Adam Sadilek, Pendiri dan CEO AIM – Seri Wawancara

Adam Sadilek adalah Pendiri dan CEO AIM. Sebagai seorang anak, ia sangat tertarik dengan robotika dan otomatisasi—dorongan oleh keinginan untuk membangun sistem yang dapat belajar sendiri dan membuat pekerjaan fisik lebih cerdas, lebih cepat, dan lebih aman. Ketertarikan awal itu membawanya ke Google , di mana ia berkontribusi pada pekerjaan yang sangat penting dalam skala AI planet dan kendaraan otonom, yang kemudian berkembang menjadi Waymo. Mengenali peluang yang belum

dimanfaatkan, ia mendirikan AIM untuk membawa otonomi ke penggalian tanah — sektor yang menjadi dasar hampir semua infrastruktur manusia namun telah melihat sedikit otomatisasi sejak diperkenalkannya mesin hidrolik. AIM adalah pelopor platform AI-powered pertama di dunia untuk peralatan berat, mengubah cara tanah dipindahkan dalam skala besar. Dengan menggabungkan sistem persepsi, perencanaan, dan kontrol yang

canggih, AIM mengotomatisasi penggalian, grading, dan pergerakan material di seluruh proyek konstruksi, pertambangan, dan ketahanan iklim. Teknologi perusahaan ini menangani tantangan global yang kritis seperti kekurangan tenaga kerja, modernisasi

infrastruktur, dan kesiapan bencana—membuat fondasi untuk masa depan di mana mesin otonom dapat membangun baik di Bumi dan di luar. Anda menghabiskan lebih dari satu dekade di Google(x), bekerja pada inisiatif AI besar termasuk yang menjadi Waymo. Pengalaman spesifik apa selama periode itu yang meyakinkan Anda 

bahwa mengotomatisasi dunia fisik — bukan hanya lingkungan digital — adalah frontier yang tepat? Saya memiliki kehormatan untuk bergabung dengan Google langsung setelah mendapatkan gelar PhD di AI. Bekerja di Google(x) dan Alphabet memberi saya pengalaman tangan untuk melihat potensi AI dalam lingkungan nyata. Namun, tidak sampai saya bergeser ke pembangunan proyek infrastruktur fisik bahwa saya benar-benar 

menyadari seberapa besar perubahan yang dapat dibawa oleh otomatisasi dalam dunia yang dibangun. Melihat betapa sulitnya  

memindahkan tanah, tanah, dan material setiap hari – bahkan bagi pembangun berpengalaman – membawa saya ke momen pencerahan: tidak ada yang menangani masalah esensial ini dengan cara yang

dapat diperluas. Penggalian tanah otonom tidak hanya akan meningkatkan keselamatan staf darat dan mempercepat industri besar seperti pertambangan, konstruksi, dan pekerjaan sipil, tetapi juga dapat menyelesaikan beberapa tantangan terbesar planet kita, seperti terraforming dan membalikkan kerusakan yang telah 

dilakukan terhadap planet kita. Jadi, selama pandemi, saya mulai mengubah mesin manual menjadi mesin otonom di garasi, dan itulah tempat AIM lahir. Dengan AIM Intelligent Machines, Anda telah memilih sektor yang telah melihat sedikit robotika atau otonomi sejak diperkenalkannya mesin hidrolik. Bisakah Anda menjelaskan 

momen atau wawasan penting ketika Anda memutuskan untuk meluncurkan AIM? Semua yang kita bangun, yang kita andalkan setiap hari, dimulai dengan tanah. Dari perangkat yang Anda baca sekarang hingga bangunan, jalan, dan mesin yang kita gunakan setiap hari, semuanya Either ditambang atau ditanam, dan kemampuan kita untuk memindahkan tanah adalah kunci untuk semuanya itu. Saya menyadari langsung bekerja di konstruksi bahwa industri penggalian tanah seperti pertambangan dan 

konstruksi telah melihat sedikit teknologi dan otomatisasi yang telah mengubah industri lain. Sementara gudang memiliki sistem konveyor, pabrik memiliki lini perakitan yang dioptimalkan, dan sistem kontainerisasi dan pelacakan pengiriman – metode yang kita gunakan untuk memindahkan sejumlah 

besar tanah belum banyak berubah dalam waktu lama. Saya juga mulai memahami permintaan besar untuk memperbaiki penggalian tanah. Mengoperasikan peralatan berat adalah salah satu pekerjaan paling berbahaya

di dunia, menyebabkan kekurangan tenaga kerja akut dan kronis untuk pekerja terampil (industri konstruksi harus menarik hampir 1 juta pekerja dalam dua tahun ke depan untuk memenuhi permintaan proyek). Ada juga kebutuhan luar biasa di seluruh dunia untuk penggalian tanah otonom untuk memperbaiki semua, dari rantai pasokan material hingga pembangunan infrastruktur yang lebih 

baik, remediasi area limbah berbahaya, dan membalikkan dampak negatif perubahan iklim terhadap planet. Semua ini membawa saya ke kesadaran bahwa peradaban kita membutuhkan penggalian tanah otonom. Kita membutuhkan visi, kecepatan, dan kecerdasan untuk membentuk kembali planet dengan presisi dan skala untuk menangani tantangan dan peluang terbesar planet kita. Itulah yang membawa saya untuk meluncurkan AIM dan apa yang kita pecahkan. Otomatisasi untuk pertambangan atau peralatan konstruksi menyajikan 

kompleksitas yang luar biasa: medan yang kasar, kondisi yang tidak terduga, mesin berat yang dibangun selama dekade. Apa saja terobosan teknis kunci yang membuat platform Anda mungkin — dalam penginderaan, pemetaan, pembelajaran mesin, atau integrasi? Merancang AI yang tersemat untuk memindahkan tanah, di beberapa kondisi terberat di planet kita, tidaklah mudah. Tidak hanya kita

perlu merancang untuk lingkungan di mana tidak ada jalan, jalur, atau struktur aturan untuk AI mengikuti – kita juga harus mengembangkan sistem yang mampu

melakukan ini di tempat dengan panas dan dingin ekstrem, kegelapan, koneksi internet yang buruk atau tidak ada, dan peristiwa cuaca seperti salju, hujan es, atau badai pasir. Salah satu terobosan teknis kunci untuk AIM adalah menangani tantangan penginderaan dan pemetaan di lingkungan yang kasar. Teknologi sensor 

dapat rentan rusak ketika dipasang pada mesin yang mengalami banyak getaran dan dampak. Jadi apa yang kita lakukan adalah menghilangkan bagian-bagian yang rapuh dan menyematkan semua komponen komputasi dan kritis AIM ke dalam struktur armor khusus, yang juga disegel untuk mencegah debris dan pasir masuk. Kami kemudian menyolder sensor ke dalam kerangka

mesin itu sendiri untuk memberikan ketahanan yang lebih besar. Ketahanan ini, dikombinasikan dengan pembelajaran ujung-ke-ujung yang kuat di atas kapal, memungkinkan AIM untuk mengotomatisasi tugas penggalian tanah di beberapa lingkungan paling ekstrem, di tempat kerja produksi nyata di seluruh dunia. Ada

tingkat perbedaan besar antara prototipe dan sistem yang diterapkan secara komersial dengan beberapa penambang, pembangun, dan cabang pemerintah AS terbesar, yang mengandalkannya setiap hari di seluruh situs

mereka. Strategi AIM adalah untuk memasang peralatan berat yang ada dengan sensor, LiDAR, dan kamera. Mengapa Anda memilih untuk menggunakan peralatan warisan daripada mengembangkan mesin otonom sepenuhnya dari awal? Jawaban sederhana adalah kita ingin otomatisasi menjadi dapat diakses oleh semua operasi penggalian tanah hari ini. Manajer situs dan aset telah berinvestasi jutaan hingga miliaran dalam armada peralatan berat. Hanya satu mesin ini sering kali

berharga lebih dari $1 juta dan memiliki umur operasional yang panjang. Jadi, tidaklah memungkinkan atau berkelanjutan untuk menggantikan seluruh armada dengan mesin baru untuk menjadi otonom. Platform Anda menggunakan pembelajaran ujung-ke-ujung sehingga mesin dapat “belajar sendiri” untuk menggali lebih cepat 

dan lebih efisien. Bagaimana persisnya loop umpan balik itu berfungsi di lapangan, dan apa perbaikan operasional yang telah Anda amati sejauh ini? Pendekatan kami adalah meletakkan semua komputasi AI di atas kapal. Dalam kombinasi dengan platform yang diperkuat yang beroperasi bahkan tanpa GPS atau internet, kami menyampaikan otonomi canggih melalui pembelajaran ujung-ke-ujung yang dilakukan di ujung. Ini memungkinkan mesin menjadi lebih pintar dan lebih cepat ketika mereka melakukan pekerjaan. Bahkan, dalam waktu kurang dari satu jam, mesin yang dilengkapi AIM dapat belajar menggali dengan

sangat baik! Kontrol robotik AI menjadi sangat presisi ketika belajar, misalnya, berjalan dengan akurasi dua sentimeter bahkan tanpa GPS. Pembelajaran ujung-ke-ujung adalah kunci untuk mesin AIM mencapai

tingkat otonomi komersial untuk melakukan tugas penggalian tanah di tempat kerja produksi di seluruh dunia. Ini juga berarti bahwa semua data, analitik, dan pemantauan kinerja ada di atas kapal untuk mengurangi keausan, memotong waktu henti, dan memperpanjang umur kerja mesin lebih jauh. Anda berpendapat bahwa penerapan AI di sini sangat penting untuk infrastruktur, ketahanan iklim, bahkan pertahanan. Apa saja contoh kasus nyata yang paling

mencolok yang saat ini Anda kerjakan — dan bagaimana Anda melihat dampak sosialnya? Saat ini, satu miliar orang tinggal kurang dari 10 meter di atas permukaan

laut yang naik, satu dari enam tinggal di daerah dengan risiko kebakaran hutan yang signifikan, dan lebih dari 3 miliar terkena dampak lahan yang rusak yang membutuhkan restorasi. Tidak ada keraguan bahwa kekurangan tenaga kerja sangat mempengaruhi laju pembangunan infrastruktur kritis, perbaikan, dan seberapa cepat proyek dapat diselesaikan. Kekurangan tenaga kerja ini membuatnya lebih sulit untuk tidak hanya membalikkan dampak negatif perubahan iklim tetapi juga mencegah

tantangan di masa depan. Industri pertambangan dan konstruksi sering memiliki praktik yang

mapan, peraturan yang ketat, dan toleransi risiko yang tinggi tetapi adopsi otomatisasi yang rendah. Apa saja hambatan non-teknis (budaya, regulasi, operasional) yang dihadapi AIM

dalam menskala solusinya? Selalu ada tantangan ketika teknologi transformasional memasuki ruang di mana praktik telah mapan selama dekade. Teknologi AI-powered selalu membawa sedikit skeptisisme ke industri non-teknis. Namun, dengan AIM, kami telah dapat mengatasi tantangan ini dengan menunjukkan secara fisik kepada operator bagaimana AIM bekerja, bagaimana ia memberikan mereka 

keunggulan, dan bagaimana mereka dapat bergerak ke karir yang lebih aman, lebih memuaskan, dan lebih berkelanjutan. Industri ini merasakan dampak kekurangan tenaga kerja dan permintaan yang meningkat secara langsung, dan ketika mereka dapat melihat bagaimana kendaraan yang dilengkapi AIM dapat menyelesaikan shift penuh secara otonom dengan presisi, atau beroperasi di lokasi yang terlalu berbahaya bagi 

awak, kekhawatiran ini menghilang. Sebagai gantinya, operator bersemangat 

untuk belajar bahwa mereka dapat mengoperasikan armada otonom dari jarak aman (dan dengan AC atau pemanas) untuk meningkatkan output dan waktu kerja. Anda mendirikan AIM pada saat ketika sedikit orang yang melihat untuk menerapkan AI

dalam peralatan berat dan penggalian tanah. Bagaimana Anda mengkristalkan visi jangka panjang untuk AIM — dan bagaimana Anda menyeimbangkan eksperimen awal dengan narasi industri yang

lebih besar tentang otomatisasi di pertambangan dan konstruksi? Ketika saya meninggalkan Google, saya mulai membangun proyek infrastruktur fisik yang memerlukan latensi rendah dan kecepatan ekstrem – itulah saat saya tahu bahwa kita perlu membawa operasi otonom ke dunia fisik. Diberikan pekerjaan Anda pada AI skala planet (di Google/Waymo) dan sekarang otonomi

penggalian tanah, bagaimana Anda membandingkan dampak potensial AI di dunia fisik versus apa yang telah kita lihat di domain digital? AI telah mengubah cara kita beroperasi di

dunia digital, dan kita melihat value proposition yang serupa di dunia fisik – tetapi dengan skala yang jauh lebih besar. Seperti halnya AI mengubah cara manusia dapat melakukan penelitian, mengelola tugas, dan mengurangi pengawasan manusia, AIM mengubah cara mesin fisik beroperasi, belajar dari pengalaman, dan

beradaptasi dengan lingkungan yang berubah. Anda telah menyarankan bahwa visi AIM meluas ke luar Bumi — ke konstruksi dan terraforming di luar planet. Seberapa realistis cakrawala itu dalam pandangan Anda, dan apa peran yang Anda lihat AIM memainkan dalam masa depan itu? Membawa otomatisasi ini

ke semua sudut Bumi adalah langkah pertama – tetapi ketika konstruksi dan pemanfaatan sumber daya di luar planet menjadi kenyataan, kebutuhan akan peralatan berat otonom yang

dapat beroperasi di kondisi ekstrem akan menjadi sangat kritis. Kita tidak dapat mengirim awak konstruksi manusia ke Mars, tetapi kita dapat mengirim mesin yang dilengkapi AIM yang dapat beroperasi dalam kondisi cuaca ekstrem, sambil belajar dari pengalaman mereka sendiri tentang cara beroperasi lebih baik untuk lanskap tersebut. Kita membutuhkan mesin yang tidak hanya beroperasi melalui kontrol jarak jauh; kita membutuhkan mesin yang dapat beroperasi sepenuhnya otonom di lokasi di mana manusia tidak bisa.