Gravis Robotics Mengumpulkan $200 Juta Seri A untuk Menskalakan Mesin Berat Otonom

Gravis Robotics telah mengumpulkan $200 juta dalam pendanaan Seri A dari SoftBank, memberikan perusahaan robotika konstruksi berbasis Zurich modal baru yang signifikan untuk memperluas teknologi mesin berat otonomnya ke proyek infrastruktur global.

Perusahaan menggambarkan pendanaan ini sebagai Seri A terbesar dalam robotika konstruksi hingga saat ini. Putaran pendanaan ini terjadi saat investasi dalam physical AI semakin meluas di luar robot humanoid dan otomasi gudang ke industri di mana mesin harus berinteraksi dengan lingkungan yang kompleks dan berubah-ubah.

Bagi Gravis, lingkungan itu adalah lokasi konstruksi. Alih‑alih membangun peralatan berat baru dari nol, perusahaan mengembangkan perangkat keras dan perangkat lunak AI yang dirancang untuk memodifikasi excavator dan mesin penggerak tanah lainnya yang sudah ada, secara efektif menambahkan tingkat otonomi yang beragam ke armada yang sudah dimiliki kontraktor.

Pendanaan baru ini akan digunakan untuk mempercepat peluncuran internasional Gravis, memperluas tim tekniknya, dan menerapkan sistem otonomnya ke lebih banyak proyek konstruksi dan infrastruktur.

Membawa Physical AI ke Konstruksi Berat

Didirikan pada akhir 2022 sebagai spin‑out dari ETH Zurich, Gravis muncul dari riset robotika dan sistem kontrol otonom. Perusahaan dipimpin oleh CEO dan co‑founder Ryan Luke Johns serta CTO dan co‑founder Dominic Jud, dengan peneliti robotika Marco Hutter yang berperan sebagai co‑founder dan anggota dewan.

Konstruksi menghadirkan tantangan yang berbeda dibandingkan banyak lingkungan di mana mesin otonom telah memperoleh pijakan.

Misalnya, kendaraan self‑driving umumnya berusaha memahami dan menavigasi lingkungan dengan aman tanpa mengubahnya. Sebuah excavator diharapkan melakukan hal sebaliknya. Setiap gerakan ember mengubah medan yang harus dipahami mesin selanjutnya.

Mesin juga dapat menghadapi tanah, batu, lereng yang berubah, tahanan bawah tanah, dan kondisi lain yang tidak dapat diprediksi sepenuhnya sebelumnya.

Gravis berupaya mengatasi ketidakpastian tersebut melalui sistem kontrol robotik berbasis pembelajaran yang menggabungkan data hidrolik mesin dengan LiDAR, kamera, dan posisi Global Navigation Satellite System (GNSS). Perangkat lunaknya secara terus‑menerus menafsirkan lingkungan mesin serta gaya fisik yang memengaruhinya, alih‑alih hanya mengeksekusi urutan gerakan yang telah ditentukan.

Perusahaan menyatakan bahwa model‑modelnya juga dilatih secara ekstensif dalam simulasi, memungkinkan AI menghadapi sejumlah besar skenario penggalian virtual sebelum diterapkan pada mesin fisik.

Mengubah Excavator yang Ada Menjadi Mesin Otonom

Bagian utama dari strategi Gravis adalah menghindari ketergantungan pada satu produsen peralatan.

Armada konstruksi biasanya terdiri dari mesin dari berbagai merek, yang sering terkumpul selama bertahun‑tahun melalui pembelian dan perjanjian sewa. Meminta kontraktor mengganti armada tersebut dengan mesin otonom yang dirancang khusus dapat membuat adopsi menjadi jauh lebih sulit.

Sebagai gantinya, Gravis telah mengembangkan Gravis RACK, sebuah sistem kontrol otonom modular yang dapat dipasang pada excavator dan wheel loader yang sudah ada. Perusahaan menyatakan platform ini telah disesuaikan dengan peralatan dari produsen termasuk Caterpillar, John Deere, JCB, Hitachi, Volvo, Yanmar, Case, Develon, dan Sumitomo.

Sistem atap ini menggabungkan kamera, LiDAR 3D, posisi GNSS RTK, dan komputasi edge kelas otomotif. Karena pemrosesan terjadi di dalam mesin, Gravis menyatakan fungsi otonom dapat terus beroperasi bahkan ketika konektivitas yang dapat diandalkan tidak tersedia, sebuah pertimbangan penting di lokasi konstruksi yang terpencil atau belum selesai.

Cakupan LiDAR penuh dan fusi sensor digunakan untuk secara terus‑menerus memindai medan di sekitarnya. Informasi tersebut dapat mendukung penggalian otonom sekaligus menghasilkan data situs 3D, visualisasi potong‑isi, dan catatan pekerjaan yang selesai.

Sistem persepsi Gravis juga dapat mengidentifikasi truk dump dan mengoordinasikan lokasi penempatan material yang digali, memungkinkan alur kerja otonom meluas melampaui penggalian ke aktivitas seperti pemuatan dan penanganan material.

Otonomi Tanpa Mengeluarkan Operator

Gravis tidak memosisikan otonomi sebagai transisi semua atau tidak sama sekali.

Antarmuka tablet Slate tablet interface memungkinkan kontraktor beralih antara beberapa mode operasi tergantung pada tugas. Operator dapat tetap berada di dalam kabin dan menggunakan panduan berbantuan AI, meninggalkan posisi sementara mesin melakukan tugas otonom yang lebih lama, atau mengawasi peralatan dari jarak jauh.

Dalam mode Copilot di dalam kabin, operator dapat menggunakan kontrol tap‑to‑dig dan panduan visual augmentasi. Pekerjaan dapat didefinisikan melalui Computer‑Aided Design (CAD) atau Building Information Modeling (BIM) geometri, titik referensi fisik, atau koordinat. Antarmuka kemudian dapat memvisualisasikan berapa banyak material yang harus dihapus atau ditambahkan saat mesin bekerja.

Di sisi lain, orkestrasi jarak jauh memungkinkan operator mengawasi dan mengoperasikan satu atau lebih mesin secara remote menggunakan video langsung dan informasi lokasi.

Pendekatan hibrida tersebut mungkin menjadi penting bagi adopsi. Lokasi konstruksi jarang terdiri dari tugas berulang yang dilakukan dalam kondisi yang sepenuhnya terkendali. Menjaga manusia dalam lingkaran operasional memberi kontraktor cara memperkenalkan otonomi secara bertahap alih‑alih merancang ulang seluruh lokasi kerja di sekitar peralatan tanpa pengemudi.

Lapisan Perangkat Lunak di Seluruh Armada Konstruksi Campuran

Ambisi yang lebih luas pada dasarnya adalah menciptakan lapisan intelijen yang berada di atas pasar peralatan berat yang terfragmentasi.

Jika perangkat lunak otonom yang sama dapat mengoperasikan mesin dari berbagai produsen dan berbagai ukuran mesin, kontraktor berpotensi dapat menerapkan otomatisasi tanpa menstandarisasi seluruh armada mereka pada satu vendor.

Gravis menyatakan bahwa sistem kontrol berbasis pembelajaran menyesuaikan diri dengan karakteristik fisik mesin yang berbeda alih‑alih memerlukan setiap excavator diprogram secara independen.

Pembeda ini dapat menjadi semakin penting seiring physical AI beralih dari demonstrasi ke penerapan komersial. Sistem robotik yang berkinerja baik pada satu mesin yang dikonfigurasi secara cermat jauh kurang berguna bagi kontraktor besar dibandingkan perangkat lunak yang mampu beradaptasi dengan armada heterogen yang sudah beroperasi di seluruh dunia.

Gravis menyatakan bahwa teknologi penggalian yang sadar medan dapat meningkatkan throughput hingga 30%, meskipun peningkatan sebenarnya tetap bergantung pada mesin, pekerjaan, dan kondisi situs.

Bergerak dari Proyek Penelitian ke Lokasi Kerja Aktif

Gravis telah mulai memperluas secara komersial sebelum investasi SoftBank.

Pada November 2025, perusahaan mengumumkan $23 juta pendanaan baru bersamaan dengan kemitraan dan penerapan yang melibatkan perusahaan termasuk Holcim, Taylor Woodrow, HD Hyundai, dan Flannery Plant Hire. Pada saat itu, Gravis menyatakan sistemnya beroperasi di tujuh negara yang mencakup Inggris, Uni Eropa, Amerika Serikat, Amerika Latin, dan Asia.

Salah satu penerapan penting melibatkan penggalian otonom pada proyek infrastruktur Taylor Woodrow yang aktif di Bandara Manchester. Perusahaan juga telah bekerja pada penanganan material tambang otonom dan menjalin kemitraan dengan Flannery yang dirancang untuk membuat excavator yang dilengkapi teknologi Gravis tersedia melalui pasar penyewaan peralatan.

Sejarah komersialisasi tersebut membantu membedakan pendanaan terbaru dari investasi physical‑AI yang berfokus utama pada prototipe masa depan. Gravis mengumpulkan modal sementara sistemnya sudah diuji dan digunakan bersama tim konstruksi konvensional.

Proyek Inggris Akan Menempatkan Excavator Otonom dalam Uji Coba Lebih Besar

Ekspansi ini juga mendapat dukungan pemerintah.

Gravis dan Flannery Plant Hire baru-baru ini terpilih untuk proyek dalam program mobilitas terhubung dan otomatis CAM Pathfinder milik Inggris. Inisiatif ini akan menguji sistem penggerak tanah sepenuhnya otonom pada enam excavator, dengan aplikasi termasuk pengerjaan parit, penggalian massal, dan pemuatan truk.

Proyek ini sangat relevan karena penyewaan peralatan dapat menjadi saluran distribusi penting bagi otonomi konstruksi.

Alih‑alih meminta kontraktor membeli mesin otonom atau memodifikasi armada mereka secara permanen, perusahaan penyewaan dapat menyediakan mesin berperalatan otonom untuk proyek individu. Hal ini dapat menurunkan hambatan finansial dan operasional dalam bereksperimen dengan teknologi tersebut.

Hal ini juga akan memperkenalkan sistem otonom ke beragam lokasi kerja, konfigurasi mesin, dan kondisi tanah, berpotensi menghasilkan data operasional berharga untuk meningkatkan model AI yang mendasarinya.

Mengapa Konstruksi Muncul sebagai Pasar Physical AI Utama

Sebagian besar perhatian seputar physical AI berfokus pada robot humanoid. Mesin berat merupakan peluang signifikan lainnya, dan di mana kasus penggunaan ekonomi mungkin lebih mudah didefinisikan.

Excavator, loader, dan mesin lainnya sudah melakukan pekerjaan fisik dalam jumlah besar. Tantangannya bukan menciptakan bentuk mekanik baru, melainkan menambahkan kecerdasan pada peralatan yang sudah tersebar secara luas.

Hal ini menciptakan jalur komersialisasi yang berbeda. Alih‑alih meminta pelanggan menentukan apa yang harus dilakukan robot tipe baru, perusahaan seperti Gravis menargetkan tugas yang sudah dibayar kontraktor kepada pekerja terampil dan mesin mahal setiap hari.

Tantangan yang tersisa adalah keandalan. Lingkungan konstruksi berantakan, dinamis, dan kritis terhadap keselamatan, yang berarti peralatan otonom harus beroperasi secara konsisten dalam kondisi yang jauh lebih tidak dapat diprediksi dibandingkan lantai pabrik atau gudang.

Fokus Gravis pada simulasi, telemetri mesin, fusi sensor, dan model kontrol yang dapat beradaptasi mencerminkan betapa sulitnya masalah tersebut.

Pendanaan SoftBank Menempatkan Gravis dalam Tahap Ekspansi Baru

Seri A sebesar $200 juta memberikan Gravis sumber daya yang jauh lebih banyak untuk mengatasi tantangan tersebut.

Alih‑alih hanya mendanai riset lebih lanjut, sebagian besar peluang kini terletak pada penerapan: memasang sistem pada lebih banyak merek peralatan, mengumpulkan pengalaman dari proyek konstruksi aktif, dan membuktikan bahwa mesin otonom dapat memberikan manfaat ekonomi yang konsisten di luar demonstrasi yang terkontrol.

Strategi retrofit dapat menjadi sangat penting. Perusahaan konstruksi memiliki sejumlah besar modal yang terikat pada mesin yang ada, dan platform yang mampu menambahkan kecerdasan pada aset‑aset tersebut dapat berkembang secara berbeda dibandingkan pesaing yang mengharuskan pelanggan membeli seluruh armada robotik baru.

Jika model itu terbukti dapat diandalkan, konstruksi dapat menjadi salah satu pasar physical AI yang paling signifikan. Mesin‑mesin sudah ada, pekerjaan sudah didefinisikan, dan permintaan akan infrastruktur terus tumbuh.

Gravis Robotics kini memiliki tambahan $200 juta untuk menunjukkan bahwa AI dapat melakukan lebih dari sekadar memahami dan menavigasi dunia fisik. AI dapat membantu merubahnya.