グリット、インフラストラクチャー建設に物理AIをもたらすために3億2400万ドルを調達

グリットは、3億2400万ドルの資金調達を得て、繰り返し作業や身体的に厳しい作業が必要な大規模建設現場での作業が可能なAI搭載ロボットシステムを開発するために、ステルスモードから登場しました。

この資金調達には、オビビアス・ベンチャーズが率いる2600万ドルのシリーズAが含まれており、ユニオン・スクエア・ベンチャーズとアクティブ・インパクト・インベストメンツが参加しています。 以前の投資家であるファーストラウンドキャピタル、クライマティック、コングリュエント・ベンチャーズ、およびVSCベンチャーズも会社を支援しました。

グリットは、当初、建設材料を移動、配置、組み立てる必要がある大規模な太陽光発電プロジェクトに技術を展開しています。会社は、データセンター建設やその他の大規模なインフラプロジェクトへの展開を計画しています。

予測不可能な環境向けのロボットの構築

産業用オートメーションは、従来、工場や倉庫のような制御された環境で最も効果的に機能しました。建設現場では、ロボット工学の問題が大幅に増大します。

屋外の建設現場は継続的に変化します。機械は、泥、雪、埃、不均一な地形、変化する照明、変化するレイアウトで作動する必要があります。材料、機器、作業員も一日を通じて移動する可能性があるため、ロボットが固定された地図や厳密に調整されたワークフローに依存することは困難です。

グリットは、建設作業用の共有AIバックボーンを開発しています。このシステムは、ロボット操作、空間認識、サイトデータ、意思決定ソフトウェアを組み合わせて、機械が予測不可能な環境でタスクを実行できるようにします。

新しい建設車両の全面的な製造ではなく、グリットのロボットアームとAIシステムは、すでに建設会社が使用している機器に接続するように設計されています。オフザシェルフのアタッチメントと限られたカスタムハードウェアにより、システムは、建設会社が既存の機械を交換する必要なく導入できます。

このアプローチにより、メンテナンスと展開も簡素化される可能性があります。建設会社は、既存の機器プラットフォームに依存しながら、選択されたタスクの自動化機能を追加できます。

物資搬送から組み立てまで

グリットの機械は、同じ基本システムを使用して、建設作業の複数のカテゴリを実行するように設計されています。

その物理AI機能には、コンポーネントを拾い上げて配置する、材料をサイト内で輸送する、部品を完成した構造物に組み立てることが含まれます。会社は、完成した作業を検査する、プロジェクトレコードを維持する、サイト状況を監視する、次に何が起こるべきかを提案するための空間AI機能も開発しています。

システムは、機械の周囲の状況が変化する場合でも、ミリメートル単位の精度で材料を配置および操作するように設計されています。

グリットによると、現在、機械は毎日テラバイトの空間および運用データを収集しています。この情報は、認識とタスクの実行を改善するために使用できます。また、材料の移動、完成した作業、サイト状況の変化に関するより明確なレコードを作成することもできます。

このデータレイヤーは、将来的にはロボットハードウェアと同等の重要性を持つ可能性があります。建設監督者は、通常、不完全または遅れた情報を使用して決定を下します。サイトを継続的に観察するシステムは、ボトルネックを特定し、進捗状況を確認し、プロジェクトを妨げる前に問題が発生することを予測するのに役立ちます。

大規模な太陽光発電から始める

グリットは、大規模な太陽光発電から始めています。これは、クルーが広大な屋外サイトで繰り返し正確な物理動作を実行する必要があるセクターです。

会社によると、そのシステムは、パネルを破損することなく、数万個の太陽パネルを自動的に配置しました。機械は7以上の建設現場で作動しており、追加の労力を必要とせずに、最大4倍の効率性を達成しました。

太陽光発電の建設は、物理AIのテストベッドとして役立ちます。作業は、繰り返しと厳しい環境条件を組み合わせます。コンポーネントを輸送して正確に配置する必要がありますが、作業を実行する機械は、不均一な地形の数百エーカーで作動する可能性があります。

グリットは、既に主要な米国のエンジニアリング、調達、建設会社によって使用されている機器を提供しています。会社は、コンクリートや鉄筋工事の機能も開発中であり、データセンターおよびその他のインフラストラクチャプロジェクトは将来の市場として特定されています。

建設の労働力と生産性の課題に対処する

資金調達は、建設会社がインフラストラクチャーの需要と労働力の供給の間のギャップに直面している時期に到来しました。

グリットが引用する数字によると、2031年までに米国の建設労働力の41％以上が退職する見込みです。同時に、エネルギーインフラストラクチャー、輸送、データセンター、製造施設、その他の大規模プロジェクトへの大規模な支出が予定されています。

建設の生産性は他の業界に比べて改善のペースが遅れています。ソフトウェアはプロジェクトの計画と管理を改善しましたが、現場で実行される作業の多くは、依然として人々が材料を手動で移動、配置、組み立てることに依存しています。

グリットは、時間と身体的な労力を大量に消費するが、自動化が難しい繰り返しのタスクに注力しています。

会社は、建設現場全体を自動化ロボットで置き換えるのではなく、建設クルーを補完する技術を提供することを目指しています。作業員はロボットシステムを監督し、ロボットが繰り返しの動作を実行する一方で、判断、調整、特殊スキルを必要とするタスクに集中できます。

建設現場のインテリジェンスレイヤーの作成

グリットの長期的な目標は、個々の建設活動の自動化を超えています。

機械が作動するにつれて、サイトのレイアウト、機器の動き、設置された材料、環境条件に関する情報を収集します。会社は、このデータを使用して、プロジェクト全体の作業の進捗を理解できる意思決定システムを構築することを計画しています。

そのようなシステムは、将来的には、材料不足を予測し、スケジュールの競合を検出し、次の作業のシーケンスを提案し、複数のクルーと機械のリソースを調整するのに役立ちます。

これにより、グリットは、AIが単にコマンドを実行するのではなく、状況を継続的に評価し、プロジェクトの進め方を決定するのに役立つエージェント型の建設プラットフォームに近づきます。

各展開は、将来のサイトのためのトレーニングデータを提供する可能性もあります。グリットによると、最初は数ヶ月かかったタスクは、システムが経験を積むにつれて数日で適応できるようになりました。

建設の将来的な影響

グリットの資金調達は、工場や倉庫の制御された環境を超えて動作できる物理AIシステムへの関心の高まりを反映しています。

これらのテクノロジーが成熟すると、建設会社は、より繰り返しの多い物資搬送や組み立てタスクを自動化しながら、監督者にプロジェクトの進捗状況、機器の使用状況、サイト状況に関するリアルタイムの可視性を提供することができます。これにより、遅延を減らし、安全性を向上させ、限定的な熟練労働者が判断や調整を必要とする作業に集中できるようになります。

より広範な機会は、機械が展開を超えて学習し、インフラストラクチャプロジェクトが計画から完了までより効率的に進むように支援する、適応性の高い建設現場です。