Anton Glance, Co-Founder og CTO, Buildroid AI – Interview Serie

Anton Glance, co-founder og CTO hos Buildroid AI, har mere end 10 års erfaring inden for AI, robotteknologi, automatisering og computer vision. Anton overså lanceringen af 2 højt automatiserede prefab-fabrikker hos Mighty Buildings. 

Sammen med Slava Solonitsyn, co-founder og CEO hos Buildroid AI, leder de et hold med mere end 12 års erfaring inden for robotteknologi, maskinlæring, digital arkitektur og innovative byggeteknologier

Buildroid AI er i gang med at bygge en simulation-først-platform, der forbinder Building Information Models med AI-drevne digitale tvillinge til at automatisere byggearbejde ved at koordinere multiple robotter som et samlet hold. Virksomheden har demonstreret et BIM-to-BUILD block-lægningssystem og udvider nu mod kommercielle udrulninger, der strømliner arbejdskrævende opgaver. Ved at validere robot-arbejdsprocesser i simulation, før de når byggepladsen, sigter Buildroid AI på at øge produktiviteten, reducere omkostningerne og skabe en skalerbar grundlag for automatisering på tværs af mange byggefag.

I før havde du bygget Mighty Buildings til en af de bedst finansierede og synlige contech-startups, der leverede mere end 50 automatiserede 3D-printede huse. Hvile huller eller ineffektiviteter observerede du under den rejse, der til sidst overbeviste dig om at grundlægge Buildroid AI og forfølge en robot-dreven tilgang til byggeproduktivitet?

Ved Mighty Buildings fulgte vi en off-site prefab-model, og vi stødte på strukturelle markedshindringer. Prefab-adoptionsgraden i USA er stadig under 6%, og introduktionen af et nyt 3D-printingsmateriale tog 3 år af overensstemmelsesarbejde på tværs af strukturelle, brand- og akustiske standarder. Fordi prefab absorberer fuld fabriksomkostning – udstyr, arbejdskraft, plads – kombineret med et ikke-masseproduceret materiale, endte vores produkt med at være ~20% dyrere end what markedet ville acceptere. Byggeindustrien opererer med ekstremt små margener, så omkostningspræmier dræber adoptionen.

Med Buildroid tog vi den modsatte vej: ingen nye materialer, ingen nye designs, ingen ændringer i koden. Vi integrerer direkte i eksisterende arbejdsprocesser og lader robotterne håndtere de repetitive, arbejdskrævende opgaver – fjerner industriel friktion i stedet for at tilføje den.

Hvordan ændrer din simulation-først-model, der bruger digitale tvillinge og BIM (Building Information Modeling), måden, byggehold test, validerer og optimerer robot-arbejdsprocesser, før noget når byggepladsen?

BIM definerer, hvad en bygning er; det beskriver ikke, hvordan man bygger den. Selv 4D-BIM tilføjer kun sekvensering, ikke sand konstruerbarhed. Vores BIM-to-BUILD simuleringsmotor låter holdene udføre hele byggeprocessen virtuelt inde i en fysisk nøjagtig digital tvilling – materialer, maskiner og pladsbegrænsninger opfører sig som den virkelige verden.

Interessenter kan teste hundredvis af scenarier, validerer byggebarhed, måle produktivitet og optimere arbejdsprocesser, før de når byggepladsen. Det unikke ved det: simuleringsoutputtet giver verificerede, klar til at køre robot-eksekveringsprogrammer, lukker hullerne mellem digital design og automatiseret fysisk konstruktion.

Dit platform understøtter over 40 forskellige robottyper. Hvordan opnår du pålidelig koordination mellem så forskellige hardware, samtidig med at du opretholder fleksibilitet for entreprenører?

Vores AI-planlægger sidder i kerne, kombinerer HTN (Hierarkiske opgave-netværk) til højniveau-sekvensering og Adfærdstræer til lavniveau-opgave-eksekvering. Robotter opererer som kapacitetsbaserede agenter – f.eks. en block-lægningsrobot “ved”, at den kan placere blokke, men ikke påføre gips.

Planlæggeren optimerer opgavefordeling, undgår byggeplads-bottlenecks (som blokering af stier), balancerer arbejdsbelastninger på tværs af multiple robotter og synkroniserer understøttende enheder som f.eks. materialehåndterings-robotter. Resultatet er et koordineret, selvjusterende robot-hold, der opfører sig som et velkoordineret menneske-hold.

Buildroid fremhæver produktivitetsgevinster på op til 10x (6x) og omkostningsbesparelser på op til 4x (3x). Hvile tidlige case-studier eller tekniske benchmarks demonstrerer bedst, hvordan disse resultater opnås?

På tværs af tre pilotprojekter – kommercielle, residens- og datacenter-projekter – observerede vi:

• 6× produktivitet: en murermester + hjælper producerer typisk 4-5 m²/dag af blockarbejde; med en robot stiger output til ~30 m²/dag.

• 3× omkostnings-effektivitet: opgaver, der kræver 12 arbejdere for at bygge 30 m²/dag, kan udføres med 2 arbejdere + en robot ved hjælp af vores platform.

Disse resultater kom, før vi udrullede multi-robot-arbejdsprocesser; når robot-flåder koordineres af en operatør, falder samlede projektvarighed betydeligt.

Din første kommercielle anvendelse fokuserer på blockarbejde og partition-væg-installation. Hvile kriterier bruger du til at bestemme, hvilke bygge-arbejdsprocesser er bedst egnede til multi-robot-automatisering herefter?

Vi prioriterer arbejdsprocesser med (1) alvorlige arbejdskraft-mangel, (2) gentagne manuelle belastninger og (3) klare opgave-dekomposition til multi-robot-samarbejde.

I Dubai, hvor vi lancerede, vejer hver partition-blok ~30 kg (66 lb) og murer-arbejdskrav langt overgår tilgængelig kvalificeret arbejdskraft. En stor entreprenør fortalte os, at de ville have brug for at ansætte og uddanne 6.000 murere næste år alene for at møde arbejdsbelastningen.

Blockarbejde dekomponerer naturligt i underopgaver – materiale-levering, mørtel-applikation, justering, forstærkning – gør det ideelt for specialiserede robotter, der arbejder sammen.

Næste i vores pipeline: gipsning, den sekventielle trin efter blockarbejde, i samarbejde med en førende robot-leverandør.

Da du træder ind på det amerikanske marked, hvilke er de største regulatoriske, sikkerheds- og operationelle hindringer, du forventer, og hvordan hjælper simulation-først-tilgangen med at afhjælpe dem?

OSHA kræver, at robotter beviser sikker menneske-robot-interaktion, selv for pilot-udrulninger. Certificering tager typisk 3+ måneder og er kostbar for startups, der har brug for hurtig iteration.

Vi arbejder med UL på en simulation-først-sikkerheds-godkendelsesramme. Ved at bevise, at vores digital tvilling matcher den virkelige verden, kan vi validere kant-scenarier, kollisions-scenarier og nødsituationer virtuelt – dramatisk reducerer behovet for længerevarende laboratorie-test og accelererer overensstemmelses-tidsrammer.

Hvordan ser du multi-robot-arbejdsstrømme udvikle sig på komplekse byggepladser, når AI-koordination bliver mere moden?

Vi forventer, at byggepladserne vil skifte til fuldt robotiserede hold med mennesker i overvågningsroller. En enkelt operatør vil overvåge robot-flåder gennem vores AI-koordinations-platform, der bruger en digital tvilling til at koordinere opgaver i realtid. Robotterne vil håndtere produktionen; menneskerne vil håndtere overvågning og undtagelseshåndtering.

Hvile gennembrud i AI-beslutningstagning og arbejdsproces-optimering er mest kritiske for at aktivere pålidelig, autonom job-side-eksekvering?

Næste front er multi-agent fysisk AI – robotter, der tager lokale beslutninger, mens de samarbejder som et system. Dette kræver fremskridt i:

• decentraliseret planlægning og koordination

• robust perception under byggeplads-forhold

• adaptiv opgave-allocation, når miljøet ændrer sig

Disse evner vil låse op for pålidelig, semi-autonom til fuldt autonom drift.

Som en gentagen contech-grundlægger, hvilke aspekter af byggeteknologi-adoptionsforståelse tror du, at industriansvarlige stadig misforstår, og hvordan afhjælper Buildroid disse misforståelser?

Mange startups forsøger at ændre materialer, processen eller bygningssystemet i sig selv – netop de områder, hvor byggeindustrien er mindst fleksibel. Industrien bygger i dag stadig på samme måde, som den gjorde for 100 år siden, og ændring af kerne-metoder tager år af regulatorisk, leverandør-kæde- og kulturel ændring.

Buildroid undgår denne friktion. Vi øger produktiviteten uden at ændre materialer eller designs, fokuserer kun på, hvordan eksisterende materialer installeres.

Forestiller du dig, at Buildroid bliver en økosystem-platform, som tredjeparts-robotter og entreprenører kan bygge på, og skabe en samlet opereringslag for bygge-robotteknologi på landsplan?

Absolut – det er den lange sigt. Men først må vi bevise slut til slut-excellence i en enkelt højværdi-arbejdsproces: væg-konstruktion. Når vi perfektionerer denne skitse, bliver udvidelse til tredjeparts-robotter og yderligere arbejdsprocesser en naturlig økosystem-udvikling.