Gravis Robotics ने $200M सीरीज़ A फंडिंग जुटाई ताकि स्वायत्त भारी मशीनरी को स्केल किया जा सके

Gravis Robotics ने $200 million की SoftBank से सीरीज़ A फंडिंग जुटाए, जिससे ज़्यूरिख स्थित निर्माण रोबोटिक्स कंपनी को वैश्विक बुनियादी ढांचा परियोजनाओं में अपनी स्वायत्त भारी मशीनरी तकनीक का विस्तार करने के लिए पर्याप्त नई पूंजी मिली।

कंपनी इस फाइनेंसिंग को अब तक के निर्माण रोबोटिक्स में सबसे बड़ी सीरीज़ A बताती है। यह दौर तब आया है जब फिजिकल AI में निवेश धीरे-धीरे मानवीय रोबोट और वेयरहाउस ऑटोमेशन से परे जाकर उन उद्योगों में फैल रहा है जहाँ मशीनों को जटिल, बदलते परिवेश के साथ इंटरैक्ट करना पड़ता है।

Gravis के लिए, वह पर्यावरण निर्माण स्थल है। नई भारी उपकरण को शून्य से बनाने के बजाय, कंपनी मौजूदा एक्सकेवेटर और अन्य पृथ्वी-हिलाने वाली मशीनरी को रेट्रोफ़िट करने के लिए हार्डवेयर और AI सॉफ़्टवेयर विकसित करती है, जिससे ठेकेदारों के पास पहले से मौजूद बेड़ों में विभिन्न स्तर की स्वायत्त संचालन जोड़ी जा सके।

The new funding will be used to accelerate Gravis’ international rollout, expand its engineering team, and put its autonomous systems into more construction and infrastructure projects.

भारी निर्माण में फिजिकल AI लाना

2022 के अंत में ETH Zurich से स्पिनआउट के रूप में स्थापित, Gravis रोबोटिक्स और स्वायत्त नियंत्रण प्रणालियों पर शोध से उभरा। कंपनी के सीईओ और सह-संस्थापक Ryan Luke Johns तथा सीटीओ और सह-संस्थापक Dominic Jud का नेतृत्व है, और रोबोटिक्स शोधकर्ता Marco Hutter सह-संस्थापक और बोर्ड सदस्य के रूप में कार्यरत हैं।

निर्माण कई उन पर्यावरणों से अलग चुनौती प्रस्तुत करता है जहाँ स्वायत्त मशीनों ने गति पाई है।

उदाहरण के तौर पर, एक स्व-चालित वाहन आमतौर पर पर्यावरण को समझने और सुरक्षित रूप से नेविगेट करने की कोशिश करता है बिना उसे बदले। एक एक्सकेवेटर को इसके विपरीत करने की अपेक्षा की जाती है। प्रत्येक बकेट की गति उस भूभाग को बदल देती है जिसे मशीन को अगली बार समझना होगा।

मशीन को मिट्टी, चट्टानें, बदलते ढाल, भूमिगत प्रतिरोध और अन्य ऐसी स्थितियों का भी सामना करना पड़ सकता है जिन्हें पहले से पूरी तरह पूर्वानुमानित नहीं किया जा सकता।

Gravis इस अनिश्चितता को सीखने-आधारित रोबोटिक नियंत्रण प्रणालियों के माध्यम से दूर करने का प्रयास कर रहा है, जो मशीन के हाइड्रॉलिक डेटा को LiDAR, कैमरों और ग्लोबल नेविगेशन सैटेलाइट सिस्टम (GNSS) पोजिशनिंग के साथ मिलाते हैं। इसका सॉफ़्टवेयर लगातार मशीनरी के आसपास के माहौल और उस पर प्रभाव डालने वाली भौतिक बलों की व्याख्या करता है, बजाय केवल पूर्वनिर्धारित गति क्रम को निष्पादित करने के।

कंपनी का कहना है कि उसके मॉडल सिमुलेशन में भी व्यापक रूप से प्रशिक्षित किए जाते हैं, जिससे AI को वास्तविक मशीनरी पर लागू करने से पहले बड़ी संख्या में वर्चुअल खुदाई परिदृश्यों का सामना करने का अवसर मिलता है।

मौजूदा एक्सकेवेटरों को स्वायत्त मशीनों में बदलना

Gravis की रणनीति का एक केंद्रीय भाग एक ही उपकरण निर्माता पर निर्भरता से बचना है।

निर्माण बेड़े आमतौर पर कई ब्रांडों की मशीनों से बने होते हैं, जो अक्सर वर्षों की खरीद और किराए के समझौतों के दौरान जमा होते हैं। ठेकेदारों से उन बेड़ों को विशेष रूप से निर्मित स्वायत्त मशीनरी से बदलने को कहना अपनाने को काफी कठिन बना सकता है।

इसके बजाय, Gravis ने Gravis RACK विकसित किया है, जो एक मॉड्यूलर स्वायत्त नियंत्रण प्रणाली है जिसे मौजूदा एक्सकेवेटर और व्हील लोडर पर स्थापित किया जा सकता है। कंपनी का कहना है कि यह प्लेटफ़ॉर्म पहले ही Caterpillar, John Deere, JCB, Hitachi, Volvo, Yanmar, Case, Develon और Sumitomo जैसे निर्माताओं के उपकरणों के लिए अनुकूलित किया जा चुका है।

रूफ़टॉप प्रणाली कैमरों, 3D LiDAR, GNSS RTK पोजिशनिंग और ऑटोमोबाइल-ग्रेड एज कंप्यूटिंग को संयोजित करती है। क्योंकि प्रोसेसिंग मशीन पर ही होती है, Gravis का कहना है कि स्वायत्त कार्यक्षमताएँ भरोसेमंद कनेक्टिविटी न होने पर भी काम करती रह सकती हैं, जो दूरस्थ या अधूरे निर्माण स्थलों पर एक महत्वपूर्ण विचार है।

पूर्ण LiDAR कवरेज और सेंसर फ्यूज़न का उपयोग लगातार आसपास के भूभाग को स्कैन करने के लिए किया जाता है। यह जानकारी स्वायत्त खुदाई का समर्थन कर सकती है जबकि साथ ही 3D साइट डेटा, कट-एंड-फिल विज़ुअलाइज़ेशन और पूर्ण कार्य के रिकॉर्ड उत्पन्न करती है।

Gravis की पर्सेप्शन प्रणाली डंप ट्रकों की पहचान कर सकती है और यह समन्वय कर सकती है कि खोदा गया सामग्री कहाँ रखी जानी चाहिए, जिससे स्वायत्त कार्यप्रवाह खुदाई से आगे लोडिंग और सामग्री संभालने जैसी गतिविधियों तक विस्तारित हो सकता है।

ऑपरेटर को हटाए बिना स्वायत्तता

Gravis स्वायत्तता को सब कुछ या कुछ नहीं वाले परिवर्तन के रूप में नहीं प्रस्तुत कर रहा है।

इसका Slate टैबलेट इंटरफ़ेस ठेकेदारों को कार्य के अनुसार कई ऑपरेटिंग मोड्स के बीच स्विच करने की अनुमति देता है। ऑपरेटर केबिन के अंदर रहकर AI-सहायता प्राप्त मार्गदर्शन का उपयोग कर सकते हैं, मशीन के लंबे स्वायत्त कार्य करते समय दूर जा सकते हैं, या उपकरण की दूरस्थ निगरानी कर सकते हैं।

अपने इन-कैब कोपायलट मोड में, ऑपरेटर टैप-टू-डिग नियंत्रण और संवर्धित दृश्य मार्गदर्शन का उपयोग कर सकते हैं। कार्य कंप्यूटर-एडेड डिज़ाइन (CAD) या Building Information Modeling (BIM) ज्योमेट्री, भौतिक संदर्भ बिंदुओं या निर्देशांक के माध्यम से परिभाषित किए जा सकते हैं। फिर इंटरफ़ेस यह दृश्य रूप से दिखा सकता है कि मशीन के काम करने के दौरान कितनी सामग्री हटानी या जोड़नी है।

स्पेक्ट्रम के दूसरे सिरे पर, रिमोट ऑर्केस्ट्रेशन ऑपरेटर को लाइव वीडियो और साइट जानकारी का उपयोग करके एक या अधिक मशीनों की निगरानी और दूरस्थ रूप से संचालन करने की अनुमति देता है।

यह मिश्रित दृष्टिकोण अपनाने में महत्वपूर्ण साबित हो सकता है। निर्माण स्थल अक्सर पूरी तरह नियंत्रित स्थितियों में दोहराव वाले कार्यों से नहीं बनते। ऑपरेशनल लूप में मनुष्यों को शामिल रखने से ठेकेदारों को स्वायत्तता को धीरे-धीरे पेश करने का तरीका मिलता है, बजाय पूरी साइट को पूर्णतः ड्राइवरलेस उपकरणों के आसपास पुनः डिज़ाइन करने के।

मिश्रित निर्माण बेड़ों में एक सॉफ़्टवेयर लेयर

वृहद लक्ष्य प्रभावी रूप से एक इंटेलिजेंस लेयर बनाना है जो विखंडित भारी-उपकरण बाजार के ऊपर स्थित हो।

यदि वही स्वायत्त सॉफ़्टवेयर कई निर्माताओं की मशीनरी और विभिन्न मशीन आकारों पर काम कर सकता है, तो ठेकेदार संभावित रूप से अपने पूरे बेड़े को एक विक्रेता के चारों ओर मानकीकृत किए बिना ऑटोमेशन को लागू कर सकते हैं।

Gravis का कहना है कि उसका सीखने-आधारित नियंत्रण प्रणाली विभिन्न मशीनों की भौतिक विशेषताओं के अनुसार अनुकूलित होती है, बजाय प्रत्येक एक्सकेवेटर को स्वतंत्र रूप से प्रोग्राम करने की आवश्यकता के।

जैसे-जैसे फिजिकल AI प्रदर्शनों से व्यावसायिक तैनाती की ओर बढ़ता है, यह अंतर अधिक महत्वपूर्ण हो सकता है। एक रोबोटिक प्रणाली जो एक सावधानीपूर्वक कॉन्फ़िगर की गई मशीन पर अच्छी तरह काम करती है, वह बड़े ठेकेदारों के लिए कम उपयोगी है, तुलना में सॉफ़्टवेयर जो विश्व भर में पहले से चल रहे विविध बेड़ों के अनुकूल हो सकता है।

Gravis का कहना है कि उसकी टेरेन-एवेयर खुदाई तकनीक उत्पादन क्षमता को 30% तक बढ़ा सकती है, हालांकि वास्तविक लाभ मशीनरी, कार्य और साइट की स्थितियों पर निर्भर करेंगे।

शोध परियोजनाओं से सक्रिय कार्यस्थलों की ओर बढ़ना

SoftBank निवेश से पहले ही Gravis ने व्यावसायिक विस्तार शुरू कर दिया था।

नवंबर 2025 में, कंपनी ने $23 million की नई फंडिंग की घोषणा की, साथ ही Holcim, Taylor Woodrow, HD Hyundai और Flannery Plant Hire जैसी कंपनियों के साथ साझेदारियों और तैनाती का उल्लेख किया। उस समय, Gravis ने कहा कि उसके सिस्टम यूके, यूरोपीय संघ, संयुक्त राज्य, लैटिन अमेरिका और एशिया के सात देशों में सक्रिय थे।

एक उल्लेखनीय तैनाती में Manchester Airport पर एक सक्रिय Taylor Woodrow बुनियादी ढांचा परियोजना में स्वायत्त खुदाई शामिल थी। कंपनी ने स्वायत्त खनन सामग्री संभालने पर भी काम किया है और Flannery के साथ एक साझेदारी स्थापित की है, जिसका उद्देश्य Gravis तकनीक से सुसज्जित एक्सकेवेटरों को उपकरण किराए बाजार के माध्यम से उपलब्ध कराना है।

यह व्यावसायीकरण इतिहास नवीनतम फंडिंग को उन फिजिकल-AI निवेशों से अलग करने में मदद करता है जो मुख्यतः भविष्य के प्रोटोटाइप पर केंद्रित हैं। Gravis पूंजी जुटा रहा है जबकि उसकी प्रणालियाँ पहले से ही पारंपरिक निर्माण दलों के साथ परीक्षण और उपयोग में हैं।

यूके परियोजना स्वायत्त एक्सकेवेटरों को बड़े परीक्षण में शामिल करेगी

यह विस्तार सरकारी समर्थन भी प्राप्त कर रहा है।

Gravis और Flannery Plant Hire को हाल ही में यूके के CAM Pathfinder कनेक्टेड और ऑटोमेटेड मोबिलिटी प्रोग्राम के तहत एक परियोजना के लिए चुना गया था। यह पहल छह एक्सकेवेटरों में एक पूर्ण स्वायत्त पृथ्वी-हिलाने वाली प्रणाली का परीक्षण करेगी, जिसमें ट्रेंचिंग, बड़े पैमाने पर खुदाई और ट्रक लोडिंग जैसी एप्लिकेशन शामिल हैं।

यह परियोजना विशेष रूप से प्रासंगिक है क्योंकि उपकरण किराया निर्माण स्वायत्तता के लिए एक महत्वपूर्ण वितरण चैनल बन सकता है।

ठेकेदारों को स्वायत्त मशीनें खरीदने या अपने बेड़ों को स्थायी रूप से रेट्रोफ़िट करने की आवश्यकता के बजाय, किराया कंपनियां व्यक्तिगत परियोजनाओं के लिए स्वायत्तता-सुसज्जित मशीनरी प्रदान कर सकती हैं। इससे तकनीक के साथ प्रयोग करने में वित्तीय और संचालनात्मक बाधाओं को कम किया जा सकता है।

यह स्वायत्त प्रणालियों को बहुत अधिक विविध कार्यस्थलों, मशीनरी कॉन्फ़िगरेशन और जमीन की स्थितियों के सामने लाएगा, जिससे अंतर्निहित AI मॉडलों को सुधारने के लिए मूल्यवान संचालन डेटा उत्पन्न हो सकता है।

निर्माण क्यों प्रमुख फिजिकल AI बाजार के रूप में उभर रहा है

फिजिकल AI के आसपास का अधिकांश ध्यान ह्यूमनॉइड रोबोट्स पर केंद्रित रहा है। भारी मशीनरी एक और संभावित महत्वपूर्ण अवसर का प्रतिनिधित्व करती है, और जहाँ आर्थिक उपयोग केस को परिभाषित करना आसान हो सकता है।

एक्सकेवेटर, लोडर और अन्य मशीनें पहले से ही भारी मात्रा में शारीरिक कार्य करती हैं। चुनौती नया मैकेनिकल फॉर्म फैक्टर बनाना नहीं है, बल्कि पहले से बड़े पैमाने पर तैनात उपकरणों में बुद्धिमत्ता जोड़ना है।

यह व्यावसायीकरण के लिए एक अलग मार्ग बनाता है। नई प्रकार के रोबोट को क्या करना चाहिए, यह ग्राहक से पूछने के बजाय, Gravis जैसी कंपनियां उन कार्यों को लक्षित कर रही हैं जिन्हें ठेकेदार पहले से ही कुशल कार्यकर्ताओं और महंगी मशीनरी को रोज़ाना करने के लिए भुगतान करते हैं।

बची हुई चुनौती विश्वसनीयता है। निर्माण पर्यावरण गंदा, गतिशील और सुरक्षा-क्रिटिकल है, जिसका अर्थ है कि स्वायत्त उपकरणों को उन स्थितियों में लगातार काम करना चाहिए जो फैक्ट्री फ्लोर या वेयरहाउस की तुलना में कम पूर्वानुमानित हैं।

Gravis का सिमुलेशन, मशीन टेलीमेट्री, सेंसर फ्यूज़न और अनुकूलनीय नियंत्रण मॉडलों पर फोकस इस समस्या की कठिनाई को दर्शाता है।

SoftBank फंडिंग ने Gravis को विस्तार के एक नए चरण में प्रवेश कराया

$200 मिलियन की सीरीज़ A Gravis को इस चुनौती से निपटने के लिए काफी अधिक संसाधन प्रदान करती है।

सिर्फ आगे के शोध को फंड करने के बजाय, अब अवसर का अधिकांश हिस्सा तैनाती में है: अधिक उपकरण ब्रांडों में सिस्टम स्थापित करना, सक्रिय निर्माण परियोजनाओं से अनुभव एकत्र करना और यह साबित करना कि स्वायत्त मशीनरी नियंत्रित प्रदर्शनों के बाहर निरंतर आर्थिक लाभ दे सकती है।

रेट्रोफ़िट रणनीति विशेष रूप से महत्वपूर्ण हो सकती है। निर्माण कंपनियों के पास मौजूदा मशीनरी में बड़ी मात्रा में पूंजी बंधी होती है, और एक प्लेटफ़ॉर्म जो उन परिसंपत्तियों में बुद्धिमत्ता जोड़ सके, वह उन प्रतिस्पर्धियों से अलग तरीके से स्केल कर सकता है जो ग्राहकों को पूरी नई रोबोटिक बेड़े खरीदने की आवश्यकता रखते हैं।

यदि वह मॉडल विश्वसनीय साबित होता है, तो निर्माण फिजिकल AI के सबसे प्रभावशाली बाजारों में से एक बन सकता है। मशीनें पहले से ही मौजूद हैं, कार्य पहले से ही परिभाषित है, और बुनियादी ढांचे की मांग लगातार बढ़ रही है।

Gravis Robotics अब एक अतिरिक्त $200 मिलियन रखता है यह दर्शाने के लिए कि AI केवल भौतिक दुनिया को समझने और नेविगेट करने से अधिक कर सकता है। यह इसे पुनः आकार देने में मदद कर सकता है।