Gravis Robotics Levanta $200M Série A para Escalar Máquinas Pesadas Autônomas

Gravis Robotics arrecadou $200 million em financiamento Series A da SoftBank, proporcionando à empresa de robótica de construção com sede em Zurique capital substancial para expandir sua tecnologia de máquinas pesadas autônomas em projetos de infraestrutura globais.

A empresa descreve o financiamento como o maior Series A em robótica de construção até o momento. A rodada ocorre enquanto o investimento em physical AI se estende cada vez mais além de robôs humanoides e automação de armazéns para indústrias onde as máquinas precisam interagir com ambientes complexos e mutáveis.

Para a Gravis, esse ambiente é o canteiro de obras. Em vez de construir novos equipamentos pesados do zero, a empresa desenvolve hardware e software de IA projetados para retrofit de escavadeiras existentes e outras máquinas de terraplenagem, adicionando efetivamente diferentes graus de operação autônoma às frotas que os empreiteiros já possuem.

O novo financiamento será usado para acelerar a expansão internacional da Gravis, ampliar sua equipe de engenharia e colocar seus sistemas autônomos em mais projetos de construção e infraestrutura.

Bringing Physical AI to Heavy Construction

Fundada no final de 2022 como um spin‑off da ETH Zurich, a Gravis surgiu a partir de pesquisas em robótica e sistemas de controle autônomo. A empresa é liderada pelo CEO e co‑fundador Ryan Luke Johns e pelo CTO e co‑fundador Dominic Jud, com o pesquisador de robótica Marco Hutter atuando como co‑fundador e membro do conselho.

A construção apresenta um desafio diferente de muitos dos ambientes onde máquinas autônomas ganharam tração.

Um veículo autônomo, por exemplo, geralmente tenta compreender e navegar com segurança em um ambiente sem alterá‑lo. Espera‑se que uma escavadeira faça o oposto. Cada movimento da caçamba modifica o terreno que a máquina precisará entender a seguir.

A máquina também pode encontrar solo, rochas, inclinações variáveis, resistência subterrânea e outras condições que não podem ser totalmente previstas antecipadamente.

A Gravis está tentando enfrentar essa incerteza por meio de sistemas de controle robótico baseados em aprendizado que combinam dados da hidráulica da máquina com LiDAR, câmeras e posicionamento por Sistema Global de Navegação por Satélite (GNSS). Seu software interpreta continuamente o entorno da máquina e as forças físicas que a afetam, em vez de simplesmente executar uma sequência pré‑definida de movimentos.

A empresa afirma que seus modelos também são extensivamente treinados em simulação, permitindo que a IA enfrente um grande número de cenários virtuais de escavação antes de ser implantada em máquinas físicas.

Turning Existing Excavators Into Autonomous Machines

Uma parte central da estratégia da Gravis é evitar a dependência de um único fabricante de equipamentos.

Frotas de construção são tipicamente compostas por máquinas de várias marcas, frequentemente acumuladas ao longo de anos de compras e contratos de aluguel. Pedir que os empreiteiros substituam essas frotas por máquinas autônomas projetadas especificamente poderia tornar a adoção consideravelmente mais difícil.

Em vez disso, a Gravis desenvolveu o Gravis RACK, um sistema de controle autônomo modular que pode ser instalado em escavadeiras e carregadeiras de rodas existentes. A empresa afirma que a plataforma já foi adaptada a equipamentos de fabricantes como Caterpillar, John Deere, JCB, Hitachi, Volvo, Yanmar, Case, Develon e Sumitomo.

O sistema de teto combina câmeras, LiDAR 3D, posicionamento GNSS RTK e computação de borda de grau automotivo. Como o processamento ocorre na própria máquina, a Gravis afirma que as funções autônomas podem continuar operando mesmo quando a conectividade confiável não está disponível, uma consideração importante em canteiros de obra remotos ou incompletos.

Cobertura total de LiDAR e fusão de sensores são usadas para escanear continuamente o terreno ao redor. Essas informações podem apoiar a escavação autônoma enquanto simultaneamente produzem dados 3D do local, visualizações de corte e aterro e registros do trabalho concluído.

O sistema de percepção da Gravis também pode identificar caminhões basculantes e coordenar onde o material escavado deve ser depositado, permitindo que fluxos de trabalho autônomos se estendam além da escavação para atividades como carregamento e manuseio de materiais.

Autonomy Without Removing the Operator

A Gravis não está posicionando a autonomia como uma transição total ou nada.

Sua interface de tablet Slate permite que os empreiteiros alternem entre vários modos de operação conforme a tarefa. Os operadores podem permanecer dentro da cabine e usar orientação assistida por IA, afastar‑se enquanto a máquina executa tarefas autônomas mais longas, ou supervisionar o equipamento remotamente.

No modo Copiloto dentro da cabine, os operadores podem usar controles de toque para escavar e orientação visual aumentada. Os trabalhos podem ser definidos por meio de Desenho Assistido por Computador (CAD) ou geometria de Building Information Modeling (BIM), pontos de referência físicos ou coordenadas. A interface pode então visualizar a quantidade de material que precisa ser removida ou adicionada enquanto a máquina opera.

No outro extremo, a orquestração remota permite que um operador supervisione e opere remotamente uma ou mais máquinas usando vídeo ao vivo e informações do local.

Essa abordagem híbrida pode ser importante para a adoção. Os canteiros de obra raramente consistem em tarefas repetitivas realizadas sob condições perfeitamente controladas. Manter humanos dentro do ciclo operacional oferece aos empreiteiros uma forma de introduzir a autonomia gradualmente, em vez de redesenhar todo o canteiro de obras em torno de equipamentos totalmente sem motorista.

A Software Layer Across Mixed Construction Fleets

A ambição mais ampla é efetivamente criar uma camada de inteligência que se situe acima do mercado fragmentado de equipamentos pesados.

Se o mesmo software autônomo puder operar máquinas de diversos fabricantes e de diferentes tamanhos, os empreiteiros poderiam potencialmente implantar automação sem padronizar toda a sua frota em torno de um único fornecedor.

A Gravis afirma que seu sistema de controle baseado em aprendizado se ajusta às características físicas de diferentes máquinas, em vez de exigir que cada escavadeira seja programada de forma independente.

Essa distinção pode se tornar cada vez mais importante à medida que a IA física passa de demonstrações para implantação comercial. Um sistema robótico que funciona bem em uma única máquina cuidadosamente configurada é consideravelmente menos útil para grandes empreiteiros do que um software capaz de se adaptar às frotas heterogêneas já operando ao redor do mundo.

A Gravis afirma que sua tecnologia de escavação consciente do terreno pode aumentar a produtividade em até 30%, embora os ganhos reais inevitavelmente dependam da máquina, do trabalho e das condições do local.

Moving From Research Projects to Active Jobsites

A Gravis já havia começado a expandir comercialmente antes do investimento da SoftBank.

Em novembro de 2025, a empresa anunciou $23 million in fresh funding juntamente com parcerias e implantações envolvendo empresas como Holcim, Taylor Woodrow, HD Hyundai e Flannery Plant Hire. Na época, a Gravis afirmou que seus sistemas estavam operacionais em sete países, abrangendo o Reino Unido, a União Europeia, os Estados Unidos, a América Latina e a Ásia.

Uma implantação notável envolveu escavação autônoma em um projeto de infraestrutura ativo da Taylor Woodrow no Aeroporto de Manchester. A empresa também trabalhou em manuseio autônomo de materiais de pedreira e estabeleceu uma parceria com a Flannery projetada para disponibilizar escavadeiras equipadas com a tecnologia Gravis através do mercado de aluguel de equipamentos.

Esse histórico de comercialização ajuda a distinguir o financiamento mais recente dos investimentos em IA física centrados principalmente em protótipos futuros. A Gravis está levantando capital enquanto seus sistemas já estão sendo testados e usados ao lado de equipes de construção convencionais.

UK Project Will Put Autonomous Excavators Into a Larger Trial

A expansão também está recebendo apoio governamental.

Gravis e Flannery Plant Hire foram recentemente selecionadas para um projeto dentro do programa de mobilidade conectada e automatizada CAM Pathfinder do Reino Unido. A iniciativa testará um sistema de movimentação de terra totalmente autônomo em seis escavadeiras, com aplicações que incluem escavação de valas, escavação em massa e carregamento de caminhões.

O projeto é particularmente relevante porque o aluguel de equipamentos pode se tornar um canal de distribuição importante para a autonomia na construção.

Em vez de exigir que os empreiteiros comprem máquinas autônomas ou retrofitizem permanentemente suas próprias frotas, as empresas de aluguel poderiam fornecer máquinas equipadas com autonomia para projetos individuais. Isso poderia reduzir as barreiras financeiras e operacionais para experimentar a tecnologia.

Isso também exporia os sistemas autônomos a uma variedade muito maior de canteiros de obra, configurações de máquinas e condições de solo, potencialmente gerando dados operacionais valiosos para aprimorar os modelos de IA subjacentes.

Why Construction Is Emerging as a Major Physical AI Market

Grande parte da atenção em torno da IA física tem se concentrado em humanoid robots. Máquinas pesadas representam outra oportunidade potencialmente significativa, e uma em que o caso de uso econômico pode ser mais fácil de definir.

Escavadeiras, carregadeiras e outras máquinas já realizam enormes quantidades de trabalho físico. O desafio não é inventar um novo fator de forma mecânico, mas adicionar inteligência ao equipamento que já está implantado em escala.

Isso cria uma rota diferente para a comercialização. Em vez de pedir aos clientes que determinem o que um novo tipo de robô deve fazer, empresas como a Gravis estão direcionando tarefas que os empreiteiros já pagam a trabalhadores qualificados e máquinas caras para executar diariamente.

O desafio restante é a confiabilidade. Os ambientes de construção são desordenados, dinâmicos e críticos para a segurança, o que significa que o equipamento autônomo precisa operar de forma consistente em condições muito menos previsíveis do que pisos de fábricas ou armazéns.

O foco da Gravis em simulação, telemetria de máquinas, fusão de sensores e modelos de controle adaptáveis reflete o quão difícil esse problema é.

SoftBank Funding Puts Gravis Into a New Phase of Expansion

O $200 million Series A oferece à Gravis recursos consideravelmente maiores para enfrentar esse desafio.

Em vez de simplesmente financiar mais pesquisas, grande parte da oportunidade agora reside na implantação: instalar sistemas em mais marcas de equipamentos, acumular experiência de projetos de construção ativos e provar que máquinas autônomas podem oferecer benefícios econômicos consistentes fora de demonstrações controladas.

A estratégia de retrofit pode ser especialmente importante. As empresas de construção têm enormes quantias de capital vinculadas a máquinas existentes, e uma plataforma capaz de adicionar inteligência a esses ativos pode escalar de forma diferente dos concorrentes que exigem que os clientes comprem frotas robóticas totalmente novas.

Se esse modelo se provar confiável, a construção pode se tornar um dos mercados de IA física mais relevantes. As máquinas já estão lá, o trabalho já está definido, e a demanda por infraestrutura continua a crescer.

Gravis Robotics agora tem mais $200 million para demonstrar que a IA pode fazer mais do que entender e navegar no mundo físico. Ela pode ajudar a remodelá‑lo.