Adam Sadilek. Stifter og administrerende direktør for AIM – Interviewserie

Adam Sadilek er stifter og administrerende direktør for AIM. Som barn var han besat af robotteknologi og automation – drevet af en ønske om at bygge systemer, der kan lære på egen hånd og gøre fysisk arbejde smartere, hurtigere og sikrere. Denne tidlige fascination førte ham til Google (GOOGL ), hvor han bidrog til banebrydende arbejde med planet-skala AI og autonome køretøjer, som senere udviklede sig til Waymo. Da han erkendte en utilgået mulighed, stiftede han AIM for at bringe autonomi til jordarbejde – en sektor, der understøtter næsten alle menneskelige infrastrukturer, men som har set lidt automation siden introduktionen af hydraulisk maskineri.

AIM er en pioner inden for verdens første AI-drevne platform til tungt udstyr, der transformerer, hvordan jorden flyttes i stor skala. Ved at kombinere avancerede perceptions-, planlægnings- og kontrolsystemer automatiserer AIM udgravning, jævning og materialebevægelse på tværs af bygge-, mine- og klimaresiliensprojekter. Virksomhedens teknologi løser kritiske globale udfordringer som arbejdskraftmangel, modernisering af infrastruktur og katastrofeberedskab – og lægger grundlaget for en fremtid, hvor autonome maskiner kan bygge både på Jorden og udover.

Du tilbragte mere end et årti hos Google[x], hvor du arbejdede med store AI-initiativer, herunder det, der blev til Waymo. Hvilke specifikke erfaringer under den periode overbeviste dig om, at automatisering af den fysiske verden – og ikke kun digitale miljøer – var den rigtige grænse?

Jeg havde privileget at tilslutte mig Google lige efter min PhD i AI. Arbejdet hos Google[x] og Alphabet (GOOG ) gav mig praktisk erfaring med at se potentialet for AI i virkelige verdensmiljøer. Men det var ikke før, jeg skiftede til at bygge fysiske infrastrukturprojekter, at jeg rigtigt forstod, hvor meget af en spilforvandler automation kunne være i den byggede verden.

At se, hvor udfordrende det var at flytte jord, jord og materiale hver dag – selv for erfarne byggere – førte mig til det aha-øjeblik: ingen løste dette essentielle problem på en skalerbar måde. Autonom jordarbejde ville ikke kun radikalt forbedre sikkerheden for grundpersonale og accelerere massive industrier som minedrift, bygge- og anlægsarbejde, men kunne også løse nogle af vores planets største udfordringer, som terraforming og at omgøre den skade, der historisk er blevet gjort mod vores planet.

Så under pandemien begyndte jeg at konvertere manuelle maskiner til autonome i min garage, og det er, hvor AIM blev født.

Med AIM Intelligent Machines har du valgt en sektor, der har set lidt robotteknologi eller autonomi siden introduktionen af hydraulisk maskineri. Kan du beskrive det afgørende øjeblik eller indsigt, da du besluttede, at det var tid at lancere AIM?

Alt, hvad vi bygger, hvad vi afhænger af fra dag til dag, starter med jord. Fra den enhed, du læser dette på nu, til bygningerne, vejene og maskinerne, vi bruger hver dag, alt dette er enten udvundet eller dyrket, og vores evne til at flytte jord er nøgle til alt dette.

Jeg indså først hånden på, at jordarbejdsindustrier som minedrift og bygge- og anlægsarbejde havde set lidt af den teknologi og automation, der havde forandret andre industrier. Mens lagerhaller havde transportsystemer, fabrikker havde automatiserede samlebånd og shipping-containerisering og sporingsystemer – de metoder, vi bruger til at flytte store mængder jord, har ikke rigtig ændret sig i lang tid.

Jeg begyndte også at forstå det enorme behov for at forbedre jordarbejde. At operere tungt maskineri er et af de farligste job i verden, hvilket fører til både akutte og kroniske arbejdskraftmangel for dygtige arbejdere (bygge- og anlægsindustrien skal tiltrække næsten 1 million arbejdere over de næste to år for at møde projektdannelsen). Der er også et enormt behov på verdensplan for autonom jordarbejde til at forbedre alt fra materialeforsyningskæder til at bygge bedre infrastruktur, beskytte og genskabe områder, der er truet eller skadet af naturkatastrofer, og andet.

Alt dette førte mig til den indsigt, at vores civilisation har brug for autonom jordarbejde. Vi har brug for vision, fart og intelligens til at omforme planeten med præcision og skala til at løse planetens største udfordringer og muligheder. Det er, hvad der førte mig til at lancere AIM, og det, vi løser.

Autonomi for minedrift eller bygge- og anlægsmaskineri præsenterer enorme kompleksiteter: ru terrain, uforudsigelige forhold, tungt maskineri bygget til at vare i årtier. Hvad var de nøgle-tekniske gennembrud, der gjorde din platform mulig – i sansning, kortlægning, maskinlæring eller integration?

At designe inkorporeret AI til at flytte jord i nogle af de hårdeste forhold på vores planet, er ikke let. Ikke kun havde vi brug for at designe til miljøer, hvor der ikke er vejene, vejbaner eller andre regler for AI at følge – vi havde også brug for at udvikle systemer, der kan gøre dette i steder med ekstrem varme og kulde, mørke, dårlig til ikke-eksisterende internetforbindelse og vejrforhold som sne, hagl eller sandstorme.

En af de nøgle-tekniske gennembrud for AIM var at løse udfordringen med sansning og kortlægning i ru terrain. Sensor-teknologi kan være skrøbelig, når den er udstyret med maskiner, der oplever meget vibration og impact. Så hvad vi har gjort, er at eliminere disse skrøbelige dele og integrere alle AIM’s beregning og kritiske komponenter i en proprietær pansret struktur, der også er forseglet for at forhindre skrald og sand i at komme ind. Vi har også svært sensorer inden i maskinens skelet for at give endnu mere holdbarhed.

Denne robusthed, i kombination med kraftfuld slut-til-slut-læring ombord, er hvad der gør AIM-maskiner i stand til at automatisere jordarbejdsopgaver i nogle af de mest ekstreme miljøer, på virkelige produktionsarbejdspladser på verdensplan. Der er et enormt niveau af forskel mellem en prototype og et system, der er udviklet kommercielt med nogle af verdens største minearbejdere, byggere og afdelinger af den amerikanske regering, der afhænger af det hver dag på deres arbejdspladser.

AIM’s strategi er at ombygge eksisterende tungt maskineri med sensorer, LiDAR og kameraer. Hvorfor valgte du at udnytte eksisterende maskineri i stedet for at udvikle helt nye autonome maskiner fra bunden?

Det enkle svar er, at vi ønsker, at automation skal være tilgængelig for alle jordarbejdsoperationer i dag. Arbejds- og anlægschefer har allerede investeret millioner til milliarder i tungt maskineri. Bare en af disse maskiner kan koste mere end 1 million dollars og har en lang levetid. Så det er ikke kun økonomisk eller bæredygtigt at erstatte hele flåden med nye maskiner for at blive autonome.

Vores tilgang med ombygning først løser hundredtusinder af disse arvede maskiner i drift på verdensplan. AIM giver organisationer, store eller små, mulighed for at øge deres kapacitet til at forbedre materialeforsyningskæder, bygge infrastruktur, beskytte og genskabe områder, der er truet eller skadet af naturkatastrofer, og andet. Dette er med til at låse op for kraften af automation for operatører i den fart og skala, det er nødvendigt for i dag, ikke 10 år ind i fremtiden.

Din platform bruger slut-til-slut-læring, så maskiner kan “lære sig selv” til at grave hurtigere og mere effektivt. Hvordan fungerer denne feedback-løkke præcis i felten, og hvilke operationelle forbedringer har du observeret indtil nu?

Vores tilgang var at placere alle AI-beregninger ombord. I kombination med vores hårdede platform, der kan operere selv uden GPS eller internet, leverer vi avanceret autonomi gennem slut-til-slut-læring udført på kanten. Dette giver maskinerne mulighed for at blive klogere og hurtigere, jo mere de udfører arbejdet. Faktisk kan en AIM-udstyret maskine lære at grave rigtig godt på under en time! AI-robotstyringen bliver ekstremt præcis, da den lærer, f.eks. kørende med en to-centimeters nøjagtighed, selv uden GPS.

Slut-til-slut-læring er nøgle til, at AIM-maskiner kan nå det kommercielle niveau af autonomi til at udføre jordarbejdsopgaver på produktionsarbejdspladser på verdensplan. Det betyder også, at alle data, analyser og ydelsesovervågning er ombord for at reducere slid, kutte nedtid og forlænge maskinernes arbejdsliv endnu mere.

Desuden, da systemet lærer, kan AIM levere nye operationelle og CapEx-værdier på tværs af brændstofbesparelser, arbejdsfelt, flådenyttelse, optimal AI-siteplanlægning og eliminering af omgående arbejde. I gennemsnit i minedrift genererer AIM en ekstra 13 millioner dollars værd af malm pr. maskine om året til toplinjen, mens det også sparer 633.000 dollars pr. maskine om året til bundlinjeforstbedringer (direkte operationsbesparelser). At eliminere enhver mulig skade på mennesker, da der ikke er nogen på eller nær maskinerne længere, er naturligvis en enorm sikkerhedsforbedring, der er værd at stræbe efter i sig selv og går udover tal.

Du mener, at anvendelsen af AI her er kritisk for infrastruktur, klimaresiliens, selv forsvar. Hvad er de mest slående virkelige anvendelser, du arbejder på lige nu – og hvordan ser du deres samfundsmæssige indvirkning?

Lige nu bor en milliard mennesker mindre end 10 meter over stigende havniveauer, en ud af seks bor i områder med betydelig brandrisiko, og over tre milliarder er berørt af forringet land, der har brug for genskabelse. Der er ingen tvivl om, at arbejdskraftmangel påvirker bygge- og anlægsindustrien hårdt, og det er svært at bygge kritisk infrastruktur, udføre reparationer og fuldføre projekter hurtigt nok.

Den eneste måde, vi kan løse disse udfordringer på, er ved at bringe mere kraft og autonomi til arbejdspladserne – så operationer ikke er begrænsede af arbejdskraftsbegrænsninger, vejrforhold eller farlige arbejdsmiljøer.

For eksempel er skovbrande mere hyppige på grund af de negative effekter af klimaforandringer. I stedet for at reagere på skaden, som disse brande forårsager, stopper AIM dem, før de sker. AIM-udstyrede bulldozere kan sættes direkte ind i dybe skove for at skabe brandbremsninger, der forhindrer skovbrandene i at sprede sig, mens de opereres på afstand.

AI vil forandre, hvordan vi reagerer på og forhindrer disse naturkatastrofer og klima-udfordringer.

Minedrifts- og bygge- og anlægsindustrierne har ofte indgroede praksisser, tung regulering og høj risikotolerance, men lav automationstilpasning. Hvad er de ikke-tekniske barrierer (kulturelle, regulative, operationelle), AIM står over for i at skale løsningen?

Det er altid en udfordring, når en transformerende teknologi kommer ind i et område, hvor praksisser er blevet etableret i årtier. AI-drevet teknologi bringer altid en smule skepsis med sig i ikke-tekniske industrier. Men med AIM har vi kunnet overvinde disse udfordringer ved at vise operatørerne, hvordan AIM fungerer, hvordan det giver dem mulighed for at arbejde på en sikker, mere tilfredsstillende og bæredygtig måde.

Disse industrier føler selv virkningen af arbejdskraftmangel og stigende efterspørgsel, og når de kan se, hvordan AIM-udstyrede køretøjer kan udføre en fuld skift autonomt med præcision, eller operere på steder, der er for farlige for deres besætning at gå, forsvinder disse bekymringer. I stedet for at være fast på maskinerne er operatørerne begejstrede for at lære, at de kan operere autonome flåder på en sikker afstand (og i aircondition eller opvarmning) for at øge både output og driftstid.

Det voksende behov for operationel effektivitet overvinder de barrierer, der traditionelt har forhindret tilpasning.

Du stiftede AIM på et tidspunkt, hvor få var interesserede i at anvende AI i tungt maskineri og jordarbejde. Hvordan kristalliserede du den langsigtede vision for AIM – og hvordan balancerede du tidlig eksperimentering med den større industrinarrative omkring automation i minedrift og bygge- og anlæg?

Da jeg forlod Google, begyndte jeg at bygge tungt fysisk infrastrukturprojekter, der krævede lav forsinkelse og ekstrem fart – det var, da jeg vidste, at vi havde brug for at bringe autonome operationer ind i den fysiske verden.

Automation var altid mere en drøm for minedrifts- og bygge- og anlægsindustrien; alle håbede på, at en løsning ville dukke op, men ingen gjorde noget ved det. Med en teknisk og branche-specifik baggrund var visionen for AIM klar. Jeg forstod de operationelle huller, der skulle løses, og hvordan AI kan anvendes i den fysiske verden, og jeg vidste, at markedet for denne optimering var der.

Givet dit arbejde med både planet-skala AI (hos Google/Waymo) og nu jordarbejdsautonomi, hvordan sammenligner du potentialet for AI i den fysiske verden i forhold til, hvad vi har set i den digitale domæne?

AI har allerede forandret, hvordan vi opererer i den digitale verden, og vi ser en lignende værdiproposition i den fysiske verden – men på en endnu større skala. Ligesom AI forvandler, hvordan mennesker kan udføre forskning, styre opgaver og reducere menneskelig overvågning, forvandler AIM, hvordan fysiske maskiner opererer, lærer af erfaringer og tilpasser sig til ændrede miljøer.

Vi giver menneskelige operatører mulighed for at udføre deres arbejde bedre ved at udstyre dem med autonome maskiner, der kan arbejde på steder, de fysisk ikke kan nå, operere i vejrforhold, der ellers ville lukke en byggeplads, og opretholde kontinuerlig produktivitet. Hverken digitale eller fysiske anvendelser af AI er beregnet til at erstatte mennesker fuldstændigt – det handler om at forbedre, hvordan mennesker kan arbejde.

Du har foreslået, at AIM’s vision strækker sig ud over Jorden – til off-planet konstruktion og terraforming. Hvor realistisk er denne horisont i din mening, og hvilken rol ser du, AIM spiller i denne fremtid?

At bringe denne automation til alle Jordens hjørner er det første skridt – men da off-planet konstruktion og ressourceudnyttelse bliver en realitet, vil behovet for autonome, fjernstyrede tungt maskineri blive endnu mere kritisk. Vi kan ikke sende en menneskelig byggebesætning til Mars, men vi kan sende AIM-udstyrede maskiner, der kan operere i disse ekstreme vejrforhold, mens de lærer af deres egen erfaring, hvordan de kan operere bedre i dette landskab. Vi har brug for maskiner, der ikke kun opererer via fjernstyring; vi har brug for maskiner, der kan operere fuldstændigt autonomt i steder, hvor mennesker ikke kan.