采用僵化的运营结构。UAIS 组建了一支专职标注团队，并按照 Digs 既有的审核流程开展工作。随着需求不断变化，工作流程也逐步进行了调整。调整后的工作流程能够支持旋转布局、更新后的划分规则、房间命名、尺寸测量，以及越来越专业的蓝图元素，而无需从头重建整套流程。
此次合作还弥补了运营可见性缺口。由于审核和数据导入流程存在于不同的系统之中，因此可能难以及时发现受阻的任务和新出现的问题。UAIS 引入了操作面板报告和自动 Slack 更新，显示队列状态、当前作业和受阻任务，让双方团队都能更好地了解日常情况，同时减少人工协调。
随着 AI 需求不断扩展，持续保持 99.5% 以上的蓝图标注准确率
此次合作建立了一套稳定的数据标注流程，能够支持不断变化的蓝图标注需求，同时确保核心工作流程的质量保持在 99.5% 以上。
报告可视化提高了发现工作流程问题和协调施工的效率，而灵活的运营模式则使 Digs 能够随着 AI 产品的演进不断引入新的标注任务。例如，新工作流程能够轻松承接一个额外的项目，包括 1,000 多项房间名称识别任务。
凭借在管理复杂标注项目和适应不断变化需求方面的运营经验，UAIS 使 Digs 能够扩展结构化施工数据的应用，无需每次标注要求变动时都建立新的内部流程。
可扩展的基础，支持 AI 驱动的施工工作流程
住宅建筑领域的 AI 系统依赖于对高度多样化的视觉文档进行准确解读。要构建这些功能，需要数据标注流程能够随着产品本身的发展不断调整。
通过与 Uber AI Solutions 合作，Digs 建立了一套可靠的蓝图数据标注工作流程，能够响应不断变化的需求，保持质量，并在不增加不必要复杂性的情况下扩展运营。如今，Digs 正在为现代住宅施工与居住打造 AI 驱动的工作流程。
了解 Uber AI 解决方案如何与您的企业合作，共同推动您的人工智能发展。
用户评价仅代表个人体验。每位用户的体验可能不同，实际效果因人而异，无法作为结果的承诺。