Adam Sadilek. Oprichter en CEO van AIM – Interview Series

Adam Sadilek is de oprichter en CEO van AIM. Als kind was hij geobsedeerd door robotica en automatisering – gedreven door een verlangen om systemen te bouwen die zelf leren en fysiek werk slimmer, sneller en veiliger maken. Die vroege fascinatie leidde hem naar Google (GOOGL ), waar hij een bijdrage leverde aan baanbrekend werk op planetary-scale AI en autonome voertuigen, die later evolueerden naar Waymo. Het erkennen van een ongebruikte kans, richtte hij AIM op om autonomie te brengen naar het verplaatsen van aarde – een sector die bijna alle menselijke infrastructuur ondersteunt, maar weinig automatisering heeft gezien sinds de introductie van hydraulische machines.

AIM is een pionier in de wereld van het eerste AI-gepowered platform voor zware machines, waardoor de manier waarop aarde op grote schaal wordt verplaatst, wordt getransformeerd. Door geavanceerde perceptie-, planning- en controle-systemen te combineren, automatiseert AIM graafwerk, grondverzet en materiaalverplaatsing in de bouw-, mijnbouw- en klimaatresilientieprojecten. De technologie van het bedrijf adresseert kritische mondiale uitdagingen zoals arbeids tekorten, infrastructuurmodernisering en rampenbestrijding – en legt de basis voor een toekomst waarin autonome machines zowel op aarde als daarbuiten kunnen bouwen.

U hebt meer dan een decennium bij Google[x] gewerkt, waar u aan grote AI-initiatieven hebt gewerkt, waaronder wat Waymo is geworden. Welke specifieke ervaringen tijdens die periode hebben u ervan overtuigd dat het automatiseren van de fysieke wereld – en niet alleen digitale omgevingen – de juiste frontier was?

Ik had het voorrecht om bij Google te komen right after mijn PhD in AI. Werken bij Google[x] en Alphabet (GOOG ) gaf me hands-on ervaring om de potentie van AI in de echte wereld te zien. Maar het was pas toen ik overschakelde naar het bouwen van fysieke infrastructuurprojecten dat ik echt realiseerde hoeveel een game-changer automatisering kon zijn in de gebouwde wereld.

Het zien van hoe moeilijk het was om elke dag aarde, grond en materiaal te verplaatsen – zelfs voor ervaren bouwers – bracht me tot dat lichtbulb-moment: niemand nam dit essentiële probleem aan op een schaalbare manier. Autonome aardverplaatsing zou niet alleen de veiligheid van grondpersoneel radicaal verhogen en massive industrieën zoals mijnbouw, bouw en civiele werken versnellen, maar kon ook enkele van de grootste uitdagingen van onze planeet oplossen, zoals terraforming en het ongedaan maken van de schade die historisch aan onze planeet is toegebracht.

Dus tijdens de pandemie begon ik handmatige machines om te zetten in autonome machines in mijn garage, en dat is waar AIM is geboren.

Met AIM Intelligent Machines hebt u een sector gekozen die weinig robotica of autonomie heeft gezien sinds de introductie van hydraulische machines. Kunt u het cruciale moment of inzicht beschrijven toen u besloot om AIM te lanceren?

Alles wat we bouwen, waar we dagelijks van afhankelijk zijn, begint met vuil. Van het apparaat dat u nu leest tot de gebouwen, wegen en machines die we elke dag gebruiken, alles is ofwel gemijnd of geteeld, en onze mogelijkheid om aarde te verplaatsen is cruciaal voor al dit.

Ik realiseerde me eersthand tijdens het werken in de bouw dat aardverplaatsingsindustrieën zoals mijnbouw en bouw weinig van de technologie en automatisering hadden gezien die andere industrieën had getransformeerd. Terwijl magazijnen conveyor-systemen hadden, fabrieken geautomatiseerde assemblagelijnen en containerisatie- en trackingsystemen – de methoden die we gebruiken om grote hoeveelheden aarde te verplaatsen, zijn niet veel veranderd in een lange tijd.

Ik begon ook te begrijpen de immense vraag om aardverplaatsing te verbeteren. Het bedienen van zware machines is een van de gevaarlijkste banen ter wereld, wat leidt tot zowel acute als chronische arbeidstekorten voor geschoolde werknemers (de bouwsector moet bijna 1 miljoen werknemers aantrekken in de komende twee jaar om aan de projectvraag te voldoen). Er is ook een ongelofelijke behoefte aan autonome aardverplaatsing om alles van materiaaltoeleveringsketens tot het bouwen van superieure infrastructuur, het herstellen van gebieden die door natuurrampen zijn bedreigd of beschadigd, en verder te verbeteren.

Alles leidde me tot de realisatie dat onze beschaving autonome aardverplaatsing nodig heeft. We hebben de visie, snelheid en intelligentie nodig om de planeet met precisie en schaal te herschikken om de grootste uitdagingen en kansen van de planeet aan te pakken. Dat is wat me ertoe leidde om AIM te lanceren en wat we oplossen.

Autonomie voor mijnbouw- of bouwmachines presenteert een enorme complexiteit: ruw terrein, onvoorspelbare omstandigheden, zware machines gebouwd voor decennia. Wat waren de belangrijkste technische doorbraken die uw platform mogelijk maakten – in sensing, mapping, machine-learning of integratie?

Het ontwerpen van geïncorporeerde AI om aarde te verplaatsen, in enkele van de moeilijkste omstandigheden op onze planeet, is niet eenvoudig. Niet alleen moesten we ontwerpen voor omgevingen waar geen wegen, straatlanen of andere regelstructuren voor AI zijn om te volgen – we moesten ook systemen ontwikkelen die in staat zijn om dit te doen in plaatsen met extreme hitte en kou, duisternis, slechte tot niet-bestaande internetverbinding en weersomstandigheden zoals sneeuw, hagel of zandstormen.

Een van de belangrijkste technische doorbraken voor AIM was het aanpakken van de uitdaging van sensing en mapping in ruwe omgevingen. Sensortechnologie kan gevoelig zijn voor breken wanneer deze is uitgerust op machines die veel trillingen en impact ervaren. Dus wat we hebben gedaan, is deze kwetsbare onderdelen elimineren en alle compute- en kritieke componenten van AIM in een propriëtaire bepantsering ingebed, die ook is afgesloten om vuil en zand buiten te houden. We hebben ook sensoren in het eigen skelet van de machine gelast om nog meer duurzaamheid te bieden.

Deze robuustheid, in combinatie met krachtige end-to-end learning aan boord, is wat AIM in staat stelt om aardverplaatsingstaken te automatiseren in enkele van de meest extreme omgevingen, op echte productiewerkplaatsen over de hele wereld. Er is een enorm verschil tussen een prototype en een systeem dat commercieel is geïmplementeerd met enkele van de grootste mijnbouw-, bouw- en takken van de Amerikaanse overheid, die er elke dag op vertrouwen op hun locaties.

De strategie van AIM is om bestaande zware machines uit te rusten met sensoren, LiDAR en camera’s. Waarom koos u ervoor om bestaande apparatuur te gebruiken in plaats van geheel nieuwe autonome machines van de grond af aan te maken?

Het eenvoudige antwoord is dat we automatisering toegankelijk willen maken voor alle aardverplaatsingsoperaties vandaag. Site- en assetmanagers hebben al miljoenen tot miljarden geïnvesteerd in zware machineparken. Slechts één van deze machines kost vaak meer dan $1 miljoen en heeft een lange levensduur. Het is dus niet haalbaar noch duurzaam om hele vloten te vervangen door nieuwe machines om autonoom te gaan.

Onze retrofit-approach adresseert honderdduizenden van deze legacy-machines in gebruik over de hele wereld. AIM stelt organisaties, groot of klein, in staat om hun capaciteiten onmiddellijk te turbocharged om materiaaltoeleveringsketens te verbeteren, infrastructuur te bouwen, gebieden te beschermen en te herstellen die door natuurrampen zijn bedreigd of beschadigd, en verder. Dit ontgrendelt de kracht van automatisering voor operators op de snelheid en schaal die nodig is voor vandaag, niet over 10 jaar.

Uw platform gebruikt end-to-end learning zodat machines “zelf kunnen leren” om sneller en efficiënter te graven. Hoe precies functioneert die feedbacklus in het veld, en welke operationele verbeteringen hebt u tot nu toe waargenomen?

Onze aanpak was om alle AI-berekening aan boord te plaatsen. In combinatie met onze verharde platform dat zelfs zonder GPS of internet werkt, leveren we geavanceerde autonomie door end-to-end learning uitgevoerd aan de rand. Dit stelt machines in staat om slimmer en sneller te worden naarmate ze meer werk uitvoeren. In feite kan een AIM-uitgeruste machine leren echt goed graven! De AI-robotische controle wordt extreem precies naarmate het leert, bijvoorbeeld met een nauwkeurigheid van twee centimeter, zelfs zonder GPS.

De end-to-end learning is cruciaal voor AIM-machines om dat commerciële niveau van autonomie te bereiken om aardverplaatsingstaken uit te voeren op productiewerkplaatsen over de hele wereld. Het betekent ook dat alle gegevens, analyses en prestatiebewaking aan boord zijn om slijtage te verminderen, downtime te verminderen en de werklevensduur van machines verder te verlengen.

U argumenteert dat de toepassing van AI hier kritiek is voor infrastructuur, klimaatresilientie, zelfs defensie. Wat zijn de meest opvallende real-world use-cases waar u nu aan werkt – en hoe ziet u hun maatschappelijke impact?

Op dit moment wonen een miljard mensen minder dan 10 meter boven de stijgende oceanen, een op de zes in gebieden met een significante brandgevaar, en worden meer dan 3 miljard mensen getroffen door verwaarloosde landbouwgronden die hersteld moeten worden. Er is geen twijfel dat arbeidstekorten de snelheid beïnvloeden waarop kritieke infrastructuur wordt gebouwd, reparaties worden uitgevoerd en projecten kunnen worden voltooid. Deze arbeidstekorten maken het moeilijker dan ooit om niet alleen de negatieve gevolgen van klimaatverandering om te keren, maar ook proactief toekomstige uitdagingen te voorkomen.

De enige manier waarop we deze uitdagingen aan kunnen pakken, is door meer macht en autonomie naar de werkplaatsen te brengen – zodat operaties niet worden beperkt door arbeidsbeperkingen, weersomstandigheden of gevaarlijke werkomgevingen.

Bijvoorbeeld nemen bosbranden toe in frequentie vanwege de negatieve gevolgen van klimaatverandering. In plaats van te reageren op de schade veroorzaakt door deze branden, kan AIM ze voorkomen voordat ze gebeuren. AIM-uitgeruste bulldozers kunnen rechtstreeks in diepe bossen worden gedropt om brandbreuklijnen te creëren die voorkomen dat de branden zich verspreiden, terwijl ze op afstand worden bediend. Op een soortgelijke manier wordt een dijk of een zee muur gebouwd door materiaal zeer bewust op te stapelen langs de kustlijn om het op te tillen. Het is analoog aan de aardwerken die we al doen.

AI zal de manier waarop we op natuurlijke rampen en klimaatuitdagingen reageren en voorkomen, transformeren.

De mijnbouw- en bouwsector hebben vaak ingeslepen praktijken, zware regelgeving en een hoog risicotolerantie, maar een lage automatiseringsadoptie. Wat zijn de niet-technische barrières (cultureel, regelgevend, operationeel) waarmee AIM wordt geconfronteerd bij het opschalen van de oplossing?

Het is altijd een uitdaging wanneer een transformatieve technologie een ruimte binnenkomt waar praktijken al decennialang zijn vastgesteld. AI-gepowered technologie brengt altijd een beetje scepsis met zich mee in niet-technische industrieën. Maar met AIM zijn we in staat geweest om deze uitdagingen te overwinnen door operators fysiek te laten zien hoe AIM werkt, hoe het hen de mogelijkheid geeft, en hoe ze naar veiligere, meer bevredigende en duurzame carrières kunnen gaan.

Deze industrieën voelen de impact van arbeidstekorten en groeiende vraag in de praktijk, en wanneer ze kunnen zien hoe AIM-uitgeruste voertuigen een complete shift autonoom kunnen voltooien met precisie, of opereren in locaties die te gevaarlijk zijn voor hun crew om naar toe te gaan, verdwijnen deze zorgen. In plaats van vast te zitten in machines, zijn operators enthousiast om te leren dat ze autonome vloten op een veilige afstand (en in airconditioning of verwarming) kunnen bedienen om zowel output als uptime te verhogen.

De groeiende behoefte aan operationele efficiëntie overtreft de obstakels die traditioneel de adoptie verhinderen.

U heeft AIM opgericht op een moment dat weinig mensen naar de toepassing van AI in zware machines en aardverplaatsing keken. Hoe heeft u de langetermijnvisie voor AIM gecristalliseerd – en hoe heeft u een balans gevonden tussen vroege experimenten en het grotere industrienarratief rond automatisering in mijnbouw en bouw?

Toen ik Google verliet, begon ik zware fysieke infrastructuurprojecten te bouwen die lage latentie en extreme snelheid vereisten – dit was toen ik wist dat we autonome operaties in de fysieke wereld nodig hadden.

Automatisering was altijd meer een droom voor de mijnbouw- en bouwsector; iedereen hoopte dat een oplossing zou verschijnen, maar niemand maakte het. Met een technische en industrie-specifieke achtergrond was de visie voor AIM duidelijk. Ik begreep de operationele lacunes die moesten worden opgelost en hoe AI kon worden toegepast in de fysieke wereld, en ik wist dat de markt voor deze optimalisatie er was.

Gegeven uw werk aan zowel planetary-scale AI (bij Google/Waymo) als aardverplaatsingsautonomie, hoe vergelijkt u de potentiële impact van AI in de fysieke wereld met wat we hebben gezien in de digitale domein?

AI heeft al laten zien hoe het de manier waarop we in de digitale wereld opereren kan transformeren, en we zien een soortgelijk waardevoorstel in de fysieke wereld – maar op een nog grotere schaal. Net zoals AI de manier waarop mensen onderzoek kunnen uitvoeren, taken kunnen beheren en menselijke toezicht kunnen verminderen, transformeert AIM de manier waarop fysieke machines opereren, leren van ervaringen en zich aanpassen aan veranderende omgevingen.

We stellen menselijke operators in staat om hun werk beter te doen door hen uit te rusten met autonome machines die in locaties kunnen werken die fysiek ontoegankelijk zijn, opereren in weersomstandigheden die normaal gesproken een werkplaats zouden stilleggen, en continue productiviteit behouden. Noch digitale noch fysieke toepassingen van AI zijn bedoeld om mensen volledig te vervangen – het gaat erom hoe mensen kunnen werken te verbeteren.

U heeft gesuggereerd dat de visie van AIM verder gaat dan de aarde – naar off-planet constructie en terraforming. Hoe realistisch is die horizon in uw ogen, en welke rol ziet u AIM spelen in die toekomst?

Het brengen van deze automatisering naar alle hoeken van de aarde is de eerste stap – maar wanneer off-planet constructie en resource-gebruik realiteit worden, zal de behoefte aan autonome, remote power zware machines nog kritischer worden. We kunnen geen menselijke bouwploeg naar Mars sturen, maar we kunnen AIM-uitgeruste machines sturen die in die extreme weersomstandigheden kunnen opereren, terwijl ze leren van hun eigen ervaringen om beter te opereren in dat landschap. We hebben machines nodig die niet alleen via remote control werken; we hebben machines nodig die volledig autonoom kunnen werken in locaties waar mensen niet kunnen.