Gravis Robotics haalt $200 miljoen Series A op om autonome zware machines op te schalen

Gravis Robotics heeft $200 miljoen aan Series A-financiering van SoftBank opgehaald, waardoor het in Zürich gevestigde constructierobotica‑bedrijf aanzienlijke nieuwe kapitaal krijgt om zijn autonome zware machine‑technologie uit te breiden naar wereldwijde infrastructuurprojecten.

Het bedrijf beschrijft de financiering als de grootste Series A in constructierobotica tot nu toe. De ronde komt op een moment dat investeringen in physical AI steeds verder uitbreiden buiten humanoïde robots en magazijnautomatisering naar sectoren waarin machines moeten samenwerken met complexe, veranderende omgevingen.

Voor Gravis is die omgeving de bouwplaats. In plaats van nieuwe zware apparatuur vanaf nul te bouwen, ontwikkelt het bedrijf hardware en AI‑software die bestaande graafmachines en andere grondverzetmachines kan ombouwen, waardoor geleidelijk verschillende niveaus van autonome werking aan vloten die aannemers al bezitten worden toegevoegd.

De nieuwe financiering zal worden gebruikt om de internationale uitrol van Gravis te versnellen, het engineeringteam uit te breiden en de autonome systemen in meer bouw- en infrastructuurprojecten te plaatsen.

Physical AI naar zware constructie brengen

Opgericht eind 2022 als spin‑off van ETH Zurich, is Gravis voortgekomen uit onderzoek naar robotica en autonome besturingssystemen. Het bedrijf wordt geleid door CEO en mede‑oprichter Ryan Luke Johns en CTO en mede‑oprichter Dominic Jud, met robotica‑onderzoeker Marco Hutter als mede‑oprichter en bestuurslid.

Bouw presenteert een andere uitdaging dan veel van de omgevingen waarin autonome machines tractie hebben gekregen.

Een zelfrijdend voertuig probeert bijvoorbeeld doorgaans een omgeving te begrijpen en veilig te navigeren zonder deze te wijzigen. Van een graafmachine wordt verwacht het tegenovergestelde te doen. Elke beweging van de emmer verandert het terrein dat de machine vervolgens moet begrijpen.

De machine kan ook bodem, rotsen, wisselende hellingen, ondergrondse weerstand en andere omstandigheden tegenkomen die niet volledig van tevoren kunnen worden voorspeld.

Gravis probeert die onzekerheid aan te pakken met leergestuurde robotbesturingssystemen die gegevens van de hydrauliek van de machine combineren met LiDAR, camera’s en Global Navigation Satellite System (GNSS)-positionering. De software interpreteert continu de omgeving van de machine en de fysieke krachten die erop inwerken, in plaats van simpelweg een vooraf bepaalde reeks bewegingen uit te voeren.

Het bedrijf zegt dat zijn modellen ook uitgebreid in simulatie worden getraind, waardoor de AI een groot aantal virtuele graafsituaties kan doorlopen voordat deze op fysieke machines wordt ingezet.

Bestaande graafmachines omvormen tot autonome machines

Een centraal onderdeel van Gravis’ strategie is het vermijden van afhankelijkheid van één apparatuurfabrikant.

Constructievloten bestaan doorgaans uit machines van meerdere merken, vaak opgebouwd over jaren van aankopen en huurovereenkomsten. Aannemers vragen die vloten te vervangen door speciaal gebouwde autonome machines zou de adoptie aanzienlijk moeilijker kunnen maken.

In plaats daarvan heeft Gravis de Gravis RACK ontwikkeld, een modulair autonoom besturingssysteem dat op bestaande graafmachines en wiellaadmachines kan worden geïnstalleerd. Het bedrijf zegt dat het platform al is aangepast aan apparatuur van fabrikanten waaronder Caterpillar, John Deere, JCB, Hitachi, Volvo, Yanmar, Case, Develon en Sumitomo.

Het dak‑systeem combineert camera’s, 3D LiDAR, GNSS‑RTK‑positionering en automotive‑grade edge‑computing. Omdat de verwerking plaatsvindt op de machine, zegt Gravis dat autonome functies kunnen blijven werken zelfs wanneer betrouwbare connectiviteit niet beschikbaar is, een belangrijke overweging op afgelegen of onvoltooide bouwplaatsen.

Volledige LiDAR‑dekking en sensorfusie worden gebruikt om continu het omringende terrein te scannen. Die informatie kan autonome graafwerkzaamheden ondersteunen terwijl tegelijkertijd 3D‑site‑data, cut‑and‑fill‑visualisaties en verslagen van voltooid werk worden gegenereerd.

Het perceptiesysteem van Gravis kan ook dump‑trucks identificeren en coördineren waar het uitgegraven materiaal moet worden geplaatst, waardoor autonome werkstromen zich kunnen uitbreiden van graven naar activiteiten zoals laden en materiaalbehandeling.

Autonomie zonder de operator te verwijderen

Gravis positioneert autonomie niet als een alles‑of‑niets transitie.

Zijn Slate tablet interface stelt aannemers in staat om, afhankelijk van de taak, tussen verschillende bedieningsmodi te schakelen. Operators kunnen in de cabine blijven en AI‑ondersteunde begeleiding gebruiken, wegstappen terwijl de machine langere autonome taken uitvoert, of de apparatuur op afstand superviseren.

In de in‑cabine Copilot‑modus kunnen operators tap‑to‑dig‑bedieningen en verrijkte visuele begeleiding gebruiken. Taken kunnen worden gedefinieerd via Computer‑Aided Design (CAD) of Building Information Modeling (BIM)‑geometrie, fysieke referentiepunten of coördinaten. De interface kan vervolgens visualiseren hoeveel materiaal moet worden verwijderd of toegevoegd terwijl de machine werkt.

Aan de andere kant van het spectrum maakt remote‑orchestratie het mogelijk voor een operator om één of meerdere machines te superviseren en op afstand te bedienen met behulp van live video en site‑informatie.

Die hybride aanpak kan belangrijk blijken voor adoptie. Bouwplaatsen bestaan zelden uit repetitieve taken die onder perfect gecontroleerde omstandigheden worden uitgevoerd. Het behouden van mensen in de operationele lus biedt aannemers een manier om autonomie geleidelijk te introduceren in plaats van een volledige bouwplaats opnieuw te ontwerpen rond volledig bestuurderloze apparatuur.

Een softwarelaag over gemengde constructievloten

De bredere ambitie is in feite een intelligentielaag te creëren die boven de gefragmenteerde zware‑apparatuursector zit.

Als dezelfde autonome software machines van verschillende fabrikanten en verschillende groottes kan bedienen, zouden aannemers mogelijk automatisering kunnen inzetten zonder hun volledige vloot te standaardiseren rond één leverancier.

Gravis zegt dat zijn leergestuurde besturingssysteem zich aanpast aan de fysieke kenmerken van verschillende machines in plaats van elke graafmachine onafhankelijk te moeten programmeren.

Die differentiatie kan steeds belangrijker worden nu physical AI van demonstraties naar commerciële inzet verschuift. Een robotsysteem dat goed presteert op één zorgvuldig geconfigureerde machine is veel minder bruikbaar voor grote aannemers dan software die zich kan aanpassen aan de heterogene vloten die al wereldwijd in gebruik zijn.

Gravis zegt dat zijn terrein‑bewuste graaftechnologie de doorvoersnelheid met tot wel 30 % kan verhogen, hoewel de daadwerkelijke winst onvermijdelijk afhangt van de machine, de taak en de site‑omstandigheden.

Van onderzoeksprojecten naar actieve bouwplaatsen

Gravis was al commercieel aan het uitbreiden vóór de SoftBank‑investering.

In november 2025 kondigde het bedrijf $23 miljoen aan verse financiering aan, samen met partnerschappen en implementaties met bedrijven waaronder Holcim, Taylor Woodrow, HD Hyundai en Flannery Plant Hire. Destijds zei Gravis dat zijn systemen actief waren in zeven landen, waaronder het VK, de Europese Unie, de Verenigde Staten, Latijns‑Amerika en Azië.

Een opvallende implementatie betrof autonome graafwerkzaamheden op een actief Taylor Woodrow‑infrastructuurproject op Manchester Airport. Het bedrijf heeft ook gewerkt aan autonome steengroeve‑materiaalbehandeling en een partnerschap met Flannery opgezet om graafmachines uitgerust met Gravis‑technologie via de verhuurmarkt beschikbaar te maken.

Die commercialiseringsgeschiedenis helpt om de nieuwste financiering te onderscheiden van physical‑AI‑investeringen die zich voornamelijk op toekomstige prototypes richten. Gravis werft kapitaal terwijl zijn systemen al worden getest en gebruikt naast conventionele bouwploegen.

UK‑project zal autonome graafmachines in een grotere proef plaatsen

De uitbreiding krijgt ook overheidssteun.

Gravis en Flannery Plant Hire werden recent geselecteerd voor een project onder het Britse CAM Pathfinder‑programma voor verbonden en geautomatiseerde mobiliteit. Het initiatief zal een volledig autonoom grondverzetsysteem testen met zes graafmachines, met toepassingen waaronder trenching, grootschalige graafwerkzaamheden en vrachtwagenladen.

Het project is bijzonder relevant omdat apparatuurverhuur een belangrijk distributiekanaal voor constructie‑autonomie kan worden.

In plaats van aannemers te verplichten autonome machines aan te schaffen of hun eigen vloten permanent om te bouwen, zouden verhuurbedrijven autonome machines voor individuele projecten kunnen leveren. Dit zou de financiële en operationele drempels voor experimenten met de technologie kunnen verlagen.

Het zou autonome systemen ook blootstellen aan een veel grotere verscheidenheid aan bouwplaatsen, machineconfiguraties en bodemomstandigheden, wat mogelijk waardevolle operationele data oplevert om de onderliggende AI‑modellen te verbeteren.

Waarom de bouw zich ontwikkelt tot een belangrijke physical AI‑markt

Veel van de aandacht rond physical AI is gericht op humanoid robots. Zware machines vormen een andere potentieel belangrijke kans, en een waarbij de economische use‑case wellicht makkelijker te definiëren is.

Graafmachines, laders en andere machines verrichten al enorme hoeveelheden fysiek werk. De uitdaging is niet het uitvinden van een nieuwe mechanische vormfactor, maar het toevoegen van intelligentie aan apparatuur die al op grote schaal is ingezet.

Dat creëert een andere route naar commercialisering. In plaats van klanten te vragen te bepalen wat een nieuw type robot moet doen, richten bedrijven zoals Gravis zich op taken die aannemers al dagelijks aan bekwame werknemers en dure machines betalen.

De resterende uitdaging is betrouwbaarheid. Bouwomgevingen zijn rommelig, dynamisch en veiligheid‑kritisch, wat betekent dat autonome apparatuur consistent moet functioneren onder omstandigheden die veel minder voorspelbaar zijn dan fabrieksvloeren of magazijnen.

De focus van Gravis op simulatie, machine‑telemetrie, sensorfusie en aanpasbare besturingsmodellen weerspiegelt hoe moeilijk dat probleem is.

SoftBank‑financiering brengt Gravis in een nieuwe fase van uitbreiding

De $200 miljoen Series A geeft Gravis aanzienlijk meer middelen om die uitdaging aan te gaan.

In plaats van simpelweg verder onderzoek te financieren, ligt het grootste deel van de kans nu in implementatie: systemen installeren bij meer merken apparatuur, ervaring opdoen uit actieve bouwprojecten en aantonen dat autonome machines consistente economische voordelen kunnen leveren buiten gecontroleerde demonstraties.

De retrofit‑strategie kan bijzonder belangrijk zijn. Bouwbedrijven hebben enorme hoeveelheden kapitaal vastzitten in bestaande machines, en een platform dat intelligentie kan toevoegen aan die activa kan op een andere manier opschalen dan concurrenten die klanten dwingen volledig nieuwe robotvloten aan te schaffen.

Als dat model betrouwbaar blijkt, kan de bouw een van de meest consequentiale markten voor physical AI worden. De machines zijn er al, het werk is al gedefinieerd, en de vraag naar infrastructuur blijft groeien.

Gravis Robotics heeft nu nog eens $200 miljoen om aan te tonen dat AI meer kan dan de fysieke wereld begrijpen en navigeren. Het kan helpen deze te hervormen.