Gravis Robotics rejser 200 millioner dollar i en serie A-runde til udbredelse af autonome entreprenørmaskiner

Gravis Robotics har rejst 200 millioner dollar i en serie A-runde fra SoftBank, hvilket giver robotvirksomheden fra Zürich betydelig ny kapital til at udbrede sin teknologi til autonome tunge entreprenørmaskiner i infrastrukturprojekter verden over.

Virksomheden beskriver finansieringen som den hidtil største serie A-runde inden for byggerobotik. Runden kommer, mens investeringer i fysisk AI i stigende grad rækker ud over humanoide robotter og lagerautomatisering til brancher, hvor maskiner skal interagere med komplekse omgivelser, der hele tiden ændrer sig.

For Gravis er de omgivelser byggepladsen. I stedet for at bygge nye tunge maskiner fra bunden udvikler virksomheden hardware og AI-software, der kan eftermonteres på eksisterende gravemaskiner og andet jordflytningsmateriel. Dermed tilføjes forskellige grader af autonom drift til de maskinparker, entreprenørerne allerede ejer.

Den nye finansiering skal fremskynde Gravis’ internationale udrulning, udvide udviklingsteamet og få virksomhedens autonome systemer ind i flere bygge- og infrastrukturprojekter.

Fysisk AI til tunge anlægsarbejder

Gravis blev grundlagt i slutningen af 2022 som en udspringervirksomhed fra ETH Zürich på baggrund af forskning i robotteknologi og autonome styresystemer. Virksomheden ledes af administrerende direktør og medstifter Ryan Luke Johns og teknisk direktør og medstifter Dominic Jud. Robotforsker Marco Hutter er medstifter og bestyrelsesmedlem.

Byggeriet giver andre udfordringer end mange af de miljøer, hvor autonome maskiner allerede har fået fodfæste.

En selvkørende bil forsøger eksempelvis normalt at forstå omgivelserne og bevæge sig sikkert gennem dem uden at ændre dem. En gravemaskine forventes at gøre det modsatte. Hver bevægelse med skovlen ændrer det terræn, maskinen derefter skal forstå.

Maskinen kan desuden møde jord, sten, skiftende skråninger, modstand under overfladen og andre forhold, som ikke kan forudsiges fuldt ud.

Gravis forsøger at håndtere den usikkerhed med læringsbaserede robotstyresystemer, som kombinerer data fra maskinens hydraulik med LiDAR, kameraer og positionering via et globalt satellitnavigationssystem (GNSS). Softwaren fortolker løbende maskinens omgivelser og de fysiske kræfter, der påvirker den, frem for blot at udføre en på forhånd fastlagt række bevægelser.

Virksomheden siger, at modellerne også trænes omfattende i simulering, så AI-systemet kan møde et stort antal virtuelle udgravningsscenarier, før det sættes i drift på virkelige maskiner.

Eksisterende gravemaskiner bliver autonome

En central del af Gravis’ strategi er at undgå afhængighed af én enkelt maskinproducent.

Entreprenørers maskinparker består typisk af flere mærker, samlet gennem mange års køb og lejeaftaler. Hvis de skulle udskifte hele maskinparken med specialbyggede autonome maskiner, kunne det gøre indførelsen betydeligt vanskeligere.

Gravis har i stedet udviklet Gravis RACK, et modulært autonomt styresystem, der kan monteres på eksisterende gravemaskiner og hjullæssere. Ifølge virksomheden er platformen allerede tilpasset maskiner fra blandt andre Caterpillar, John Deere, JCB, Hitachi, Volvo, Yanmar, Case, Develon og Sumitomo.

Det tagmonterede system kombinerer kameraer, 3D-LiDAR, GNSS RTK-positionering og lokal databehandling med komponenter af bilindustristandard. Da behandlingen foregår på selve maskinen, siger Gravis, at de autonome funktioner kan fortsætte, selv når der ikke er en pålidelig forbindelse. Det er vigtigt på afsidesliggende eller ufærdige byggepladser.

Fuld LiDAR-dækning og sammenstilling af sensordata bruges til løbende at scanne det omgivende terræn. Oplysningerne kan understøtte autonom udgravning og samtidig skabe 3D-data om byggepladsen, visualiseringer af afgravning og opfyldning samt registrering af udført arbejde.

Gravis’ perceptionssystem kan også identificere lastbiler med tippelad og koordinere, hvor det opgravede materiale skal placeres. Dermed kan autonome arbejdsgange udvides fra gravning til blandt andet læsning og materialehåndtering.

Autonomi uden at fjerne maskinføreren

Gravis fremstiller ikke autonomi som en overgang, hvor man skal vælge alt eller intet.

Virksomhedens Slate-tabletgrænseflade giver entreprenører mulighed for at skifte mellem flere driftsformer afhængigt af opgaven. Maskinførere kan blive i førerhuset og bruge AI-assisteret vejledning, gå væk, mens maskinen udfører længere autonome opgaver, eller overvåge udstyret på afstand.

I Copilot-tilstanden i førerhuset kan maskinførere bruge gravekommandoer via tryk på skærmen og udvidet visuel vejledning. Opgaver kan defineres med geometri fra computerstøttet design (CAD) eller bygningsinformationsmodellering (BIM), fysiske referencepunkter eller koordinater. Grænsefladen kan derefter vise, hvor meget materiale der skal fjernes eller tilføjes, mens maskinen arbejder.

I den anden ende af skalaen gør fjernkoordinering det muligt for en operatør at overvåge og fjernbetjene én eller flere maskiner ved hjælp af livevideo og oplysninger fra byggepladsen.

Denne hybride tilgang kan få betydning for udbredelsen. Byggepladser består sjældent af gentagne opgaver udført under fuldstændig kontrollerede forhold. Ved at bevare mennesker i driften kan entreprenører indføre autonomi gradvist i stedet for at omlægge hele byggepladsen til fuldt førerløst materiel.

Et softwarelag på tværs af blandede maskinparker

Den bredere ambition er i praksis at skabe et intelligenslag oven på det fragmenterede marked for tunge maskiner.

Hvis den samme autonome software kan betjene maskiner fra mange producenter og i forskellige størrelser, vil entreprenører potentielt kunne automatisere uden at standardisere hele maskinparken omkring én leverandør.

Gravis siger, at virksomhedens læringsbaserede styresystem tilpasser sig forskellige maskiners fysiske egenskaber, så hver gravemaskine ikke behøver at blive programmeret separat.

Den forskel kan blive vigtigere, efterhånden som fysisk AI går fra demonstrationer til kommerciel drift. Et robotsystem, der fungerer godt på én omhyggeligt konfigureret maskine, er langt mindre nyttigt for store entreprenører end software, der kan tilpasse sig de forskelligartede maskinparker, som allerede arbejder verden over.

Ifølge Gravis kan virksomhedens terrænbevidste graveteknologi øge produktiviteten med op til 30 procent. De faktiske gevinster vil dog uundgåeligt afhænge af maskinen, opgaven og forholdene på byggepladsen.

Fra forskningsprojekter til aktive byggepladser

Gravis var allerede begyndt at udvide kommercielt før SoftBanks investering.

I november 2025 annoncerede virksomheden 23 millioner dollar i ny finansiering sammen med partnerskaber og implementeringer med blandt andre Holcim, Taylor Woodrow, HD Hyundai og Flannery Plant Hire. På det tidspunkt oplyste Gravis, at systemerne var i drift i syv lande fordelt på Storbritannien, EU, USA, Latinamerika og Asien.

En bemærkelsesværdig implementering omfattede autonom udgravning på et aktivt infrastrukturprojekt hos Taylor Woodrow i Manchester Airport. Virksomheden har også arbejdet med autonom materialehåndtering i stenbrud og indgået et partnerskab med Flannery om at gøre gravemaskiner med Gravis-teknologi tilgængelige gennem udlejningsmarkedet.

Denne kommercialiseringshistorie adskiller den seneste finansiering fra investeringer i fysisk AI, der primært handler om fremtidige prototyper. Gravis rejser kapital, mens systemerne allerede testes og bruges sammen med traditionelle byggehold.

Britisk projekt skal afprøve autonome gravemaskiner i større skala

Udvidelsen modtager også offentlig støtte.

Gravis og Flannery Plant Hire er for nylig blevet udvalgt til et projekt under Storbritanniens CAM Pathfinder-program for forbundet og automatiseret mobilitet. Initiativet skal afprøve et fuldt autonomt jordflytningssystem på seks gravemaskiner, blandt andet til rendegravning, større udgravninger og læsning af lastbiler.

Projektet er særligt relevant, fordi maskinudlejning kan blive en vigtig distributionskanal for autonomi i byggeriet.

I stedet for at kræve, at entreprenører køber autonome maskiner eller permanent ombygger deres egne maskinparker, kan udlejningsselskaber tilbyde materiel med autonome funktioner til enkelte projekter. Det kan sænke de økonomiske og driftsmæssige barrierer for at afprøve teknologien.

Samtidig vil autonome systemer blive udsat for langt flere forskellige byggepladser, maskinkonfigurationer og jordbundsforhold. Det kan skabe værdifulde driftsdata til at forbedre de underliggende AI-modeller.

Hvorfor byggeriet bliver et stort marked for fysisk AI

Meget af opmærksomheden om fysisk AI har været rettet mod humanoide robotter. Tunge maskiner udgør en anden potentielt væsentlig mulighed, hvor den økonomiske anvendelse kan være lettere at definere.

Gravemaskiner, læssemaskiner og andet materiel udfører allerede enorme mængder fysisk arbejde. Udfordringen er ikke at opfinde en ny mekanisk form, men at tilføre intelligens til udstyr, der allerede er i brug i stor skala.

Det skaber en anden vej til kommercialisering. I stedet for at bede kunderne afgøre, hvad en ny type robot skal gøre, retter virksomheder som Gravis sig mod opgaver, som entreprenører allerede betaler faglærte medarbejdere og bruger dyre maskiner til at udføre hver dag.

Den resterende udfordring er pålidelighed. Byggepladser er uordnede, dynamiske og sikkerhedskritiske. Autonomt materiel skal derfor fungere stabilt under forhold, der er langt mindre forudsigelige end fabrikshaller eller lagre.

Gravis’ fokus på simulering, maskintelemetri, sammenstilling af sensordata og tilpasningsdygtige styremodeller afspejler, hvor vanskelig den opgave er.

SoftBanks finansiering bringer Gravis ind i en ny ekspansionsfase

Serie A-runden på 200 millioner dollar giver Gravis væsentligt flere ressourcer til at løse udfordringen.

Muligheden består nu i høj grad i udrulning frem for blot at finansiere yderligere forskning: at installere systemer på flere maskinmærker, samle erfaring fra aktive byggeprojekter og vise, at autonome maskiner kan give stabile økonomiske gevinster uden for kontrollerede demonstrationer.

Strategien med eftermontering kan blive særligt vigtig. Byggevirksomheder har enorme kapitalbeløb bundet i eksisterende maskiner. En platform, der kan tilføje intelligens på tværs af disse aktiver, kan skaleres på en anden måde end konkurrenter, der kræver, at kunderne køber helt nye robotflåder.

Hvis modellen viser sig pålidelig, kan byggeriet blive et af de mest betydningsfulde markeder for fysisk AI. Maskinerne findes allerede, arbejdet er defineret, og efterspørgslen efter infrastruktur vokser fortsat.

Gravis Robotics har nu yderligere 200 millioner dollar til at vise, at AI kan mere end at forstå og bevæge sig i den fysiske verden. Den kan være med til at omforme den.