Anton Glance, medstifter og CTO, Buildroid AI – Intervieuserie

Anton Glance, medstifter og CTO i Buildroid AI, har mere end 10 års erfaring inden for AI, robotteknologi, automation og computer vision. Anton var ansvarlig for lanceringen af 2 højt automatiserede prefab-fabrikker hos Mighty Buildings. 

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

Buildroid AI bygger 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 blok-lægningssystem og udvider nu mod kommercielle udrulninger, der strømliner arbejdskrævende opgaver. Ved at validere robot-workflows i simulation, før de når byggepladsen, sigter Buildroid AI på at øge produktiviteten, reducere omkostningerne og skabe en skalerbar grundlag for automation på tværs af mange byggefag.

I før havde du bygget Mighty Buildings til en af de mest velfinansierede og synlige contech-startups, leverede mere end 50 automatiserede 3D-printede huse. Hvilke huller eller ineffektive områder observerede du under den rejse, der til sidst overbeviste dig om at stifte Buildroid AI og følge en robot-dreven tilgang til byggeproduktivitet?

Ved Mighty Buildings fulgte vi en off-site prefab-model, og vi stødte på strukturelle markedsskranker. Prefab-adoptionsgraden i USA er stadig under 6%, og introduktionen af et nyt 3D-printemateriale tog 3 år af overenskomstarbejde på tværs af strukturelle, brand- og akustiske standarder. Fordi prefab absorberer fuld fabriksomkostning – udstyr, arbejdskraft, areal – 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 adoptionsgraden.

Med Buildroid tog vi den modsatte vej: ingen nye materialer, ingen nye designs, ingen ændringer i koden. Vi integrerer direkte i eksisterende workflows 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 tester, validerer og optimerer robot-workflows, 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 constructability. Vores BIM-to-BUILD-simulationsmotor lar holdene udføre hele byggeprocessen virtuelt inden for en fysisk nøjagtig digital tvilling – materialer, maskiner og byggepladsbegrænsninger opfører sig som den virkelige verden.

Interessenter kan teste hundredvis af scenarier, validerer byggeevne, måle produktivitet og optimere workflows, før de rører byggepladsen. Det unikke ved det: simulationsoutput giver verificerede, klar-til-at-køre robot-executionsprogrammer, lukker gapet mellem digital design og automatiseret fysisk bygning.

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

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

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

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

Over tre pilotprojekter – kommercielle, residensiale og datacenter-projekter – observerede vi:

• 6× produktivitet: en murermester + hjælper producerer typisk 4–5 m²/dag af blok-arbejde; 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 udrulning af multi-robot-workflows; når robot-flåder koordineres af en operatør, falder samlet projektvarighed betydeligt.

Hvad er kriterierne for at bestemme, hvilke bygge-workflows er bedst egnede til multi-robot-automation herefter?

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

I Dubai, hvor vi lancerede, vejer hver partition-blok ~30 kg (66 lb), og murer-arbejdskraft-efterfrage 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.

Blok-arbejde 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 blok-arbejde, i partnerskab med en førende robot-leverandør.

Når du indtræder på det amerikanske marked, hvad er de største regulatoriske, sikkerheds- og operationelle hindringer, du forventer, og hvordan hjælper simulation-først-tilgangen med at mildne dem?

OSHA kræver, at robotter skal bevise 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 digitale tvilling matcher den virkelige verden, kan vi validere kant-scenarier, kollisions-scenarier og nødsituationer virtuelt – reducerer dramatisk behovet for længerevarende laboratorie-test og accelererer overenskomst-tidsrammer.

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

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

Hvad er de vigtigste gennembrud i AI-beslutningstagning og workflow-optimering til at aktivere pålidelig, autonom job-site-eksekvering?

Den næste front er multi-agent-fysisk AI – robotter, der tager lokale beslutninger, samtidig med at 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-stifter, hvad aspekter af byggeteknologi-adoptionsgrad mener du, at industrien stadig misforstår, og hvordan adresserer 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 stadig i dag på samme måde, som den gjorde for 100 år siden, og ændring af kerne-metoder tager år af regulatorisk, forsyningskæde- og kulturel skift.

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 skaber en samlet opereringslag for bygge-robotteknologi på landsplan?

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