Adam Sadilek. Fondatore e CEO di AIM – Serie di Interviste

Adam Sadilek è il fondatore e CEO di AIM. Da bambino, era ossessionato dalla robotica e dall’automazione, spinto dal desiderio di costruire sistemi che imparino da soli e rendano il lavoro fisico più intelligente, veloce e sicuro. Quella fascinazione precoce lo portò a Google, dove contribuì a lavori innovativi su AI a scala planetaria e veicoli autonomi, che in seguito si evolsero in Waymo. Riconoscendo un’opportunità inesplorata, fondò AIM per portare l’autonomia alla movimentazione della terra – un settore che sostiene quasi tutte le infrastrutture umane, ma che ha visto poca automazione dall’introduzione delle macchine idrauliche.

AIM sta facendo da pioniere nel mondo con la prima piattaforma alimentata da AI per attrezzature pesanti, trasformando il modo in cui la terra viene spostata su larga scala. Combinando sistemi di percezione, pianificazione e controllo avanzati, AIM automatizza l’escavazione, la livellazione e il movimento dei materiali nei progetti di costruzione, mining e resilienza climatica. La tecnologia dell’azienda affronta sfide globali critiche come la carenza di manodopera, la modernizzazione delle infrastrutture e la preparazione ai disastri, gettando le basi per un futuro in cui le macchine autonome possano costruire sia sulla Terra che oltre.

Ha trascorso più di un decennio a Google[x], lavorando su importanti iniziative AI, tra cui quella che è diventata Waymo. Quali esperienze specifiche durante quel periodo lo hanno convinto che automatizzare il mondo fisico – e non solo gli ambienti digitali – fosse la frontiera giusta?

Ho avuto il privilegio di unirmi a Google subito dopo aver ottenuto il mio dottorato in AI. Lavorare a Google[x] e Alphabet mi ha dato l’esperienza pratica di vedere il potenziale dell’AI in ambienti del mondo reale. Ma non è stato fino a quando non mi sono concentrato sulla costruzione di progetti di infrastrutture fisiche che ho realmente capito quanto potesse essere un fattore di cambiamento l’automazione nel mondo costruito.

Vedere quanto fosse difficile spostare terra, suolo e materiali ogni giorno – anche per costruttori esperti – mi ha portato a quel momento di illuminazione: nessuno stava affrontando questo problema essenziale in modo scalabile. L’earthmoving autonomo non solo avrebbe radicalmente migliorato la sicurezza del personale a terra e accelerato enormi industrie come il mining, la costruzione e i lavori civili, ma avrebbe anche risolto alcune delle più grandi sfide del nostro pianeta, come la terraformazione e il risanamento dei danni storici inflitti al nostro pianeta.

Quindi, durante la pandemia, ho iniziato a convertire macchine manuali in macchine autonome nel mio garage, ed è lì che AIM è nata.

Con AIM Intelligent Machines ha scelto un settore che ha visto poca robotica o autonomia dall’introduzione delle macchine idrauliche. Può descrivere il momento o l’intuizione chiave quando ha deciso che era il momento di lanciare AIM?

Tutto ciò che costruiamo, di cui abbiamo bisogno ogni giorno, inizia con la terra. Dall’apparecchio che state leggendo adesso agli edifici, strade e macchine che usiamo ogni giorno, tutto è stato estratto o coltivato, e la nostra capacità di spostare la terra è fondamentale per tutto ciò.

Ho capito di persona, lavorando nella costruzione, che le industrie di earthmoving come il mining e la costruzione hanno visto poca tecnologia e automazione che avevano trasformato altri settori. Mentre i magazzini avevano sistemi di trasporto, le fabbriche avevano linee di assemblaggio automatizzate e sistemi di tracciamento dei container – i metodi che usiamo per spostare grandi quantità di terra non sono cambiati molto nel tempo.

Ho anche iniziato a capire la grande domanda di migliorare l’earthmoving. Operare macchine pesanti è uno dei lavori più pericolosi al mondo, portando a carenze di manodopera sia acute che croniche per lavoratori specializzati (l’industria della costruzione deve aggiungere quasi 1 milione di lavoratori nei prossimi due anni per soddisfare la domanda dei progetti). C’è anche un’incredibile necessità in tutto il mondo di earthmoving autonomo per migliorare tutto, dalle catene di approvvigionamento dei materiali alla costruzione di infrastrutture superiori, al risanamento di aree inquinate e alla riduzione dell’impatto negativo del cambiamento climatico sul pianeta.

Tutto ciò mi ha portato alla consapevolezza che la nostra civiltà ha bisogno di earthmoving autonomo. Abbiamo bisogno della visione, della velocità e dell’intelligenza per ridisegnare il pianeta con precisione e scala per affrontare le più grandi sfide e opportunità del pianeta. È questo che mi ha portato a lanciare AIM e a risolvere questi problemi.

L’autonomia per l’attrezzatura da costruzione o mining presenta un’enorme complessità: terreni accidentati, condizioni imprevedibili, macchine pesanti costruite da decenni. Quali sono stati i principali progressi tecnici che hanno reso possibile la sua piattaforma – nella sensazione, nella mappatura, nell’apprendimento automatico o nell’integrazione?

Progettare un’AI incarnata per spostare la terra, in alcuni dei condizioni più dure del nostro pianeta, non è facile. Non solo abbiamo dovuto progettare per ambienti dove non ci sono strade, corsie o altre strutture di regole per l’AI da seguire – ma abbiamo anche dovuto sviluppare sistemi in grado di farlo in luoghi con estremo caldo e freddo, buio, scarsa o inesistente connettività internet e eventi meteorologici come neve, grandine o tempeste di sabbia.

Uno dei principali progressi tecnici per AIM è stata la sfida della sensazione e della mappatura in ambienti accidentati. La tecnologia dei sensori può essere soggetta a rotture quando equipaggiata con macchine che subiscono molte vibrazioni e impatti. Quindi, ciò che abbiamo fatto è eliminare queste parti fragili e incorporare tutti i componenti critici e di calcolo di AIM in una struttura blindata proprietaria, che è anche sigillata per prevenire che detriti e sabbia entrino. Quindi, abbiamo anche saldati i sensori all’interno dello scheletro della macchina per fornire ancora più durata.

Questa robustezza, in combinazione con un potente apprendimento end-to-end a bordo, è ciò che consente ad AIM di automatizzare i compiti di earthmoving in alcuni degli ambienti più estremi, in siti di lavoro reali in tutto il mondo. C’è un enorme livello di differenza tra un prototipo e un sistema distribuito commercialmente con alcuni dei più grandi minerari, costruttori e rami del governo degli Stati Uniti, che contano su di esso ogni giorno nei loro siti.

La strategia di AIM è quella di aggiornare le macchine pesanti esistenti con sensori, LiDAR e telecamere. Perché ha scelto di sfruttare l’attrezzatura legacy invece di sviluppare interamente nuove macchine autonome da zero?

La risposta semplice è che vogliamo che l’automazione sia accessibile a tutte le operazioni di earthmoving oggi. I responsabili del sito e degli asset hanno già investito milioni o addirittura miliardi in flotte di macchine pesanti. Solo una di queste macchine spesso costa più di 1 milione di dollari e ha una lunga vita operativa. Quindi, non è né fattibile né sostenibile sostituire intere flotte con nuove macchine per diventare autonome.

Il nostro approccio di aggiornamento in primo luogo affronta centinaia di migliaia di queste macchine legacy in funzione in tutto il mondo. AIM consente alle organizzazioni, grandi o piccole, di aumentare immediatamente le loro capacità per migliorare le catene di approvvigionamento dei materiali, costruire infrastrutture, proteggere e restaurare aree minacciate o danneggiate da disastri naturali e oltre. Ciò sta sbloccando il potere dell’automazione per gli operatori alla velocità e alla scala di cui hanno bisogno oggi, non tra 10 anni.

In parallelo, spesso distribuiamo lo stesso hardware, software e AI in partnership con canali, distributori e persino OEM che producono le incredibili macchine idrauliche che turbochargiamo con la piattaforma di autonomia AIM in esecuzione su queste flotte. Quindi, si tratta di massima sicurezza, creazione di valore, successo congiunto dei clienti e opzionalità per gli ecosistemi enormemente importanti.

La sua piattaforma utilizza l’apprendimento end-to-end in modo che le macchine possano “imparare da sole” a scavare più velocemente e in modo più efficiente. Come funziona esattamente quel ciclo di feedback sul campo e quali miglioramenti operativi ha osservato finora?

Il nostro approccio è stato quello di mettere tutta la computazione AI a bordo. In combinazione con la nostra piattaforma blindata che opera anche senza GPS o internet, forniamo autonomia avanzata attraverso l’apprendimento end-to-end eseguito ai margini. Ciò consente alle macchine di diventare più intelligenti e veloci man mano che eseguono il lavoro. In effetti, in meno di un’ora, una macchina equipaggiata con AIM impara a scavare veramente bene! Il controllo robotico AI diventa estremamente preciso man mano che impara, ad esempio, funzionando con un’accuratezza di due centimetri anche senza GPS.

L’apprendimento end-to-end è fondamentale per le macchine AIM per raggiungere quel livello di autonomia commerciale per eseguire compiti di earthmoving in siti di lavoro di produzione in tutto il mondo. Significa anche che tutti i dati, le analisi e il monitoraggio delle prestazioni sono a bordo per ridurre l’usura, tagliare il tempo di fermo e estendere ulteriormente la durata di vita delle macchine.

Inoltre, man mano che il sistema apprende, AIM può fornire nuovi valori operativi e di CapEx attraverso risparmi di carburante, ciclo di servizio, utilizzo della flotta, pianificazione del sito AI ottimale ed eliminazione del lavoro di ritocco. In media, nel settore del mining, AIM genera un valore aggiuntivo di 13 milioni di dollari di minerale per macchina all’anno per il fatturato, mentre risparmia anche 633.000 dollari per macchina all’anno per i miglioramenti del bottom-line (risparmi diretti di OpEx). L’eliminazione completa di qualsiasi potenziale danno alle persone, poiché nessuno è più sulla o vicino alle macchine, porta naturalmente a un livello di sicurezza enorme che è essenziale di per sé e va oltre le cifre in dollari. Stiamo continuando a espandere i benefici operativi aggiuntivi che il sistema fornisce.

Sostiene che l’applicazione dell’AI qui è critica per le infrastrutture, la resilienza climatica, persino la difesa. Quali sono i casi d’uso più sorprendenti che sta lavorando attualmente – e come vede il loro impatto sociale?

Al momento, un miliardo di persone vive a meno di 10 metri sopra gli oceani in aumento, una su sei vive in aree con significativo rischio di incendi boschivi e oltre 3 miliardi sono colpiti da terre degradate che necessitano di restauro. Non c’è dubbio che le carenze di manodopera stanno impattando gravemente sulla velocità con cui vengono costruite le infrastrutture critiche, vengono eseguiti i lavori di riparazione e vengono completati i progetti. Queste carenze di manodopera stanno rendendo più difficile affrontare le sfide del cambiamento climatico e prevenire future sfide.

L’unico modo per affrontare queste sfide a viso aperto è portando più potere e autonomia nei siti di lavoro – in modo che le operazioni non siano limitate dalle costrizioni della manodopera, dalle condizioni meteorologiche o da ambienti di lavoro pericolosi.

Ad esempio, gli incendi boschivi stanno aumentando di frequenza a causa degli impatti negativi del cambiamento climatico. Invece di reagire ai danni inflitti da questi incendi, AIM sta fermándoli prima che accadano. Le macchine dotate di AIM possono essere rilasciate direttamente nelle foreste profonde per creare barriere antincendio che impediscono la propagazione degli incendi boschivi, tutto mentre vengono operate a distanza. Allo stesso modo, il modo in cui si costruisce una diga o un muro di protezione è quello di accumulare intenzionalmente materiali lungo la costa per sollevarla. È analogo ai lavori di terra che facciamo già.

L’AI trasformerà il modo in cui reagiamo e preveniamo questi disastri naturali e le sfide climatiche.

L’industria del mining e della costruzione spesso hanno pratiche radicate, una forte regolamentazione e una tolleranza al rischio bassa ma un basso livello di adozione dell’automazione. Quali sono le barriere non tecniche (culturali, regolamentari, operative) che AIM affronta nel scalare la sua soluzione?

È sempre una sfida quando una tecnologia trasformativa entra in uno spazio dove le pratiche sono state stabilite per decenni. La tecnologia AI porta sempre un po’ di scetticismo in settori non tecnici. Ma con AIM, siamo stati in grado di superare queste sfide mostrando fisicamente agli operatori come funziona AIM, come dà loro una leva e come possono spostarsi verso carriere più sicure, più soddisfacenti e sostenibili.

Queste industrie stanno sentendo l’impatto delle carenze di manodopera e della crescente domanda in prima persona, e quando possono vedere come le macchine equipaggiate con AIM possono completare un intero turno autonomamente con precisione, o operare in luoghi troppo pericolosi per il loro equipaggio, queste preoccupazioni scompaiono. Invece di essere bloccati all’interno delle macchine, gli operatori sono entusiasti di imparare che possono operare flotte autonome a una distanza sicura (e in aria condizionata o riscaldamento) per aumentare sia la produzione che il tempo di attività.

La crescente necessità di efficienza operativa supera gli ostacoli tradizionali che hanno impedito l’adozione.

Ha fondato AIM in un momento in cui pochi stavano cercando di applicare l’AI nelle macchine pesanti e nel movimento della terra. Come ha cristallizzato la visione a lungo termine per AIM – e come ha bilanciato la sperimentazione iniziale con il più ampio racconto dell’industria sull’automazione nel mining e nella costruzione?

Quando ho lasciato Google, ho iniziato a costruire progetti di infrastrutture fisiche pesanti che richiedevano bassa latenza e estrema velocità – è stato quando ho capito che dovevamo portare le operazioni autonome nel mondo fisico.

L’automazione era sempre più un sogno per le industrie del mining e della costruzione; tutti speravano che una soluzione sarebbe apparsa, ma nessuno la stava creando. Con uno sfondo tecnico e specifico dell’industria, la visione per AIM era chiara. Ho capito le lacune operative che dovevano essere risolte e come l’AI potesse essere applicata nel mondo fisico, e sapevo che il mercato per questa ottimizzazione c’era.

Considerato il suo lavoro su AI a scala planetaria (a Google/Waymo) e ora sull’autonomia nel movimento della terra, come paragona il potenziale impatto dell’AI nel mondo fisico rispetto a ciò che abbiamo visto nel dominio digitale?

L’AI ha già trasformato il modo in cui operiamo nel mondo digitale, e stiamo vedendo un valore proporzionale nel mondo fisico – ma su una scala ancora più grande. Allo stesso modo in cui l’AI sta trasformando come gli esseri umani possono condurre ricerche, gestire attività e ridurre la supervisione umana, AIM sta trasformando come le macchine fisiche operano, imparano dalle esperienze e si adattano a ambienti in cambiamento.

Stiamo abilitando gli operatori umani a fare il loro lavoro meglio dotandoli di macchine autonome che possono lavorare in luoghi che fisicamente non possono accedere, operare in condizioni meteorologiche che normalmente chiuderebbero un cantiere, e mantenere la produttività continua. Né le applicazioni digitali né quelle fisiche dell’AI sono destinate a sostituire completamente gli esseri umani – si tratta di migliorare il modo in cui gli esseri umani possono lavorare.

Ha suggerito che la visione di AIM si estende oltre la Terra – nella costruzione e nella terraformazione fuori dal pianeta. Quanto è realistico quell’orizzonte secondo lei, e quale ruolo vede AIM giocare in quel futuro?

Portare questa automazione in tutti gli angoli della Terra è il primo passo – ma man mano che la costruzione fuori dal pianeta e l’utilizzo delle risorse diventano una realtà, la necessità di macchine pesanti autonome e a distanza diventerà ancora più critica. Non possiamo spedire una squadra di costruzione umana su Marte, ma possiamo inviare macchine equipaggiate con AIM che possono operare in quelle condizioni meteorologiche estreme, tutto mentre imparano dalle loro esperienze su come operare meglio per quel paesaggio. Abbiamo bisogno di macchine che non solo operino via controllo remoto; abbiamo bisogno di macchine che possano operare interamente in modo autonomo in luoghi in cui gli esseri umani non possono.