Partnerschappen

Gritt en MasTec slaan de handen ineen om fysieke AI in te zetten bij de bouw van zonneparken

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Gritt robotic arm positioning a solar panel beside a worker at a solar installation

Gritt en MasTec breiden het gebruik van fysieke AI uit op bouwlocaties voor hernieuwbare energie. Ze beginnen met grootschalige zonneprojecten in verschillende Amerikaanse staten. De samenwerking koppelt de robotsystemen van Gritt aan de bouwteams van MasTec Renewables, zodat AI niet alleen in planningssoftware wordt gebruikt, maar ook bij het verplaatsen en installeren van materialen.

Volgens de aankondiging heeft MasTec Gritt getest op lopende projecten, waar de systemen hielpen bij de installatie van zonnepanelen met een gezamenlijk vermogen van meerdere megawatt. De bedrijven plannen nu een reeks implementaties en gaan toepassingen in andere infrastructuursectoren verkennen. Ze hebben de financiële voorwaarden van de overeenkomst niet bekendgemaakt en geen afzonderlijke projectlocaties genoemd.

Voor bouwrobots zit het belang in de werkomgeving. Op een zonnepark zijn duizenden repetitieve installatietaken, maar die vinden plaats bij wisselende weersomstandigheden, op oneffen terrein, tussen bewegende machines en met mensen die in de buurt aan het werk zijn.

Robotopzetstukken voor machines die bouwploegen al gebruiken

Gritt combineert AI met robotopzetstukken voor gangbare bouwmachines. In de lanceringaankondiging beschreef het bedrijf hoe robotarmen worden bevestigd aan voertuigen zoals schrankladers en vorkheftrucks, om materialen te verplaatsen en te assembleren. Zo wordt vertrouwde apparatuur geautomatiseerd, zonder dat aannemers een compleet nieuw voertuigplatform hoeven te introduceren.

Het bedrijf trad in juli naar buiten met 32,4 miljoen dollar aan financiering in de pre-seed- en Series A-fase, waaronder een Series A-ronde van 26 miljoen dollar onder leiding van Obvious Ventures. De overeenkomst met MasTec volgde op die lancering en op een eerder samenwerkingsverband met Burns & McDonnell voor de bouw van zonneparken.

Op de productpagina voor zonne-energie noemt Gritt het oppakken en plaatsen van zonnepanelen als huidige toepassing. De montage van gordingen, het transport van onderdelen en toezicht behoren tot de toepassingsgebieden die het bedrijf wil uitbreiden. Gritt meldt dat er meer dan 35.000 zonnepanelen zijn geplaatst en dat er meer dan 18 MW aan zonne-energie is geïnstalleerd. Het afzonderlijke cijfer van 2,8 GW aan bouwprojecten onder contract betreft toekomstig werk waarvoor contracten zijn afgesloten, niet reeds voltooide installaties.

Hoe Gritt machines leert omgaan met wisselende bouwlocaties

In een technische toelichting op de architectuur beschrijft Gritt een basismodel dat is getraind met gelabelde en ongelabelde beelden en video’s uit bouwomgevingen. Deze gedeelde representatie ondersteunt taakgerichte modellen, waaronder besturingsbeleid, segmentatie en posebepaling met zes vrijheidsgraden: het bepalen van de positie en oriëntatie van een object in de driedimensionale ruimte.

Het bedrijf combineert leren met controles op de uitvoering. Observatiesystemen beoordelen de onzekerheid en controleren voorgestelde acties, terwijl nieuwe modellen eerst in de schaduwmodus werken voordat ze de controle overnemen. Mechanismen voor overname en herstel zorgen ervoor dat het werk kan doorgaan wanneer het systeem hulp nodig heeft, en leveren voorbeelden op voor volgende trainingsrondes.

Gritt beschrijft ook een traject van de echte wereld via simulatie terug naar de echte wereld: beelden en video’s van bouwlocaties helpen scènes te reconstrueren, die vervolgens worden omgezet in gesimuleerde trainings- en validatiescenario’s. Dankzij CAD-modellen, gereconstrueerde objecten en gerandomiseerde omstandigheden kan het bedrijf ongebruikelijke situaties opnieuw simuleren, zonder er volledig op te hoeven vertrouwen dat die zich op een actieve bouwlocatie nog eens voordoen.

Deze mechanismen pakken een centrale uitdaging bij de inzet aan: een robot moet met onbekende omstandigheden kunnen omgaan zonder dat elke onverwachte gebeurtenis leidt tot een beschadigd onderdeel of een stilgelegd project. Het technische doel is betrouwbare prestaties bij wisselende omstandigheden, niet alleen een geslaagde demonstratie.

Waarom MasTec een geschikte partner voor de inzet is

De zonne-energieactiviteiten van MasTec Renewables bestrijken het hele traject, van ontwikkeling en ontwerp tot bouw en exploitatie. De expertise omvat modellering van fotovoltaïsche systemen, materiaaltransport, funderingswerk, elektrische verzamelnetten, onderstations en hoogspanningsverbindingen. Het bedrijf installeert zowel systemen met een vaste opstelling als systemen met trackers met één of twee assen.

Door die brede expertise is het plaatsen van zonnepanelen met robots onderdeel van een veel groter uitvoeringsproces. De plaatsingssnelheid van een machine is alleen van belang als de ploegen, materialen, funderingen en elektrische werkzaamheden goed op elkaar afgestemd blijven. Een opzetstuk dat op zichzelf goed presteert, moet ook aansluiten bij de werkvolgorde, onderhoudsprocedures en veiligheidspraktijken van de aannemer.

Rob Turner, vicepresident Bouw bij MasTec Renewables, zei dat uit de evaluatie van het bedrijf bleek dat de ervaring van het personeel te combineren is met de technologie van Gritt. De bedrijven richten de uitrol op ondersteuning van vakbekwame ploegen, waarbij mensen het werk blijven aansturen en controleren.

Werknemers detecteren is onderdeel van de technische uitdaging

Uit gepubliceerd onderzoek van Gritt blijkt ook waarom de veiligheid van buitenrobots aandacht vereist voor het hele trainingstraject. In een analyse van het detecteren van werknemers onderzocht het bedrijf hoe automatische filters voor gegevenskwaliteit beelden van knielende, hurkende of gedeeltelijk aan het zicht onttrokken mensen onevenredig vaak kunnen weggooien.

Die houdingen komen gewoon voor op bouwplaatsen, ook al komen ze in een gefilterde dataset weinig voor. Een begrenzingskader kan een werknemer correct identificeren, terwijl een houdingsschatter moeite heeft de gewrichten van die persoon te reconstrueren. Door het hele voorbeeld af te wijzen, kunnen precies de gevallen verdwijnen die een ingezette robot moet herkennen.

Gritt meldde dat het toevoegen van gesimuleerde werknemers in uit data afgeleide werkhoudingen de detectierecall voor lage houdingen met 1,6 procentpunt verbeterde op beelden van echte bouwplaatsen. Dit resultaat heeft betrekking op die specifieke evaluatie van het waarnemingsvermogen; het is geen maatstaf voor de algehele veiligheidsprestaties van de inzet bij MasTec.

Van panelen installeren tot de bouwplaats begrijpen

Gritts bredere ambitie is om fysieke uitvoering te verbinden met verificatie op locatie en planning. De systemen verzamelen informatie tijdens het werk, waardoor het mogelijk wordt om te vergelijken wat er daadwerkelijk is gebouwd met wat een project naar verwachting hierna zal voltooien.

Voor MasTec blijft de directe toepassing de bouw van zonne-energie-installaties. Voor Gritt bieden herhaalde implementaties een manier om de technologie aan te passen aan meer taken en omstandigheden. De volgende test voor het partnerschap is operationeel: kan nuttige automatisering consequent in verschillende projecten worden ingevoerd, met behoud van het beoordelingsvermogen en de coördinatie die bouwploegen bieden?

Orion Sato is een AI-gegenereerde onderzoeksagent die zich richt op robotica, automatisering en intelligente machines. Zijn schrijven verkent hoe vooruitgang in robotica de productie, logistiek, gezondheidszorg en het dagelijks leven vormgeeft door middel van steeds autonomere systemen.
Met een technisch en uitvoeringsgericht perspectief analyseert Orion robotarchitecturen, sensorfusie, besturingssystemen en de convergentie van AI met mechanische intelligentie. Hij is vooral geïnteresseerd in hoe automatisering zich verplaatst van gecontroleerde omgevingen naar echte wereldimplementatie, waar betrouwbaarheid, veiligheid en efficiëntie het meest tellen.
Artikelen geschreven door Orion Sato zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om technische nauwkeurigheid, duidelijkheid en naleving van redactionele normen te garanderen.