Anton Glance, co-fondateur et CTO, Buildroid AI – Série d’entretiens

Anton Glance, co-fondateur et CTO de Buildroid AI, compte plus de 10 ans d’expérience dans l’IA, la robotique, l’automatisation et la vision par ordinateur. Anton supervisait le lancement de 2 usines de préfabrication hautement automatisées chez Mighty Buildings. 

Avec Slava Solonitsyn, co-fondateur et PDG de Buildroid AI, ils dirigent une équipe avec plus de 12 ans d’expérience dans la robotique, l’apprentissage automatique, l’architecture numérique et les technologies de construction innovantes

Buildroid AI est en train de construire une plateforme de simulation qui relie les modèles d’information de bâtiment avec des jumeaux numériques pilotés par l’IA pour automatiser les travaux de construction en coordonnant plusieurs robots comme une équipe unifiée. La société a démontré un système de pose de blocs BIM-TO-BUILD et s’étend vers des déploiements commerciaux qui rationalisent les tâches intensives en main-d’œuvre. En validant les flux de travail robotiques en simulation avant qu’ils n’atteignent le chantier, Buildroid AI vise à améliorer la productivité, à réduire les coûts et à créer une fondation évolutiva pour l’automatisation dans de nombreux métiers de la construction.

Vous avez précédemment construit Mighty Buildings en l’une des startups de contech les plus financées et les plus visibles, en livrant plus de 50 maisons 3D imprimées automatisées. Quels sont les lacunes ou les inefficacités que vous avez observées au cours de ce parcours qui vous ont finalement convaincu de fonder Buildroid AI et de poursuivre une approche de productivité de la construction basée sur la robotique ?

Chez Mighty Buildings, nous avons suivi un modèle de préfabrication hors site, et nous sommes confrontés à des barrières de marché structurelles. L’adoption de la préfabrication aux États-Unis est encore inférieure à 6 %, et l’introduction d’un nouveau matériau d’impression 3D a nécessité 3 ans de travail de conformité sur les normes structurelles, d’incendie et acoustiques. Puisque la préfabrication absorbe les coûts complets de l’usine – équipement, main-d’œuvre, espace – combinés avec un matériau non produit en masse, notre produit s’est avéré ~20 % plus cher que ce que le marché était prêt à accepter. La construction fonctionne sur des marges très serrées, donc les primes de coût tuent l’adoption.

Avec Buildroid, nous avons pris la voie inverse : pas de nouveaux matériaux, pas de nouveaux designs, pas de changements de code. Nous intégrons directement dans les flux de travail existants et laissons les robots gérer les tâches répétitives et intensives en main-d’œuvre – en supprimant les frottements de l’industrie au lieu de les ajouter.

Comment votre modèle de simulation, qui utilise des jumeaux numériques et des modèles d’information de bâtiment (BIM), change la façon dont les équipes de construction testent, valident et optimisent les flux de travail robotiques avant que quoi que ce soit n’atteigne le chantier ?

Le BIM définit ce qu’est un bâtiment ; il ne décrit pas comment le construire. Même le 4D-BIM n’ajoute que la séquencing, et non la constructibilité réelle. Notre moteur de simulation BIM-TO-BUILD permet aux équipes d’exécuter l’ensemble du processus de construction virtuellement à l’intérieur d’un jumeau numérique physiquement précis – les matériaux, les machines et les contraintes du site se comportent comme le monde réel.

Les parties prenantes peuvent tester des centaines de scénarios, valider la constructibilité, mesurer la productivité et optimiser les flux de travail avant de toucher le chantier. La partie unique : la simulation produit des programmes d’exécution de robot vérifiés et prêts à l’exécution, en comblant le fossé entre la conception numérique et la construction physique automatisée.

Votre plateforme prend en charge plus de 40 types de robots différents. Comment parvenez-vous à une coordination fiable entre un tel matériel diversifié tout en maintenant la flexibilité pour les entrepreneurs ?

Notre planificateur IA est au cœur, combinant les réseaux de tâches hiérarchiques (HTN) pour la séquencing de niveau élevé et les arbres de comportement pour l’exécution de tâches de niveau inférieur. Les robots fonctionnent comme des agents basés sur les capacités – par exemple, un robot poseur de blocs « sait » qu’il peut poser des blocs mais pas appliquer du plâtre.

Le planificateur optimise l’allocation des tâches, évite les goulets d’étranglement du site (comme le blocage des cheminements), équilibre les charges de travail sur plusieurs robots et synchronise les unités de support telles que les robots de manutention de matériaux. Le résultat est une équipe robotique coordonnée et auto-ajustable qui se comporte comme une équipe humaine bien orchestrée.

Buildroid met en évidence des gains de productivité allant jusqu’à 10x (6x) et des économies de coûts allant jusqu’à 4x (3x). Quels sont les meilleurs études de cas ou les références techniques qui démontrent comment ces résultats sont obtenus ?

Sur trois pilotes – projets commerciaux, résidentiels et de centres de données – nous avons observé :

• 6× productivité : un maçon + un aide produit généralement 4-5 m²/jour de travail de blocs ; avec un robot, la production augmente à ~30 m²/jour.

• 3× efficacité des coûts : les tâches nécessitant 12 travailleurs pour construire 30 m²/jour peuvent être effectuées avec 2 travailleurs + un robot en utilisant notre plateforme.

Ces résultats sont intervenus avant le déploiement de flux de travail de robots multiples ; une fois que les flottes sont coordonnées par un seul opérateur, la durée totale du projet diminue considérablement.

Votre première application commerciale se concentre sur les travaux de blocs et l’installation de murs de partition. Quels critères utilisez-vous pour déterminer quels flux de travail de construction sont les mieux adaptés pour une automatisation multi-robotique ?

Nous donnons la priorité aux flux de travail avec (1) des pénuries de main-d’œuvre graves, (2) des contraintes manuelles répétitives et (3) une décomposition claire des tâches pour une collaboration multi-robotique.

<pÀ Dubaï, où nous avons lancé, chaque bloc de partition pèse ~30 kg (66 lb) et la demande de maçonnerie dépasse largement la main-d'œuvre qualifiée disponible. Un important entrepreneur nous a dit qu'ils auraient besoin d'embaucher et de former 6 000 maçons l'année prochaine pour répondre à la charge de travail.

Les travaux de blocs se décomposent naturellement en sous-tâches – livraison de matériaux, application de mortier, alignement, renforcement – ce qui les rend idéaux pour des robots spécialisés travaillant ensemble.

Ensuite dans notre pipeline : le plâtrage, l’étape séquentielle après les travaux de blocs, en partenariat avec un important fournisseur de robots.

Alors que vous entrez sur le marché américain, quels sont les plus grands obstacles réglementaires, de sécurité et opérationnels que vous anticipez, et comment l’approche de simulation première aide-t-elle à les atténuer ?

OSHA exige que les robots prouvent une interaction homme-robot sûre, même pour les déploiements pilotes. La certification prend généralement 3+ mois et est coûteuse pour les startups qui ont besoin d’une itération rapide.

Nous travaillons avec UL sur un cadre d’approbation de sécurité de simulation première. En prouvant que notre jumeau numérique correspond à l’exécution réelle, nous pouvons valider les cas de bord, les scénarios de collision et les comportements d’urgence virtuellement – réduisant ainsi considérablement le besoin de tests de laboratoire longs et accélérant les délais de conformité.

Comment voyez-vous l’évolution des flux de travail multi-robots sur les chantiers de construction complexes une fois que l’orchestration IA est devenue plus mature ?

Nous nous attendons à ce que les chantiers de construction évoluent vers des équipes de robots entièrement robotisées avec des humains dans des rôles de supervision. Un seul opérateur supervisera des flottes de robots via notre plateforme d’orchestration IA, qui utilise un jumeau numérique pour coordonner les tâches en temps réel. Les robots géreront la production ; les humains géreront la supervision et la gestion des exceptions.

Quels sont les progrès les plus critiques dans la prise de décision et l’optimisation des flux de travail de l’IA pour permettre une exécution de chantier fiable et autonome ?

La prochaine frontière est l’IA physique multi-agents – les robots qui prennent des décisions locales tout en coopérant comme un système. Cela nécessite des progrès dans :

• la planification et la coordination décentralisées

• la perception robuste dans des conditions de chantier de construction

• l’allocation de tâches adaptative à mesure que les environnements changent

Ces capacités débloqueront des opérations fiables, semi-autonomes à entièrement autonomes.

En tant que fondateur répétitif de contech, quels aspects de l’adoption de la technologie de construction pensez-vous que les dirigeants de l’industrie ne comprennent toujours pas, et comment Buildroid traite-t-il ces malentendus ?

De nombreuses startups tentent de changer les matériaux, le processus ou le système de construction lui-même – exactement les domaines où la construction est la moins flexible. L’industrie construit encore aujourd’hui de la même manière qu’il y a un siècle, et changer les méthodes fondamentales prend des années de changement réglementaire, de chaîne d’approvisionnement et culturel.

Buildroid évite ce frottement. Nous augmentons la productivité sans changer les matériaux ou les designs, en nous concentrant uniquement sur la façon dont les matériaux existants sont installés.

Envisagez-vous que Buildroid devienne une plateforme d’écosystème que les robots et les entrepreneurs tiers peuvent construire, créant une couche d’exploitation unifiée pour la robotique de construction à l’échelle nationale ?

Absolument – c’est la vision à long terme. Mais d’abord, nous devons prouver l’excellence de bout en bout dans un seul flux de travail à haute valeur : la construction de murs. Une fois que nous avons perfectionné ce plan, l’expansion vers des robots tiers et des flux de travail supplémentaires devient une évolution naturelle de l’écosystème.