Gravis Robotics keräsi $200M Series A -rahoituksen autonomisten raskaiden koneiden laajentamiseksi

Gravis Robotics on kerännyt $200 miljoonaa Series A -rahoitusta SoftBankilta, mikä antaa Zürichissä toimivalle rakennusrobotiikkayritykselle merkittävän uuden pääoman laajentaakseen autonomisen raskaiden koneiden teknologiaansa maailmanlaajuisissa infrastruktuurihankkeissa.

Yritys kuvaa rahoitusta tähän mennessä suurimpana Series A -rahoituksena rakennusrobotiikassa. Tämä rahoituskierros tapahtuu, kun fyysinen AI laajenee yhä enemmän humanoidiroboteista ja varastojen automaatiosta teollisuudenaloille, joissa koneiden on oltava vuorovaikutuksessa monimutkaisten, muuttuvien ympäristöjen kanssa.

Gravikselle tämä ympäristö on rakennustyömaa. Sen sijaan, että rakennettaisiin uutta raskasta kalustoa alusta alkaen, yritys kehittää laitteistoa ja AI-ohjelmistoja, jotka on suunniteltu jälkiasennettaviksi olemassa oleviin kaivureihin ja muihin maanmuokkauskoneisiin, lisäten näin erilaisia autonomisen toiminnan tasoja urakoitsijoiden jo omistamiin kalustoihin.

Uutta rahoitusta käytetään Gravis’n kansainvälisen käyttöönoton nopeuttamiseen, insinööritiimin laajentamiseen ja autonomisten järjestelmien viemiseen useampiin rakennus- ja infrastruktuurihankkeisiin.

Fyysisen AI:n tuominen raskaaseen rakentamiseen

Perustettu loppuvuodesta 2022 ETH Zurichin spin-offina, Gravis syntyi robotiikkaan ja autonomisiin ohjausjärjestelmiin liittyvästä tutkimuksesta. Yritystä johtavat toimitusjohtaja ja perustaja Ryan Luke Johns sekä teknologiajohtaja ja perustaja Dominic Jud, ja robotiikkatutkija Marco Hutter toimii perustajana ja hallituksen jäsenenä.

Rakentaminen tarjoaa erilaisen haasteen moniin niistä ympäristöistä, joissa autonomiset koneet ovat saaneet jalansijaa.

Itseohjautuva ajoneuvo pyrkii esimerkiksi ymmärtämään ja turvallisesti kulkemaan ympäristön läpi muuttamatta sitä. Kaivurin odotetaan tekevän päinvastaista. Jokainen lapion liike muuttaa maastoa, jonka koneen on seuraavaksi ymmärrettävä.

Kone voi myös kohdata maata, kiviä, muuttuvia kaltevuuksia, maanalaisia vastuksia ja muita olosuhteita, joita ei voida ennustaa täysin etukäteen.

Gravis pyrkii käsittelemään tätä epävarmuutta oppimiseen perustavien robottiohjausjärjestelmien avulla, jotka yhdistävät koneen hydraulisen datan LiDARiin, kameroihin ja Global Navigation Satellite System (GNSS) -sijaintiin. Sen ohjelmisto tulkitsee jatkuvasti koneen ympäristöä ja siihen kohdistuvia fyysisiä voimia sen sijaan, että se suorittaisi pelkästään ennalta määrätyn liikesarjan.

Yritys sanoo, että sen mallit koulutetaan laajasti simuloinnissa, mikä mahdollistaa AI:n kohtaavan suuren määrän virtuaalisia kaivosskenaarioita ennen kuin ne otetaan käyttöön fyysisissä koneissa.

Olemassa olevien kaivureiden muuttaminen autonomisiksi koneiksi

Gravis’n strategian keskeinen osa on välttää riippuvuutta yhdestä laitevalmistajasta.

Rakennuskalustot koostuvat tyypillisesti useiden eri merkkien koneista, jotka on kerätty vuosien hankintojen ja vuokrasopimusten aikana. Pyytää urakoitsijoita korvaamaan nämä kalustot tarkoitukseen suunnitelluilla autonomisilla koneilla voisi tehdä käyttöönotosta huomattavasti vaikeampaa.

Sen sijaan Gravis on kehittänyt Gravis RACK -nimisen modulaarisen autonomisen ohjausjärjestelmän, jonka voi asentaa olemassa oleviin kaivureihin ja pyöräkuormaajiin. Yritys kertoo, että alusta on jo sovitettu laitteisiin, joita valmistavat muun muassa Caterpillar, John Deere, JCB, Hitachi, Volvo, Yanmar, Case, Develon ja Sumitomo.

Kattojärjestelmä yhdistää kameroita, 3D LiDARia, GNSS RTK -sijaintia ja autoteollisuuden tasoista reunalaskentaa. Koska käsittely tapahtuu koneessa, Gravis’n mukaan autonomiset toiminnot voivat jatkua myös silloin, kun luotettava yhteys ei ole saatavilla – tärkeä seikka kaukaisilla tai keskeneräisillä rakennustyömaille.

Kokonaisvaltaista LiDAR-peittoa ja anturifusiota käytetään jatkuvaan ympäröivän maaston skannaamiseen. Tämä tieto voi tukea autonomista kaivamista samalla tuottaen 3D-työmaadataa, kaivanto- ja täyttövisualisointeja sekä tallenteita valmiista töistä.

Gravis’n havaintojärjestelmä pystyy myös tunnistamaan dumppauskuorma-autot ja koordinoimaan, mihin kaivetut materiaalit tulisi sijoittaa, jolloin autonomiset työnkulut voivat ulottua kaivamisen lisäksi myös lastaus- ja materiaalinkäsittelytoimintoihin.

Autonomia ilman operaattorin poistamista

Gravis ei esitä autonomiaa kokonaisvaltaisena siirtymänä.

Sen Slate-tablettikäyttöliittymä mahdollistaa urakoitsijoille siirtymisen useiden toimintatilojen välillä tehtävästä riippuen. Operaatit voivat pysyä ohjaamossa ja käyttää AI-avusteista ohjausta, poistua kun kone suorittaa pidempiä autonomisia tehtäviä, tai valvoa laitteita etänä.

Ohjaamon Copilot-tilassa operaattorit voivat käyttää napautuskaivausohjaimia ja laajennettua visuaalista ohjausta. Työt voidaan määritellä tietokoneavusteisen suunnittelun (CAD) tai rakennustietomallinnuksen (BIM) geometrian, fyysisten referenssipisteiden tai koordinaattien avulla. Käyttöliittymä voi sitten visualisoida, kuinka paljon materiaalia on poistettava tai lisättävä koneen työskennellessä.

Toisaalta etäohjaus mahdollistaa operaattorin valvoa ja ohjata etänä yhtä tai useampaa konetta käyttämällä live-videota ja työmaan tietoja.

Tämä hybridinen lähestymistapa saattaa olla tärkeä käyttöönotossa. Rakennustyömaat harvoin koostuvat toistuvista tehtävistä, jotka suoritetaan täydellisesti hallituissa olosuhteissa. Ihmisten pitäminen operatiivisessa silmukassa antaa urakoitsijoille mahdollisuuden ottaa autonomia käyttöön vähitellen sen sijaan, että koko työmaa suunniteltaisiin alusta alkaen täysin kuljettamattomien laitteiden ympärille.

Ohjelmistokerros sekoitetuissa rakennuskalustoissa

Laajempi tavoitteena on käytännössä luoda älykkyyskerros, joka sijaitsee hajautetun raskaiden laitteiden markkinoiden yläpuolella.

Jos sama autonominen ohjelmisto pystyy ohjaamaan eri valmistajien ja eri kokoluokkien koneita, urakoitsijat voisivat mahdollisesti ottaa automaation käyttöön ilman, että heidän täytyy yhdenmukaistaa koko kalustoaan yhden toimittajan ympärille.

Gravis kertoo, että sen oppimiseen perustuva ohjausjärjestelmä mukautuu eri koneiden fyysisiin ominaisuuksiin sen sijaan, että jokainen kaivuri täytyisi ohjelmoida erikseen.

Tämä ero voi tulla yhä tärkeämmäksi, kun fyysinen AI siirtyy demonstraatioista kaupalliseen käyttöönottoon. Robottijärjestelmä, joka toimii hyvin yhdessä huolellisesti konfiguroidussa koneessa, on huomattavasti vähemmän hyödyllinen suurille urakoitsijoille kuin ohjelmisto, joka pystyy sopeutumaan maailmanlaajuisesti toimiviin heterogeenisiin kalustoihin.

Gravis sanoo, että sen maastotietoisen kaivuuteknologian avulla tuotantomäärä voi kasvaa jopa 30 %, vaikka todelliset hyödyt riippuvat väistämättä koneista, työstä ja työmaiden olosuhteista.

Siirtyminen tutkimusprojekteista aktiivisiin työmaihin

Gravis oli jo aloittanut kaupallisen laajentumisen ennen SoftBankin sijoitusta.

Novemberissa 2025 yritys ilmoitti $23 miljoonaa uudessa rahoituksessa yhdessä kumppanuuksien ja käyttöönottojen kanssa, jotka koskivat yrityksiä kuten Holcim, Taylor Woodrow, HD Hyundai ja Flannery Plant Hire. Silloin Gravis kertoi, että sen järjestelmät olivat käytössä seitsemässä maassa, jotka kattavat Yhdistyneen kuningaskunnan, Euroopan unionin, Yhdysvallat, Latinalaisen Amerikan ja Aasian.

Yksi merkittävä käyttöönotto sisälsi autonomisen kaivamisen aktiivisessa Taylor Woodrow -infrastruktuurihankkeessa Manchesterin lentokentällä. Yritys on myös työskennellyt autonomisen louhoksen materiaalinkäsittelyn parissa ja perustanut kumppanuuden Flanneryn kanssa, jonka tarkoituksena on tehdä Gravis-tekniikalla varustetut kaivurit saataville laitteiden vuokramarkkinoilla.

Tämä kaupallistumishistoria auttaa erottamaan viimeisimmän rahoituksen fyysiseen AI:hin kohdistuvista investoinneista, jotka keskittyvät pääasiassa tuleviin prototyyppeihin. Gravis kerää pääomaa samalla kun sen järjestelmiä testataan ja käytetään perinteisten rakennusryhmien rinnalla.

UK:n projekti asettaa autonomiset kaivurit laajempaan kokeiluun

Laajennus saa myös hallituksen tukea.

Gravis ja Flannery Plant Hire valittiin äskettäin projektiin, joka kuuluu Yhdistyneen kuningaskunnan CAM Pathfinder -yhdistetyn ja automatisoidun liikkuvuusohjelman alla. Hanke testaa täysin autonomista maanmuokkausjärjestelmää kuudessa kaivurissa, sovelluksiin kuuluvat mm. kaivannot, massakaivuu ja kuorma-auton lastaus.

Projekti on erityisen merkityksellinen, koska laitteiden vuokraus voi nousta tärkeäksi jakelukanavaksi rakennusautonomialle.

Sen sijaan, että urakoitsijoiden täytyisi ostaa autonomisia koneita tai pysyvästi jälkiasentaa omaa kalustoaan, vuokrausyritykset voisivat tarjota autonomiavarustettuja laitteita yksittäisiin projekteihin. Tämä voisi alentaa taloudellisia ja operatiivisia esteitä teknologian kokeilulle.

Se altistaisi myös autonomiset järjestelmät paljon laajemmalle valikoimalle työmaita, konekonfiguraatioita ja maaperäolosuhteita, mikä voisi tuottaa arvokasta operatiivista dataa perustavan AI-mallien parantamiseksi.

Miksi rakentaminen nousee merkittäväksi fyysisen AI:n markkinaksi

Suuri osa fyysiseen AI:hin kohdistuvasta huomiosta on keskittynyt humanoidirobotteihin. Raskaat koneet edustavat toista potentiaalista merkittävää mahdollisuutta, ja sellaista, jossa taloudellinen käyttötapaus on helpompi määritellä.

Kaivurit, kuormaajat ja muut koneet suorittavat jo valtavia määriä fyysistä työtä. Haasteena ei ole uuden mekaanisen muodon keksiminen, vaan älykkyyden lisääminen laitteisiin, jotka on jo laajasti otettu käyttöön.

Tämä luo erilaisen polun kaupallistamiseen. Sen sijaan, että pyydettäisiin asiakkaita määrittelemään, mitä uuden tyyppinen robotti tulisi tehdä, yritykset kuten Gravis kohdistavat tehtäviin, joista urakoitsijat maksavat jo taitaville työntekijöille ja kalliille koneille päivittäin.

Jäljelle jäävä haaste on luotettavuus. Rakennusympäristöt ovat sotkuisia, dynaamisia ja turvallisuuskriittisiä, mikä tarkoittaa, että autonomisten laitteiden on toimittava johdonmukaisesti olosuhteissa, jotka ovat paljon vähemmän ennustettavissa kuin teollisuustilat tai varastot.

Gravis’n keskittyminen simulointiin, koneiden telemetriaan, anturifuusioon ja mukautuviin ohjausmalleihin heijastaa, kuinka vaikea tämä ongelma on.

SoftBankin rahoitus asettaa Gravis’n uuteen laajentumisvaiheeseen

$200 miljoonan Series A -rahoitus antaa Gravis’lle huomattavasti enemmän resursseja tämän haasteen ratkaisemiseen.

Sen sijaan, että rahoitettaisiin pelkästään lisätutkimusta, suurin osa mahdollisuudesta piilee nyt käyttöönotossa: järjestelmien asentamisessa useampiin laitemerkkeihin, kokemuksen keräämisessä aktiivisista rakennusprojekteista ja todistamisessa, että autonomiset koneet voivat tuottaa johdonmukaisia taloudellisia hyötyjä hallituista demonstraatioista poikkeavissa tilanteissa.

Jälkiasennusstrategia voi olla erityisen tärkeä. Rakennusyrityksillä on valtavat määrät pääomaa sidottuna olemassa olevaan kalustoon, ja alusta, joka pystyy lisäämään älykkyyttä näihin varoihin, voi skaalata eri tavalla kuin kilpailijat, jotka vaativat asiakkaita ostamaan täysin uusia robottikalustoja.

Jos malli osoittautuu luotettavaksi, rakentaminen voi nousta yhdeksi fyysisen AI:n merkittävimmistä markkinoista. Koneet ovat jo olemassa, työ on jo määritelty, ja infrastruktuuritarve jatkaa kasvuaan.

Gravis Robotics on nyt saanut toisen $200 miljoonan rahoituksen osoittaakseen, että AI voi tehdä enemmän kuin ymmärtää ja navigoida fyysisessä maailmassa. Se voi auttaa muokkaamaan sitä.