Gravis Robotics recauda $200 millones en Serie A para escalar maquinaria pesada autónoma

Gravis Robotics ha recaudado $200 millones en financiación Serie A de SoftBank, lo que brinda a la empresa suiza de robótica de construcción un capital nuevo sustancial para expandir su tecnología de maquinaria pesada autónoma en proyectos de infraestructura global.

La empresa describe la financiación como la mayor Serie A en robótica de construcción hasta la fecha. La ronda llega en un momento en que la inversión en physical AI se extiende cada vez más más allá de los robots humanoides y la automatización de almacenes, hacia industrias donde las máquinas deben interactuar con entornos complejos y cambiantes.

Para Gravis, ese entorno es la obra de construcción. En lugar de construir nuevo equipo pesado desde cero, la empresa desarrolla hardware y software de IA diseñados para adaptar excavadoras y otra maquinaria de movimiento de tierra existentes, añadiendo efectivamente distintos grados de operación autónoma a flotas que los contratistas ya poseen.

La nueva financiación se utilizará para acelerar el despliegue internacional de Gravis, ampliar su equipo de ingeniería y colocar sus sistemas autónomos en más proyectos de construcción e infraestructura.

Llevando la IA física a la construcción pesada

Fundada a finales de 2022 como una spin‑off de ETH Zurich, Gravis surgió de la investigación en robótica y sistemas de control autónomo. La empresa está dirigida por el CEO y cofundador Ryan Luke Johns y el CTO y cofundador Dominic Jud, con el investigador de robótica Marco Hutter como cofundador y miembro del consejo.

La construcción presenta un desafío diferente al de muchos de los entornos donde las máquinas autónomas han ganado terreno.

Un vehículo autónomo, por ejemplo, generalmente intenta comprender y navegar de forma segura un entorno sin modificarlo. Se espera que una excavadora haga lo contrario. Cada movimiento del cucharón altera el terreno que la máquina debe comprender a continuación.

La máquina también puede encontrarse con suelo, rocas, pendientes cambiantes, resistencia subterránea y otras condiciones que no pueden preverse completamente con antelación.

Gravis intenta abordar esa incertidumbre mediante sistemas de control robótico basados en aprendizaje que combinan datos de la hidráulica de la máquina con LiDAR, cámaras y posicionamiento del Sistema Global de Navegación por Satélite (GNSS). Su software interpreta continuamente el entorno de la maquinaria y las fuerzas físicas que la afectan, en lugar de ejecutar simplemente una secuencia predefinida de movimientos.

La empresa afirma que sus modelos también se entrenan extensamente en simulación, lo que permite que la IA experimente una gran cantidad de escenarios de excavación virtuales antes de ser desplegada en maquinaria física.

Convertir excavadoras existentes en máquinas autónomas

Una parte central de la estrategia de Gravis es evitar la dependencia de un único fabricante de equipos.

Las flotas de construcción suelen estar compuestas por máquinas de múltiples marcas, acumuladas a lo largo de años de compras y acuerdos de alquiler. Pedir a los contratistas que reemplacen esas flotas por maquinaria autónoma diseñada específicamente podría dificultar considerablemente la adopción.

En su lugar, Gravis ha desarrollado el Gravis RACK, un sistema de control autónomo modular que puede instalarse en excavadoras y cargadores de ruedas existentes. La empresa afirma que la plataforma ya se ha adaptado a equipos de fabricantes como Caterpillar, John Deere, JCB, Hitachi, Volvo, Yanmar, Case, Develon y Sumitomo.

El sistema de techo combina cámaras, LiDAR 3D, posicionamiento GNSS RTK y computación de borde de grado automotriz. Debido a que el procesamiento se realiza en la máquina, Gravis afirma que las funciones autónomas pueden seguir operando incluso cuando la conectividad fiable no está disponible, una consideración importante en obras remotas o inconclusas.

Se utiliza una cobertura completa de LiDAR y fusión de sensores para escanear continuamente el terreno circundante. Esa información puede respaldar la excavación autónoma mientras produce simultáneamente datos 3D del sitio, visualizaciones de corte y relleno y registros del trabajo completado.

El sistema de percepción de Gravis también puede identificar camiones volquete y coordinar dónde debe colocarse el material excavado, permitiendo que los flujos de trabajo autónomos se extiendan más allá de la excavación hacia actividades como la carga y el manejo de materiales.

Autonomía sin eliminar al operador

Gravis no presenta la autonomía como una transición total o nula.

Su Slate tablet interface permite a los contratistas cambiar entre varios modos de operación según la tarea. Los operadores pueden permanecer dentro de la cabina y usar guía asistida por IA, alejarse mientras la máquina realiza tareas autónomas más largas, o supervisar el equipo de forma remota.

En su modo Copilot dentro de la cabina, los operadores pueden usar controles de tocar-para-excavar y guía visual aumentada. Los trabajos pueden definirse mediante Diseño Asistido por Computadora (CAD) o Modelado de Información de Construcción (BIM) geometría, puntos de referencia físicos o coordenadas. La interfaz puede entonces visualizar cuánto material debe eliminarse o añadirse mientras la máquina trabaja.

En el otro extremo del espectro, la orquestación remota permite a un operador supervisar y operar remotamente una o más máquinas usando video en vivo e información del sitio.

Ese enfoque híbrido puede resultar importante para la adopción. Los sitios de construcción rara vez consisten en tareas repetitivas realizadas bajo condiciones perfectamente controladas. Mantener a los humanos dentro del bucle operativo brinda a los contratistas una forma de introducir la autonomía gradualmente en lugar de rediseñar todo el sitio de trabajo alrededor de equipos totalmente sin conductor.

Una capa de software a través de flotas de construcción mixtas

La ambición más amplia es, en esencia, crear una capa de inteligencia que se sitúe por encima del mercado fragmentado de equipos pesados.

Si el mismo software autónomo puede operar maquinaria de numerosos fabricantes y de diferentes tamaños, los contratistas podrían potencialmente desplegar automatización sin estandarizar toda su flota en torno a un único proveedor.

Gravis afirma que su sistema de control basado en aprendizaje se adapta a las características físicas de distintas máquinas en lugar de requerir que cada excavadora sea programada de forma independiente.

Esa distinción podría volverse cada vez más importante a medida que la IA física pasa de demostraciones a implementaciones comerciales. Un sistema robótico que funciona bien en una máquina cuidadosamente configurada es considerablemente menos útil para grandes contratistas que un software capaz de adaptarse a las flotas heterogéneas que ya operan en todo el mundo.

Gravis afirma que su tecnología de excavación consciente del terreno puede aumentar el rendimiento hasta en un 30 %, aunque las ganancias reales dependerán inevitablemente de la maquinaria, el trabajo y las condiciones del sitio.

Pasar de proyectos de investigación a obras activas

Gravis ya había comenzado a expandirse comercialmente antes de la inversión de SoftBank.

En noviembre de 2025, la empresa anunció $23 millones en nueva financiación junto con asociaciones e implementaciones que involucraban a compañías como Holcim, Taylor Woodrow, HD Hyundai y Flannery Plant Hire. En ese momento, Gravis dijo que sus sistemas estaban operativos en siete países que abarcan el Reino Unido, la Unión Europea, Estados Unidos, América Latina y Asia.

Una implementación notable involucró excavación autónoma en un proyecto de infraestructura activo de Taylor Woodrow en el Aeropuerto de Manchester. La empresa también ha trabajado en la manipulación autónoma de materiales de cantera y estableció una asociación con Flannery diseñada para poner excavadoras equipadas con la tecnología de Gravis a disposición a través del mercado de alquiler de equipos.

Esa historia de comercialización ayuda a distinguir la última financiación de las inversiones en IA física centradas principalmente en prototipos futuros. Gravis está recaudando capital mientras sus sistemas ya se están probando y usando junto a equipos de construcción convencionales.

El proyecto del Reino Unido pondrá excavadoras autónomas en una prueba más amplia

La expansión también está recibiendo apoyo gubernamental.

Gravis y Flannery Plant Hire fueron recientemente seleccionados para un proyecto bajo el programa de movilidad conectada y automatizada CAM Pathfinder del Reino Unido. La iniciativa probará un sistema de movimiento de tierra totalmente autónomo con seis excavadoras, con aplicaciones que incluyen zanjeado, excavación a granel y carga de camiones.

El proyecto es particularmente relevante porque el alquiler de equipos podría convertirse en un canal de distribución importante para la autonomía en la construcción.

En lugar de exigir a los contratistas que compren máquinas autónomas o que adapten permanentemente sus propias flotas, las empresas de alquiler podrían proporcionar maquinaria equipada con autonomía para proyectos individuales. Eso podría reducir las barreras financieras y operativas para experimentar con la tecnología.

También expondría los sistemas autónomos a una variedad mucho mayor de sitios de obra, configuraciones de maquinaria y condiciones del terreno, lo que podría generar datos operativos valiosos para mejorar los modelos de IA subyacentes.

Por qué la construcción está emergiendo como un importante mercado de IA física

Gran parte de la atención en torno a la IA física se ha centrado en robots humanoides. La maquinaria pesada representa otra oportunidad potencialmente significativa, y una en la que el caso de uso económico puede ser más fácil de definir.

Excavadoras, cargadores y otras máquinas ya realizan enormes cantidades de trabajo físico. El desafío no es inventar un nuevo factor mecánico, sino añadir inteligencia a equipos que ya están desplegados a gran escala.

Eso crea una ruta diferente hacia la comercialización. En lugar de pedir a los clientes que determinen qué debe hacer un nuevo tipo de robot, empresas como Gravis se enfocan en tareas que los contratistas ya pagan a trabajadores calificados y a maquinaria costosa para realizar diariamente.

El desafío restante es la fiabilidad. Los entornos de construcción son desordenados, dinámicos y críticos para la seguridad, lo que significa que el equipo autónomo debe operar de forma consistente en condiciones mucho menos predecibles que los pisos de fábrica o los almacenes.

El enfoque de Gravis en simulación, telemetría de máquinas, fusión de sensores y modelos de control adaptables refleja cuán difícil es ese problema.

La financiación de SoftBank lleva a Gravis a una nueva fase de expansión

La Serie A de $200 millones brinda a Gravis recursos considerablemente mayores para abordar ese desafío.

En lugar de simplemente financiar más investigación, gran parte de la oportunidad ahora reside en la implementación: instalar sistemas en más marcas de equipos, acumular experiencia de proyectos de construcción activos y demostrar que la maquinaria autónoma puede ofrecer beneficios económicos consistentes fuera de demostraciones controladas.

La estrategia de adaptación podría ser especialmente importante. Las empresas de construcción tienen enormes cantidades de capital inmovilizado en maquinaria existente, y una plataforma capaz de añadir inteligencia a esos activos podría escalar de manera diferente a los competidores que requieren que los clientes compren flotas robóticas completamente nuevas.

Si ese modelo demuestra ser fiable, la construcción podría convertirse en uno de los mercados de IA física más trascendentales. Las máquinas ya están allí, el trabajo ya está definido y la demanda de infraestructura sigue creciendo.

Gravis Robotics ahora cuenta con otros $200 millones para demostrar que la IA puede hacer más que comprender y navegar el mundo físico. Puede ayudar a remodelarlo.