Adam Sadilek, fondateur et PDG d’AIM – Série d’entretiens

Adam Sadilek est le fondateur et PDG d’AIM. Enfant, il était obsédé par la robotique et l’automatisation, motivé par le désir de créer des systèmes capables d’apprendre par eux-mêmes et de rendre le travail physique plus intelligent, plus rapide et plus sûr. Cette fascination précoce l’a conduit à Google (GOOGL ), où il a contribué à des travaux révolutionnaires sur l’IA à l’échelle planétaire et les véhicules autonomes, qui ont évolué plus tard en Waymo. Reconnaissant une opportunité inexploitée, il a fondé AIM pour apporter l’autonomie à la déplacement de terre – un secteur qui sous-tend presque toutes les infrastructures humaines, mais qui a vu peu d’automatisation depuis l’avènement des machines hydrauliques.

AIM est pionnier dans le monde du premier plateauforme d’équipement lourd alimenté par l’IA, transformant la façon dont la terre est déplacée à grande échelle. En combinant des systèmes de perception, de planification et de contrôle avancés, AIM automatise l’excavation, le nivellement et le déplacement de matériaux dans les projets de construction, d’extraction et de résilience climatique. La technologie de l’entreprise répond à des défis mondiaux critiques tels que les pénuries de main-d’œuvre, la modernisation des infrastructures et la préparation aux catastrophes – jetant les bases d’un avenir où les machines autonomes peuvent construire à la fois sur Terre et au-delà.

Vous avez passé plus d’une décennie chez Google[x], travaillant sur des initiatives majeures d’IA, notamment ce qui est devenu Waymo. Quelles expériences spécifiques pendant cette période vous ont convaincu que l’automatisation du monde physique – et non seulement des environnements numériques – était la bonne frontière ?

J’ai eu le privilège de rejoindre Google juste après avoir obtenu mon doctorat en IA. Travailler chez Google[x] et Alphabet (GOOG ) m’a donné une expérience pratique pour voir le potentiel de l’IA dans des environnements réels. Mais ce n’est qu’à partir du moment où j’ai commencé à construire des projets d’infrastructure physique que j’ai vraiment réalisé à quel point l’automatisation pouvait être un facteur de changement dans le monde construit.

Voir à quel point il était difficile de déplacer la terre, le sol et les matériaux chaque jour – même pour les constructeurs expérimentés – m’a conduit à ce moment de révélation : personne ne s’attaquait à ce problème essentiel de manière scalable. L’automatisation de la déplacement de terre ne ferait pas seulement radicalement améliorer la sécurité du personnel au sol et accélérerait des industries massives comme l’extraction, la construction et les travaux publics, mais pourrait également résoudre certains des plus grands défis de notre planète, comme la terraformation et l’annulation des dommages historiquement causés à notre planète.

Alors, pendant la pandémie, j’ai commencé à convertir des machines manuelles en machines autonomes dans mon garage, et c’est là que AIM est né.

Avec les machines intelligentes AIM, vous avez choisi un secteur qui a vu peu de robotique ou d’autonomie depuis l’introduction des machines hydrauliques. Pouvez-vous décrire le moment ou l’insight décisif qui vous a amené à lancer AIM ?

Tout ce que nous construisons, dont nous dépendons au quotidien, commence avec la terre. Des appareils que vous lisez maintenant aux bâtiments, routes et machines que nous utilisons chaque jour, tout cela est soit extrait, soit cultivé, et notre capacité à déplacer la terre est clé pour tout cela.

J’ai réalisé de première main, en travaillant dans la construction, que les industries de déplacement de terre comme l’extraction et la construction ont vu peu de technologie et d’automatisation qui avaient transformé d’autres industries. Alors que les entrepôts avaient des systèmes de convoyage, les usines des lignes d’assemblage automatisées et des systèmes de conteneurisation et de suivi – les méthodes que nous utilisons pour déplacer de grandes quantités de terre n’ont pas vraiment changé depuis longtemps.

J’ai également commencé à comprendre l’immense demande pour améliorer le déplacement de terre. L’exploitation de machines lourdes est l’un des métiers les plus dangereux au monde, entraînant à la fois des pénuries de main-d’œuvre aiguës et chroniques pour les travailleurs qualifiés (l’industrie de la construction doit attirer près d’un million de travailleurs au cours des deux prochaines années pour répondre à la demande de projets). Il y a également un besoin incroyable dans le monde entier pour un déplacement de terre autonome pour améliorer tout, des chaînes d’approvisionnement de matériaux à la construction d’infrastructures supérieures, à la remédiation des zones de déchets dangereux et à l’inversion de l’impact négatif du changement climatique sur la planète.

Tout cela m’a conduit à la révélation que notre civilisation a besoin d’un déplacement de terre autonome. Nous avons besoin de la vision, de la vitesse et de l’intelligence pour remodeler la planète avec précision et à grande échelle pour répondre aux plus grands défis et opportunités de la planète. C’est ce qui m’a amené à lancer AIM et ce que nous résolvons.

L’autonomie pour les équipements de construction ou de extraction présente une complexité immense : terrains accidentés, conditions imprévisibles, machines lourdes construites pour durer. Quels ont été les principaux progrès techniques qui ont rendu votre plateforme possible – dans le domaine de la détection, de la cartographie, de l’apprentissage automatique ou de l’intégration ?

Concevoir une IA incarnée pour déplacer la terre, dans certains des environnements les plus difficiles de notre planète, n’est pas facile. Non seulement devions-nous concevoir pour des environnements où il n’y a pas de routes, de voies de circulation ou d’autres structures de règles pour l’IA à suivre – mais nous devions également développer des systèmes capables de fonctionner dans des endroits avec des températures extrêmes, des ténèbres, une connectivité Internet pauvre ou inexistante, et des événements météorologiques tels que la neige, la grêle ou les tempêtes de sable.

L’un des principaux progrès techniques pour AIM a été de relever le défi de la détection et de la cartographie dans des environnements accidentés. La technologie des capteurs peut être sujette à des ruptures lorsqu’elle est équipée sur des machines qui subissent de nombreuses vibrations et impacts. Alors, ce que nous avons fait, c’est éliminer ces pièces fragiles et intégrer tous les composants critiques et le calcul d’AIM dans une structure blindée propriétaire, qui est également scellée pour empêcher les débris et le sable de pénétrer. Nous avons également soudé des capteurs dans le squelette réel de la machine pour fournir une durabilité encore plus grande.

Cette robustesse, combinée à un apprentissage de bout en bout puissant à bord, est ce qui permet aux machines AIM d’automatiser les tâches de déplacement de terre dans certains des environnements les plus extrêmes, sur des sites de travail réels dans le monde entier. Il y a un niveau énorme de différence entre un prototype et un système déployé commercialement avec certains des plus grands mineurs, constructeurs et branches du gouvernement américain, qui comptent sur lui chaque jour sur leurs sites.

La stratégie d’AIM est de rééquiper les machines lourdes existantes avec des capteurs, des lidars et des caméras. Pourquoi avez-vous choisi d’utiliser des équipements hérités plutôt que de développer de nouvelles machines autonomes de scratch ?

La réponse simple est que nous voulons que l’automatisation soit accessible à toutes les opérations de déplacement de terre aujourd’hui. Les gestionnaires de site et de parc ont déjà investi des millions à des milliards dans des flottes de machines lourdes. Une seule de ces machines coûte souvent plus d’un million de dollars et a une longue durée de vie opérationnelle. Il n’est donc pas réalisable ni durable de remplacer des flottes entières de machines par de nouvelles machines pour devenir autonomes.

Notre approche de rééquipement en premier lieu répond à des centaines de milliers de ces machines héritées en exploitation dans le monde entier. AIM permet aux organisations, grandes ou petites, de turbocharger instantanément leurs capacités pour améliorer les chaînes d’approvisionnement de matériaux, construire des infrastructures, protéger et restaurer des zones menacées ou endommagées par des catastrophes naturelles, et au-delà. Cela débloque le pouvoir de l’automatisation pour les opérateurs à la vitesse et à l’échelle dont ils ont besoin pour aujourd’hui, et non dans dix ans.

En parallèle, nous déployons souvent le même matériel, le même logiciel et la même IA en partenariat avec des canaux, des distributeurs et même des constructeurs qui fabriquent les machines hydrauliques incroyables que nous turbochargeons avec la plateforme d’autonomie AIM qui fonctionne au-dessus de ces flottes. Il s’agit donc de la sécurité maximale, de la création de valeur, du succès conjoint des clients et d’optionnalité pour les écosystèmes massivement importants.

Votre plateforme utilise un apprentissage de bout en bout pour que les machines puissent « s’apprendre elles-mêmes » à creuser plus vite et plus efficacement. Comment fonctionne précisément cette boucle de rétroaction sur le terrain, et quels améliorations opérationnelles avez-vous observées jusqu’à présent ?

Notre approche a été de placer tous les calculs d’IA à bord. En combinaison avec notre plateforme durcie qui fonctionne même sans GPS ou Internet, nous offrons une autonomie avancée grâce à un apprentissage de bout en bout effectué sur le terrain. Cela permet aux machines de devenir plus intelligentes et plus rapides à mesure qu’elles effectuent le travail. En fait, en moins d’une heure, une machine équipée d’AIM apprend vraiment à creuser ! Le contrôle robotique IA devient extrêmement précis à mesure qu’il apprend, par exemple, en fonctionnant avec une précision de deux centimètres même sans GPS.

L’apprentissage de bout en bout est clé pour que les machines AIM atteignent ce niveau d’autonomie commerciale pour effectuer des tâches de déplacement de terre dans des sites de travail de production dans le monde entier. Cela signifie également que toutes les données, les analyses et la surveillance des performances sont à bord pour réduire l’usure, couper les temps d’arrêt et prolonger encore la durée de vie opérationnelle des machines.

En outre, à mesure que le système apprend, AIM peut offrir de nouvelles valeurs opérationnelles et de CapEx à travers les économies de carburant, les cycles de service, l’utilisation de la flotte, la planification de site AI optimale et l’élimination des reprises. En moyenne dans l’extraction, AIM génère 13 millions de dollars supplémentaires de minerai par machine et par an pour le chiffre d’affaires, tout en économisant 633 000 dollars par machine et par an pour les améliorations du bottom-line (économies directes d’OpEx). L’élimination complète de tout risque de préjudice pour les personnes, puisque personne n’est à l’intérieur ou à proximité des machines, apporte bien sûr un niveau considérable de sécurité qui est essentiel en soi et va au-delà des chiffres. Nous continuons à étendre les avantages opérationnels supplémentaires que le système offre.

Vous soutenez que l’application de l’IA ici est cruciale pour les infrastructures, la résilience climatique, voire la défense. Quels sont les cas d’utilisation les plus frappants que vous travaillez actuellement – et comment voyez-vous leur impact sociétal ?

Actuellement, un milliard de personnes vivent à moins de 10 mètres au-dessus des océans qui montent, une personne sur six vit dans des zones à risque important d’incendies de forêt, et plus de 3 milliards sont touchés par des terres dégradées qui ont besoin d’être restaurées. Il n’y a aucun doute que les pénuries de main-d’œuvre sont gravement affectées par le rythme auquel les infrastructures critiques sont construites, les réparations sont effectuées et les projets peuvent être terminés. Ces pénuries de main-d’œuvre rendent plus difficile que jamais non seulement d’inverser les impacts négatifs du changement climatique, mais aussi de prévenir proactivement les défis futurs.

La seule façon de relever ces défis de front est d’apporter plus de puissance et d’autonomie aux chantiers – afin que les opérations ne soient pas limitées par les contraintes de main-d’œuvre, les conditions météorologiques ou les environnements de travail dangereux.

Par exemple, les incendies de forêt augmentent en fréquence en raison des impacts négatifs du changement climatique. Plutôt que de réagir aux dégâts causés par ces incendies, AIM arrête les incendies avant qu’ils ne se produisent. Les bulldozers équipés d’AIM peuvent être déposés directement dans les forêts profondes pour créer des brise-feux qui empêchent les incendies de forêt de se propager, tout en étant exploités à distance. De même, la façon dont vous construisez un barrage ou un mur de mer est de empiler intentionnellement du matériel le long du rivage pour le soulever. C’est analogue aux travaux de terrassement que nous effectuons déjà.

L’IA va transformer la façon dont nous réagissons aux catastrophes naturelles et aux défis climatiques et les empêchons de se produire.

Les industries de l’extraction et de la construction ont souvent des pratiques ancrées, une réglementation lourde et une tolérance aux risques élevée mais une adoption de l’automatisation faible. Quels sont les obstacles non techniques (culturels, réglementaires, opérationnels) que AIM rencontre pour mettre à l’échelle sa solution ?

Il est toujours un défi lorsqu’une technologie transformatrice pénètre un espace où les pratiques ont été établies pendant des décennies. La technologie d’IA apporte toujours un peu de scepticisme dans les industries non techniques. Mais avec AIM, nous avons pu surmonter ces défis en montrant physiquement aux opérateurs comment AIM fonctionne, comment il leur donne à eux un avantage, et comment ils passent à des carrières plus sûres, plus satisfaisantes et plus durables.

Ces industries ressentent l’impact des pénuries de main-d’œuvre et de la demande croissante en premier lieu, et lorsqu’ils peuvent voir comment les véhicules équipés d’AIM peuvent effectuer une shift complète de manière autonome avec précision, ou fonctionner dans des endroits trop dangereux pour leur équipe, ces préoccupations disparaissent. Au lieu d’être coincés à l’intérieur des machines, les opérateurs sont excités d’apprendre qu’ils peuvent exploiter des flottes autonomes à une distance de sécurité (et dans un climat contrôlé) pour augmenter à la fois la production et le temps de fonctionnement.

Le besoin croissant d’efficacité opérationnelle l’emporte sur les obstacles traditionnels qui empêchent l’adoption.

Vous avez fondé AIM à une époque où peu de personnes cherchaient à appliquer l’IA dans les machines lourdes et le déplacement de terre. Comment avez-vous cristallisé la vision à long terme pour AIM – et comment avez-vous équilibré l’expérimentation précoce avec le récit plus large de l’industrie autour de l’automatisation dans l’extraction et la construction ?

Lorsque j’ai quitté Google, j’ai commencé à construire des projets d’infrastructure physique lourde qui nécessitaient une faible latence et une vitesse extrême – c’est à ce moment-là que j’ai su que nous devions apporter des opérations autonomes dans le monde physique.

L’automatisation était toujours plus un rêve pour les industries de l’extraction et de la construction ; tout le monde espérait qu’une solution apparaîtrait, mais personne ne la créait. Avec une expérience technique et spécifique à l’industrie, la vision pour AIM était claire. J’ai compris les lacunes opérationnelles qui devaient être résolues et comment l’IA peut être appliquée dans le monde physique, et je savais que le marché pour cette optimisation existait.

Étant donné votre travail sur l’IA à l’échelle planétaire (chez Google/Waymo) et maintenant l’autonomie de déplacement de terre, comment comparez-vous l’impact potentiel de l’IA dans le monde physique par rapport à ce que nous avons vu dans le domaine numérique ?

L’IA a déjà transformé la façon dont nous opérons dans le monde numérique, et nous voyons une valeur similaire dans le monde physique – mais à une échelle encore plus grande. Tout comme l’IA transforme la façon dont les humains peuvent mener des recherches, gérer des tâches et réduire la surveillance humaine, AIM transforme la façon dont les machines physiques fonctionnent, apprennent de leurs expériences et s’adaptent à des environnements changeants.

Nous permettons aux opérateurs humains de faire leur travail mieux en les équipant de machines autonomes qui peuvent fonctionner dans des endroits où ils ne peuvent pas accéder physiquement, fonctionner dans des conditions météorologiques qui fermeraient normalement un chantier, et maintenir une productivité continue. Ni les applications numériques ni les applications physiques de l’IA ne sont destinées à remplacer complètement les humains – il s’agit d’améliorer la façon dont les humains peuvent travailler.

Vous avez suggéré que la vision d’AIM s’étend au-delà de la Terre – à la construction et à la terraformation hors de la planète. Quelle est la réalité de cet horizon dans votre point de vue, et quel rôle voyez-vous AIM jouer dans cet avenir ?

Apporter cette automatisation à tous les coins de la Terre est la première étape – mais à mesure que la construction et l’utilisation des ressources hors de la planète deviennent une réalité, le besoin de machines lourdes autonomes et à distance deviendra encore plus critique. Nous ne pouvons pas envoyer une équipe de construction humaine sur Mars, mais nous pouvons envoyer des machines équipées d’AIM qui peuvent fonctionner dans ces conditions météorologiques extrêmes, tout en apprenant de leur propre expérience pour fonctionner mieux dans ce paysage. Nous avons besoin de machines qui ne fonctionnent pas seulement par contrôle à distance ; nous avons besoin de machines qui puissent fonctionner entièrement de manière autonome dans des endroits où les humains ne peuvent pas.