Anton Glance, medgrunnlegger og CTO, Buildroid AI – Intervju-serie

Anton Glance, medgrunnlegger og CTO i Buildroid AI, har mer enn 10 års erfaring med AI, robotikk, automatisering og datavisning. Anton overvåket lanseringen av 2 høyt automatiserte prefab-fabrikker hos Mighty Buildings. 

Sammen med Slava Solonitsyn, medgrunnlegger og CEO i Buildroid AI, leder de et team med over 12 års erfaring med robotikk, maskinlæring, digital arkitektur og innovative byggeteknologier

Buildroid AI bygger en simulering-først-plattform som kobler Bygningens Informasjonsmodell med AI-drevne digitale tvillinger for å automatisere byggearbeid ved å koordinere flere roboter som et samlet crew. Selskapet har demonstrert et BIM-til-BUILD blokkleggingssystem og utvider mot kommersielle utrullinger som strømlinjeformer arbeidskrevende oppgaver. Ved å validere robotiske arbeidsflyter i simulering før de når byggeplassen, sikter Buildroid AI på å øke produktiviteten, redusere kostnadene og skape en skalerbar basis for automatisering over mange byggefag.

Tidligere bygde du Mighty Buildings til ett av de best finansiert og synlige contech-startupene, og leverte mer enn 50 automatiserte 3D-utskrevne hjem. Hva var det for hull eller ineffektiviteter du observerte under den reisen som til slutt overbeviste deg om å etablere Buildroid AI og følge en robot-drevet tilnærming til byggeproduktivitet?

Vi fulgte en off-site prefab-modell hos Mighty Buildings, og vi møtte strukturelle markedsskiller. Prefab-tilpasning i USA er fortsatt under 6%, og innføringen av et nytt 3D-utskrevet materiale tok 3 år med kompleksitet over struktur-, brann- og akustiske standarder. Fordi prefab absorberer fullt fabrikkoverhode – utstyr, arbeid, plass – kombinert med et ikke-masseprodusert materiale, endte vårt produkt med å være ~20% dyrere enn hva markedet ville akseptere. Bygging opererer med ekstremt små marginer, så kostnadspremier dreper tilpasningen.

Med Buildroid, tok vi den motsatte veien: ingen nye materialer, ingen nye design, ingen endringer i kode. Vi integrerer direkte i eksisterende arbeidsflyter og lar roboter håndtere de repetitive, arbeidskrevende oppgavene – fjerner industrifriksjon i stedet for å legge til den.

Hvordan endrer din simulering-først-modell, som bruker digitale tvillinger og BIM (Bygningens Informasjonsmodell), hvordan byggeteam testar, validerer og optimaliserer robotiske arbeidsflyter før noe når byggeplassen?

BIM definerer hva en bygning er; det beskriver ikke hvordan den bygges. Selv 4D-BIM legger bare til sekvensering, ikke sanntroende byggeevne. Vår BIM-til-BUILD simuleringsmotor lar teamene utføre hele byggeprosessen virtuelt innen en fysisk nøyaktig digital tvilling – materialer, maskiner og stedsbegrensninger oppfører seg som den virkelige verden.

Stakeholdere kan teste hundrevis av scenarier, validere byggeevne, måle produktivitet og optimalisere arbeidsflyter før de berører byggeplassen. Det unike delen: simuleringsutdataene verifiserte, klare til å kjøre robotutførelsesprogrammer, lukker gapet mellom digital design og automatisert fysisk bygging.

Din plattform støtter over 40 forskjellige robot-typer. Hvordan oppnår du pålitelig koordinering mellom så forskjellige maskinvare mens du opprettholder fleksibilitet for entreprenører?

Vår AI-planlegger sitter i kjernen, kombinert med HTN (Hierarkiske Oppgave nettverk) for høynivå-sekvensering og Adferdstrær for lavnivå-oppgaveutførelse. Robotene opererer som evne-baserte agenter – f.eks. en blokkleggingsrobot “vet” at den kan plassere blokker, men ikke påføre gips.

Planleggeren optimaliserer oppgavefordeling, unngår byggeplass-bottlenecks (som blokkering av stier), balanserer arbeidsbelastninger over flere roboter og synkroniserer støtteenheter som materialehåndteringroboter. Resultatet er et koordinert, selvjusterende robotcrew som oppfører seg som et godt orkestrert menneskeligt team.

Buildroid fremhever produktivitetsgevinster på opptil 10x (6x) og kostnadsbesparelser på opptil 4x (3x). Hvilke tidlige casestudier eller tekniske benchmark best demonstrerer hvordan disse resultene oppnås?

Over tre piloter – kommersielle, bolig- og data-senter prosjekter – observerte vi:

• 6× produktivitet: en murer + hjelper produserer vanligvis 4–5 m²/dag av blokkarbeid; med en robot, øker utbyttet til ~30 m²/dag.

• 3× kostnadseffektivitet: oppgaver som krever 12 arbeidere for å bygge 30 m²/dag kan utføres med 2 arbeidere + en robot ved hjelp av vår plattform.

Disse resultene kom før utrullingen av multi-robot arbeidsflyter; en gang flåter koordineres av en operatør, reduseres prosjektvarigheten betydelig.

Din første kommersielle anvendelse fokuserer på blokkarbeid og veggmonteringsinstallasjon. Hva er kriteriene du bruker for å bestemme hvilke byggearbeidsflyter som er best egnet for multi-robot automatisering neste?

Vi prioriterer arbeidsflyter med (1) alvorlige arbeidskraftmangler, (2) repetitive manuelle belastninger og (3) klare oppgavedekomposisjon for multi-robot samarbeid.

I Dubai, hvor vi lanserte, veier hver veggblock ~30 kg (66 lb) og murerbehov langt overgår tilgjengelig kvalifisert arbeidskraft. En stor entreprenør fortalte oss at de ville trenge å ansette og trene 6 000 murere neste år bare for å møte arbeidsmengden.

Blokkarbeid dekomponerer naturlig i underoppgaver – materialelevering, mørtelapplikasjon, justering, forsterkning – gjør det ideelt for spesialiserte roboter som arbeider sammen.

Neste i vårt pipeline: gipsing, den sekvensielle steget etter blokkarbeid, i samarbeid med en ledende robotleverandør.

Da du går inn på det amerikanske markedet, hva er de største regulatoriske, sikkerhets- og operative hindrene du forventer, og hvordan hjelper simulering-først-tilnærmingen til å mildne dem?

OSHA krever at roboter skal bevise trygg menneske-robot-interaksjon, selv for pilot-utrullinger. Sertifisering tar vanligvis 3+ måneder og er kostbart for startup som trenger rask iterasjon.

Vi arbeider med UL på en simulering-først-sikkerhetsgodkjenningsramme. Ved å bevise at vår digitale tvilling matcher den virkelige verden, kan vi validere kanttilfeller, kollisjonsscenarier og nødsituasjoner virtuelt – dramatisk reduserer behovet for lengre labtesting og akselerer overensstemmelses-tidslinjer.

Hvordan ser du for deg at multi-robot-arbeidsflyter utvikler seg på komplekse byggeplasser en gang AI-koordinering blir mer moden?

Vi forventer at byggeplasser vil skifte mot fullt robotiserte crew med mennesker i overvåkingsroller. En enkelt operatør vil overvåke flåter av roboter gjennom vår AI-koordineringsplattform, som bruker en digital tvilling til å koordinere oppgaver i sanntid. Robotene vil håndtere produksjon; mennesker vil håndtere overvåking og unntakshåndtering.

Hva er gjennombruddene i AI-beslutning og arbeidsflytoptimalisering som er mest kritiske for å aktivere pålitelig, autonom jobb-sites utførelse?

Den neste fronten er multi-agent fysisk AI – roboter som tar lokale beslutninger samtidig som de samarbeider som et system. Dette krever fremgang i:

• desentralisert planlegging og koordinering

• robust persepsjon under byggeplass-forhold

• tilpasningsdyktig oppgavefordeling når miljøet endrer seg

Disse evnene vil låse opp pålitelig, semi-autonom til fullt autonom drift.

Som en gjentakende contech-grunnlegger, hva er det du mener at industriledere fortsatt misforstår om byggeteknologi-tilpasning, og hvordan adresserer Buildroid disse misforståelsene?

Mange startup forsøker å endre materialene, prosessen eller bygningssystemet selv – nettopp de områdene hvor bygging er minst fleksibel. Industrin bygger fortsatt i dag mye på samme måte som for et århundre siden, og å endre kjerne-metoder tar år med regulatorisk, leverandørkjede- og kulturell skift.

Buildroid unngår denne friksjonen. Vi øker produktiviteten uten å endre materialer eller design, fokuserer ren på hvordan eksisterende materialer installeres.

Forestiller du deg at Buildroid blir en økosystem-plattform som tredjeparts-roboter og entreprenører kan bygge på, og skaper en samlet driftslag for bygge-robotikk nasjonalt?

Absolutt – det er den lange sikt. Men først må vi bevise ende-til-ende-utmerkethet i en enkelt høyverdi-arbeidsflyt: veggkonstruksjon. Når vi perfeksjonerer den blåkopien, blir utvidelse til tredjeparts-roboter og flere arbeidsflyter en naturlig økosystem-utvikling.