Gravis Robotics pozyskuje 200 mln dolarów w rundzie serii A na rozwój autonomicznych maszyn ciężkich

Gravis Robotics pozyskało 200 mln dolarów w rundzie serii A od SoftBanku, zapewniając tej zuryskiej firmie robotyki budowlanej znaczny nowy kapitał na rozszerzenie zastosowań autonomicznych maszyn ciężkich w projektach infrastrukturalnych na całym świecie.

Firma określa finansowanie jako największą dotychczas rundę serii A w robotyce budowlanej. Runda przypada na okres, w którym inwestycje w fizyczną sztuczną inteligencję coraz częściej wykraczają poza roboty humanoidalne i automatyzację magazynów, obejmując branże, w których maszyny muszą wchodzić w interakcje ze złożonym, zmiennym otoczeniem.

Dla Gravis takim otoczeniem jest plac budowy. Zamiast konstruować nowe maszyny ciężkie od podstaw, firma rozwija sprzęt i oprogramowanie AI przeznaczone do modernizacji istniejących koparek oraz innych maszyn do robót ziemnych. W praktyce dodaje różne poziomy autonomii do flot już posiadanych przez wykonawców.

Nowe środki zostaną przeznaczone na przyspieszenie międzynarodowej ekspansji Gravis, rozbudowę zespołu inżynierskiego i wdrożenie autonomicznych systemów w większej liczbie projektów budowlanych i infrastrukturalnych.

Fizyczna AI w ciężkich robotach budowlanych

Gravis powstało pod koniec 2022 roku jako spółka wywodząca się z ETH Zurich, na bazie badań nad robotyką i autonomicznymi systemami sterowania. Firmą kierują dyrektor generalny i współzałożyciel Ryan Luke Johns oraz dyrektor techniczny i współzałożyciel Dominic Jud. Badacz robotyki Marco Hutter jest współzałożycielem i członkiem rady spółki.

Budownictwo stawia inne wyzwania niż wiele środowisk, w których autonomiczne maszyny już zdobyły popularność.

Samochód autonomiczny zazwyczaj próbuje na przykład zrozumieć otoczenie i bezpiecznie się w nim poruszać, nie zmieniając go. Od koparki oczekuje się czegoś przeciwnego. Każdy ruch łyżki zmienia teren, który maszyna musi następnie na nowo rozpoznać.

Maszyna może też natrafić na grunt, skały, zmieniające się nachylenia, opór pod powierzchnią i inne warunki, których nie da się w pełni przewidzieć.

Gravis próbuje radzić sobie z tą niepewnością za pomocą uczących się systemów sterowania robotami, łączących dane z hydrauliki maszyny z lidarem, kamerami i pozycjonowaniem Globalnego Systemu Nawigacji Satelitarnej (GNSS). Oprogramowanie nieustannie interpretuje otoczenie maszyny oraz działające na nią siły fizyczne, zamiast jedynie wykonywać z góry ustaloną sekwencję ruchów.

Firma twierdzi, że jej modele są również intensywnie trenowane w symulacji. Dzięki temu AI może zetknąć się z dużą liczbą wirtualnych scenariuszy kopania, zanim zostanie wdrożona w rzeczywistych maszynach.

Przekształcanie istniejących koparek w maszyny autonomiczne

Ważnym elementem strategii Gravis jest unikanie zależności od jednego producenta sprzętu.

Floty budowlane zazwyczaj składają się z maszyn różnych marek, zgromadzonych przez lata zakupów i umów najmu. Wymaganie od wykonawców zastąpienia tych flot maszynami zaprojektowanymi specjalnie do pracy autonomicznej mogłoby znacznie utrudnić wdrożenie.

Gravis opracowało zamiast tego Gravis RACK — modułowy autonomiczny system sterowania, który można zainstalować na istniejących koparkach i ładowarkach kołowych. Według firmy platformę dostosowano już do sprzętu takich producentów jak Caterpillar, John Deere, JCB, Hitachi, Volvo, Yanmar, Case, Develon i Sumitomo.

System montowany na dachu łączy kamery, lidar 3D, pozycjonowanie GNSS RTK oraz obliczenia brzegowe klasy motoryzacyjnej. Ponieważ przetwarzanie odbywa się na maszynie, według Gravis funkcje autonomiczne mogą działać nawet bez niezawodnej łączności. Ma to istotne znaczenie na odległych lub nieukończonych placach budowy.

Pełne pokrycie lidarem i fuzja danych z czujników służą do ciągłego skanowania otaczającego terenu. Informacje te mogą wspierać autonomiczne kopanie, a zarazem umożliwiać tworzenie danych 3D placu budowy, wizualizacji wykopów i nasypów oraz zapisów wykonanych prac.

System percepcji Gravis potrafi także rozpoznawać wywrotki i koordynować miejsce odkładania urobku. Pozwala to rozszerzyć autonomiczne procesy poza samo kopanie, na przykład na załadunek i przemieszczanie materiałów.

Autonomia bez eliminowania operatora

Gravis nie przedstawia autonomii jako zmiany, którą trzeba wdrożyć w całości albo wcale.

Firmowy interfejs tabletu Slate pozwala wykonawcom przełączać się między kilkoma trybami pracy zależnie od zadania. Operatorzy mogą pozostać w kabinie i korzystać ze wspomagania AI, odejść od maszyny podczas dłuższych zadań autonomicznych albo nadzorować sprzęt zdalnie.

W kabinowym trybie Copilot operatorzy mogą korzystać ze sterowania kopaniem za pomocą dotknięcia ekranu i rozszerzonych wskazówek wizualnych. Zadania można definiować na podstawie geometrii projektowania wspomaganego komputerowo (CAD) lub modelowania informacji o budynku (BIM), fizycznych punktów odniesienia bądź współrzędnych. Interfejs może następnie pokazywać, ile materiału trzeba usunąć lub dodać podczas pracy maszyny.

Na drugim końcu spektrum zdalna koordynacja pozwala operatorowi nadzorować i obsługiwać jedną lub kilka maszyn, korzystając z obrazu na żywo i informacji z placu budowy.

Takie podejście hybrydowe może mieć istotne znaczenie dla wdrażania technologii. Place budowy rzadko składają się wyłącznie z powtarzalnych zadań wykonywanych w idealnie kontrolowanych warunkach. Pozostawienie ludzi w procesie operacyjnym daje wykonawcom możliwość stopniowego wprowadzania autonomii, zamiast przeprojektowywania całej budowy pod w pełni bezzałogowy sprzęt.

Warstwa oprogramowania dla flot maszyn różnych marek

Szerszą ambicją jest w praktyce stworzenie warstwy inteligencji ponad rozdrobnionym rynkiem maszyn ciężkich.

Jeśli to samo oprogramowanie autonomiczne może obsługiwać maszyny wielu producentów i o różnych rozmiarach, wykonawcy mogliby potencjalnie wdrażać automatyzację bez ujednolicania całej floty wokół jednego dostawcy.

Gravis twierdzi, że jego uczący się system sterowania dostosowuje się do fizycznych właściwości różnych maszyn, bez konieczności osobnego programowania każdej koparki.

Ta różnica może nabierać znaczenia wraz z przechodzeniem fizycznej AI od demonstracji do wdrożeń komercyjnych. System robotyczny działający dobrze na jednej starannie skonfigurowanej maszynie jest znacznie mniej użyteczny dla dużych wykonawców niż oprogramowanie zdolne dostosować się do zróżnicowanych flot, które już pracują na całym świecie.

Według Gravis technologia kopania uwzględniająca ukształtowanie terenu może zwiększyć wydajność nawet o 30%, choć rzeczywiste korzyści nieuchronnie zależą od maszyny, zadania i warunków na budowie.

Od projektów badawczych do czynnych placów budowy

Gravis rozpoczęło ekspansję komercyjną jeszcze przed inwestycją SoftBanku.

W listopadzie 2025 roku firma ogłosiła 23 mln dolarów nowego finansowania oraz partnerstwa i wdrożenia z udziałem między innymi Holcim, Taylor Woodrow, HD Hyundai i Flannery Plant Hire. Gravis informowało wówczas, że jego systemy działały w siedmiu krajach obejmujących Wielką Brytanię, Unię Europejską, Stany Zjednoczone, Amerykę Łacińską i Azję.

Jednym ze znaczących wdrożeń były autonomiczne wykopy na czynnym projekcie infrastrukturalnym Taylor Woodrow na lotnisku w Manchesterze. Firma pracowała też nad autonomicznym przemieszczaniem materiałów w kamieniołomach i nawiązała współpracę z Flannery, aby udostępniać koparki wyposażone w technologię Gravis na rynku wynajmu sprzętu.

Ta historia komercjalizacji odróżnia najnowsze finansowanie od inwestycji w fizyczną AI skoncentrowanych głównie na przyszłych prototypach. Gravis pozyskuje kapitał w czasie, gdy jego systemy są już testowane i wykorzystywane obok tradycyjnych ekip budowlanych.

Brytyjski projekt obejmie większy test autonomicznych koparek

Ekspansja otrzymuje również wsparcie rządowe.

Gravis i Flannery Plant Hire zostały niedawno wybrane do projektu w ramach brytyjskiego programu połączonej i zautomatyzowanej mobilności CAM Pathfinder. Inicjatywa przetestuje w pełni autonomiczny system robót ziemnych na sześciu koparkach, między innymi przy kopaniu rowów, wykopach masowych i załadunku ciężarówek.

Projekt jest szczególnie istotny, ponieważ wynajem sprzętu może stać się ważnym kanałem dystrybucji autonomii w budownictwie.

Zamiast wymagać od wykonawców zakupu maszyn autonomicznych lub trwałej modernizacji własnych flot, wypożyczalnie mogłyby udostępniać sprzęt z funkcjami autonomicznymi do konkretnych projektów. Mogłoby to obniżyć finansowe i operacyjne bariery eksperymentowania z technologią.

Systemy autonomiczne trafiałyby też na znacznie bardziej zróżnicowane place budowy, konfiguracje maszyn i warunki gruntowe. Mogłoby to dostarczać cennych danych operacyjnych do udoskonalania bazowych modeli AI.

Dlaczego budownictwo staje się ważnym rynkiem fizycznej AI

Znaczna część zainteresowania fizyczną AI skupiała się na robotach humanoidalnych. Maszyny ciężkie stanowią kolejną potencjalnie znaczącą szansę, przy czym ekonomiczne uzasadnienie zastosowania może być tu łatwiejsze do określenia.

Koparki, ładowarki i inne maszyny już wykonują ogromne ilości pracy fizycznej. Wyzwanie nie polega na wymyślaniu nowej konstrukcji mechanicznej, lecz na dodaniu inteligencji do sprzętu używanego już na dużą skalę.

Tworzy to inną drogę do komercjalizacji. Zamiast prosić klientów o ustalenie, co powinien robić nowy rodzaj robota, firmy takie jak Gravis skupiają się na zadaniach, za których codzienne wykonywanie wykonawcy już płacą wykwalifikowanym pracownikom i wykorzystują drogie maszyny.

Pozostającym wyzwaniem jest niezawodność. Środowiska budowlane są nieuporządkowane, dynamiczne i wymagają szczególnej dbałości o bezpieczeństwo. Sprzęt autonomiczny musi więc działać konsekwentnie w warunkach znacznie mniej przewidywalnych niż hale fabryczne czy magazyny.

Nacisk Gravis na symulację, telemetrię maszyn, fuzję danych z czujników i adaptacyjne modele sterowania pokazuje, jak trudny jest to problem.

Finansowanie SoftBanku wprowadza Gravis w nową fazę ekspansji

Runda serii A o wartości 200 mln dolarów daje Gravis znacznie większe zasoby do rozwiązania tego wyzwania.

Szansa nie sprowadza się już do finansowania dalszych badań, lecz w dużej mierze do wdrożeń: instalowania systemów na sprzęcie większej liczby marek, zdobywania doświadczenia na czynnych projektach budowlanych oraz wykazania, że autonomiczne maszyny mogą przynosić powtarzalne korzyści ekonomiczne poza kontrolowanymi demonstracjami.

Strategia modernizacji istniejącego sprzętu może być szczególnie ważna. Firmy budowlane mają ogromny kapitał ulokowany w posiadanych maszynach. Platforma zdolna dodać inteligencję do tych aktywów mogłaby rozwijać się inaczej niż konkurenci wymagający zakupu całkowicie nowych flot robotycznych.

Jeżeli ten model okaże się niezawodny, budownictwo może stać się jednym z ważniejszych rynków fizycznej AI. Maszyny już istnieją, zadania są określone, a popyt na infrastrukturę nadal rośnie.

Gravis Robotics ma teraz kolejne 200 mln dolarów, aby pokazać, że AI potrafi nie tylko rozumieć świat fizyczny i się w nim poruszać. Może też pomagać go przekształcać.