Gravis Robotics、自治型重機の拡大に向けて2億ドルのシリーズA資金調達

Gravis Roboticsは、ソフトバンクからのシリーズA資金として2億ドルを調達し、チューリッヒ拠点の建設ロボティクス企業に、グローバルなインフラプロジェクトで自治型重機技術を拡大するための大規模な新資本を提供した。

同社はこの資金調達を、これまでで最大規模の建設ロボティクス分野のシリーズAと位置付けている。この資金調達は、フィジカルAIへの投資がヒューマノイドロボットや倉庫自動化を超えて、機械が複雑で変化する環境と相互作用しなければならない産業へと拡大している時期に行われた。

Gravisにとって、その環境は建設現場である。新たに重機を一から開発するのではなく、同社は既存の掘削機やその他の土木機械に後付けできるハードウェアとAIソフトウェアを開発し、既に施工業者が保有する車両群にさまざまなレベルの自律運転機能を付加している。

この新たな資金は、Gravisの国際展開の加速、エンジニアリングチームの拡充、そして自治型システムをより多くの建設・インフラプロジェクトに導入するために使用される。

フィジカルAIを重建設に導入

2022年後半にETHチューリッヒからスピンアウトしたGravisは、ロボティクスと自律制御システムの研究から誕生した。同社はCEO兼共同創業者のRyan Luke JohnsとCTO兼共同創業者のDominic Judが率い、ロボティクス研究者のMarco Hutterが共同創業者兼取締役を務めている。

建設現場は、自律機械が浸透している多くの環境とは異なる課題を呈している。

例えば自動運転車は、環境を変えずに理解し安全に走行しようとする。一方、掘削機は逆のことが求められる。バケットの一挙一動が次に機械が把握しなければならない地形を変えてしまうのだ。

機械はまた、土壌や岩石、変化する斜面、地下の抵抗など、事前に完全に予測できない条件にも直面する。

Gravisは、機械の油圧データとLiDAR、カメラ、全地球測位システム（GNSS）位置情報を組み合わせた学習ベースのロボット制御システムでこの不確実性に対処しようとしている。ソフトウェアは、あらかじめ決められた動作シーケンスを実行するだけでなく、機械の周囲環境と作用する物理的力を継続的に解釈する。

同社は、モデルをシミュレーションでも大規模に訓練しており、実機に導入する前にAIが多数の仮想掘削シナリオを経験できると述べている。

既存の掘削機を自律機械に変換

Gravisの戦略の中心は、単一の機器メーカーへの依存を回避することにある。

建設車両群は通常、複数のブランドの機械で構成され、長年の購入やレンタル契約で蓄積されている。施工業者にそれらの車両群を専用の自律機械に置き換えるよう求めることは、導入を大幅に困難にする可能性がある。

その代わりに、GravisはGravis RACKというモジュラー型自律制御システムを開発し、既存の掘削機やホイールローダーに取り付け可能にした。同社によれば、このプラットフォームはすでにCaterpillar、John Deere、JCB、Hitachi、Volvo、Yanmar、Case、Develon、Sumitomoといったメーカーの機器にも適用されている。

この屋上システムはカメラ、3D LiDAR、GNSS RTK位置情報、車載グレードのエッジコンピューティングを組み合わせている。処理が機械内部で行われるため、Gravisは信頼できる通信が確保できない遠隔地や未完成の建設現場でも自律機能が継続できると述べており、重要な考慮点となっている。

完全なLiDARカバレッジとセンサーフュージョンにより、周囲の地形を継続的にスキャンする。その情報は自律掘削を支援すると同時に、3Dサイトデータや盛土・切土の可視化、完了作業の記録を生成できる。

Gravisの認識システムはダンプトラックを識別し、掘削された資材の配置先を調整できるため、自律ワークフローは掘削に留まらず、積込みや資材搬送といった作業にも拡張できる。

オペレーターを排除せずに自律化

Gravisは自律化を全か無かの移行として位置付けていない。

同社のSlateタブレットインターフェースは、作業内容に応じて施工業者が複数の操作モードを切り替えられるようにする。オペレーターはキャブ内に留まりAI支援の誘導を利用したり、機械が長時間の自律作業を行う間離席したり、遠隔で機器を監視したりできる。

キャブ内のCopilotモードでは、オペレーターはタップで掘削するコントロールと拡張視覚ガイダンスを使用できる。作業はコンピュータ支援設計（CAD）やビルディング情報モデリング（BIM）のジオメトリ、物理的参照点、座標で定義でき、インターフェースは機械が作業中に除去または追加すべき資材量を可視化する。

その反対側では、遠隔オーケストレーションにより、オペレーターはライブ映像と現場情報を用いて1台または複数の機械を遠隔監視・操作できる。

このハイブリッドアプローチは導入において重要になる可能性がある。建設現場は決して完璧に制御された条件下で繰り返し作業が行われるわけではない。人間を作業ループに残すことで、完全な無人機械へ全面的に転換するのではなく、段階的に自律性を導入できる。

混在する建設車両群に跨るソフトウェア層

より広範な野望は、分散した重機市場の上に位置するインテリジェンス層を実質的に構築することだ。

同一の自律ソフトウェアが多数のメーカーや様々なサイズの機械で動作できれば、施工業者は全車両を単一ベンダーに標準化せずに自動化を導入できる可能性がある。

Gravisは、学習ベースの制御システムが各掘削機を個別にプログラムするのではなく、機械ごとの物理特性に合わせて調整すると述べている。

この違いは、フィジカルAIが実証段階から商業展開へ移行するにつれてますます重要になるだろう。1台の慎重に設定された機械でうまく機能するロボットシステムは、世界中で稼働している多様な車両群に適応できるソフトウェアに比べ、大手施工業者にとってははるかに価値が低い。

Gravisは、地形認識掘削技術がスループットを最大30%向上させる可能性があると述べているが、実際の効果は機械、作業内容、現場条件に左右されるのは必然である。

研究プロジェクトから実稼働現場へ

Gravisはソフトバンクからの投資以前からすでに商業的拡大を始めていた。

2025年11月、同社は2300万ドルの新規資金を発表し、Holcim、Taylor Woodrow、HD Hyundai、Flannery Plant Hireなどとのパートナーシップや導入事例を同時に示した。当時、Gravisはシステムが英国、欧州連合、米国、ラテンアメリカ、アジアの計7カ国で稼働していると述べた。

注目すべき導入例として、Manchester AirportでのTaylor Woodrowインフラプロジェクトにおける自律掘削がある。同社はまた、採石場での自律資材搬送にも取り組み、Gravis技術搭載の掘削機をレンタル市場で提供することを目的としたFlanneryとのパートナーシップを確立した。

この商業化の経緯は、最新の資金調達が主に将来のプロトタイプに焦点を当てたフィジカルAI投資とは異なることを示す。

Gravisは、システムがすでに従来の建設チームと共にテスト・使用されている段階で資金調達を行っている。

英国プロジェクトで自律掘削機を大規模試験へ導入

この拡大は政府の支援も受けている。

GravisとFlannery Plant Hireは、英国のCAM Pathfinder接続・自動モビリティプログラムの下で実施されるプロジェクトに最近選定された。このイニシアチブでは、6台の掘削機を用いた完全自律型土木システムを試験し、トレンチ掘削、大規模掘削、トラックへの積み込みなどの用途を対象とする。

このプロジェクトは、機材レンタルが建設自律化の重要な流通チャネルとなり得る点で特に意義がある。

施工業者が自律機械を購入したり自社車両群に恒久的に改造するのではなく、レンタル会社が個別プロジェクト向けに自律装備機械を提供できれば、技術実験に伴う財務的・運用的ハードルが低減されるだろう。

また、さまざまな現場、機械構成、地盤条件に自律システムを曝露することで、基盤となるAIモデルの改善に役立つ貴重な運用データが生成される可能性がある。

建設が主要なフィジカルAI市場として台頭する理由

フィジカルAIに関する関心の多くはヒューマノイドロボットに向けられてきたが、重機は別の有望な機会であり、経済的なユースケースが比較的明確に定義しやすい分野でもある。

掘削機、ローダーなどの機械はすでに膨大な物理作業を行っている。課題は新たな機械形態を発明することではなく、既に大規模に配備されている装置に知能を付加することだ。

これにより、別の商業化ルートが生まれる。顧客に新種ロボットの役割を決めさせるのではなく、Gravisのような企業は、施工業者がすでに熟練労働者や高価な機械に日々委託している作業を対象としている。

残された課題は信頼性である。建設環境は混沌として変動が激しく安全性が重要であるため、自律機械は工場や倉庫よりもはるかに予測不可能な条件下で一貫して動作する必要がある。

Gravisがシミュレーション、機械テレメトリ、センサーフュージョン、適応制御モデルに注力しているのは、この問題の難しさを物語っている。

ソフトバンク資金でGravisは新たな拡大フェーズへ

2億ドルのシリーズA資金は、Gravisにこの課題に取り組むための大幅なリソースをもたらす。

単に研究資金を提供するだけでなく、現在の機会は導入にある:より多くの機器ブランドにシステムを設置し、実稼働建設プロジェクトから経験を蓄積し、制御された実証実験以外でも自律機械が一貫した経済的利益をもたらすことを証明することにある。

レトロフィット戦略は特に重要になる可能性がある。建設会社は既存機械に多額の資本を投下しており、これらの資産全体に知能を付加できるプラットフォームは、顧客に全く新しいロボット車両群の購入を求める競合とは異なるスケールで展開できる。

そのモデルが信頼できることが証明されれば、建設はフィジカルAIの最も重要な市場の一つになる可能性がある。機械はすでに存在し、作業は既に定義されており、インフラ需要は引き続き増加している。

Gravis Roboticsは、AIが物理世界を理解しナビゲートするだけでなく、形を変えることもできることを示すための追加資金として再び2億ドルを得た。