Gravis Robotics Strânge $200M Serie A pentru a scala utilajele grele autonome

Gravis Robotics a strâns $200 million în finanțare Serie A de la SoftBank, oferind companiei de robotică pentru construcții cu sediul în Zurich capital semnificativ nou pentru a extinde tehnologia sa de utilaje grele autonome în proiecte globale de infrastructură.

Compania descrie această finanțare ca fiind cea mai mare Serie A în robotică de construcție până în prezent. Runda apare pe măsură ce investițiile în AI fizic se extind tot mai mult dincolo de roboții umanoizi și automatizarea depozitelor în industrii în care mașinile trebuie să interacționeze cu medii complexe și în schimbare.

Pentru Gravis, acel mediu este șantierul. În loc să construiască noi echipamente grele de la zero, compania dezvoltă hardware și software AI concepute pentru a retrofita excavatoarele existente și alte utilaje de mișcare a pământului, adăugând efectiv grade variabile de operare autonomă flotelor pe care contractorii le dețin deja.

The new funding will be used to accelerate Gravis’ international rollout, expand its engineering team, and put its autonomous systems into more construction and infrastructure projects.

Aducerea AI fizic în construcțiile grele

Founded in late 2022 as a spinout from ETH Zurich, Gravis emerged from research into robotics and autonomous control systems. The company is led by CEO and co-founder Ryan Luke Johns and CTO and co-founder Dominic Jud, with robotics researcher Marco Hutter serving as a co-founder and board member.

Construcția prezintă o provocare diferită față de multe dintre mediile în care mașinile autonome au căpătat tracțiune.

Un vehicul autonom, de exemplu, încearcă în general să înțeleagă și să navigheze în siguranță un mediu fără a-l modifica. De la un excavator se așteaptă exact opusul. Fiecare mișcare a cupei modifică terenul pe care mașina trebuie să-l înțeleagă în continuare.

Mașina poate întâlni, de asemenea, sol, roci, înclinări în schimbare, rezistență subterană și alte condiții care nu pot fi anticipate pe deplin.

Gravis încearcă să abordeze această incertitudine prin sisteme de control robotic bazate pe învățare, care combină datele hidraulice ale mașinii cu LiDAR, camere și poziționare GNSS. Software‑ul său interpretează continuu împrejurimile utilajului și forțele fizice care îl influențează, în loc să execute pur și simplu o secvență predefinită de mișcări.

The company says its models are also trained extensively in simulation, allowing the AI to encounter large numbers of virtual excavation scenarios before being deployed to physical machinery.

Transformarea excavatoarelor existente în mașini autonome

A central part of Gravis’ strategy is avoiding dependence on a single equipment manufacturer.

Flotele de construcție sunt de obicei compuse din mașini de la multiple mărci, adesea acumulate în decursul anilor prin achiziții și contracte de închiriere. Cererea contractorilor să înlocuiască acele flote cu utilaje autonome construite special ar putea face adoptarea considerabil mai dificilă.

În schimb, Gravis a dezvoltat Gravis RACK, un sistem modular de control autonom care poate fi instalat pe excavatoare și încărcătoare cu roți existente. Compania afirmă că platforma a fost deja adaptată pentru echipamente de la producători precum Caterpillar, John Deere, JCB, Hitachi, Volvo, Yanmar, Case, Develon și Sumitomo.

Sistemul de pe acoperiș combină camere, LiDAR 3D, poziționare GNSS RTK și calcul de margine de nivel auto. Deoarece procesarea are loc pe mașină, Gravis spune că funcțiile autonome pot continua să opereze chiar și când conectivitatea fiabilă nu este disponibilă, un aspect important pe șantierele îndepărtate sau neterminate.

Acoperirea completă cu LiDAR și fuziunea senzorilor sunt utilizate pentru a scana continuu terenul înconjurător. Această informație poate susține excavarea autonomă în timp ce produce simultan date 3D ale șantierului, vizualizări de tăiere‑umplere și înregistrări ale lucrărilor finalizate.

Gravis’ perception system can also identify dump trucks and coordinate where excavated material should be placed, allowing autonomous workflows to extend beyond digging into activities such as loading and material handling.

Autonomie fără a elimina operatorul

Gravis is not positioning autonomy as an all-or-nothing transition.

Its interfață tabletă Slate permite contractorilor să treacă între mai multe moduri de operare în funcție de sarcină. Operatorii pot rămâne în cabină și pot folosi ghidaj asistat de AI, pot părăsi zona în timp ce mașina efectuează sarcini autonome mai lungi sau pot supraveghea echipamentul de la distanță.

În modul Copilot din cabină, operatorii pot folosi comenzi tap‑to‑dig și ghidaj vizual augmentat. Lucrările pot fi definite prin Computer‑Aided Design (CAD) sau Building Information Modeling (BIM) geometry, puncte de referință fizice sau coordonate. Interfața poate apoi să vizualizeze cantitatea de material ce trebuie îndepărtată sau adăugată în timp ce mașina lucrează.

La capătul opus al spectrului, orchestrarea la distanță permite unui operator să supravegheze și să opereze de la distanță una sau mai multe mașini folosind video în direct și informații de pe șantier.

That hybrid approach may prove important to adoption. Construction sites rarely consist of repetitive tasks performed under perfectly controlled conditions. Keeping humans within the operational loop gives contractors a way to introduce autonomy gradually rather than redesigning an entire jobsite around fully driverless equipment.

Un strat de software peste flote mixte de construcție

The broader ambition is effectively to create an intelligence layer that sits above the fragmented heavy‑equipment market.

Dacă același software autonom poate opera utilaje de la numeroși producători și pe diferite dimensiuni de mașini, contractorii ar putea, potențial, să implementeze automatizare fără a standardiza întreaga flotă în jurul unui singur furnizor.

Gravis spune că sistemul său de control bazat pe învățare se ajustează la caracteristicile fizice ale diferitelor mașini, în loc să solicite programarea independentă a fiecărui excavator.

Această diferență ar putea deveni din ce în ce mai importantă pe măsură ce AI fizic trece de la demonstrații la implementări comerciale. Un sistem robotic care funcționează bine pe o singură mașină configurată cu atenție este mult mai puțin util pentru marii contractori decât un software capabil să se adapteze la flotele eterogene deja în funcțiune în întreaga lume.

Gravis says its terrain‑aware excavation technology can increase throughput by as much as 30%, although actual gains will inevitably depend on the machinery, job and site conditions.

Trecerea de la proiecte de cercetare la șantiere active

Gravis had already begun expanding commercially before the SoftBank investment.

In noiembrie 2025, the company announced $23 million în finanțare proaspătă alongside partnerships and deployments involving companies including Holcim, Taylor Woodrow, HD Hyundai and Flannery Plant Hire. At the time, Gravis said its systems were live in seven countries spanning the UK, European Union, United States, Latin America and Asia.

One notable deployment involved autonomous excavation on an active Taylor Woodrow infrastructure project at Manchester Airport. The company has also worked on autonomous quarry‑material handling and established a partnership with Flannery designed to make excavators equipped with Gravis technology available through the equipment rental market.

That commercialization history helps distinguish the latest financing from physical‑AI investments centered primarily on future prototypes. Gravis is raising capital while its systems are already being tested and used alongside conventional construction crews.

Proiectul din Marea Britanie va introduce excavatoare autonome într-un test mai amplu

The expansion is also receiving government support.

Gravis and Flannery Plant Hire were recently selected for a project under the UK’s CAM Pathfinder connected and automated mobility program. The initiative will trial a fully autonomous earthmoving system across six excavators, with applications including trenching, bulk excavation and truck loading.

The project is particularly relevant because equipment rental could become an important distribution channel for construction autonomy.

Rather than requiring contractors to purchase autonomous machines or permanently retrofit their own fleets, rental companies could provide autonomy‑equipped machinery for individual projects. That could lower the financial and operational barriers to experimenting with the technology.

It would also expose autonomous systems to a much wider variety of jobsites, machinery configurations and ground conditions, potentially generating valuable operational data for improving the underlying AI models.

De ce construcția devine o piață majoră pentru AI fizic

Much of the attention surrounding physical AI has focused on roboți umanoizi. Heavy machinery represents another potentially significant opportunity, and one where the economic use case may be easier to define.

Excavatoarele, încărcătoarele și alte mașini efectuează deja cantități enorme de muncă fizică. Provocarea nu este inventarea unui nou factor mecanic, ci adăugarea de inteligență echipamentelor deja desfășurate la scară.

Aceasta creează o cale diferită spre comercializare. În loc să solicite clienților să determine ce ar trebui să facă un nou tip de robot, companii precum Gravis vizează sarcini pe care contractorii le plătesc deja să le execute lucrători calificați și utilaje costisitoare în fiecare zi.

Provocarea rămasă este fiabilitatea. Mediile de construcție sunt murdare, dinamice și critice din punct de vedere al siguranței, ceea ce înseamnă că echipamentele autonome trebuie să opereze în mod constant în condiții mult mai puțin previzibile decât pe liniile de producție sau în depozite.

Gravis’ focus on simulation, machine telemetry, sensor fusion and adaptable control models reflects just how difficult that problem is.

Finanțarea de la SoftBank plasează Gravis într-o nouă fază de expansiune

The $200 million Series A gives Gravis considerably more resources to tackle that challenge.

Rather than simply funding further research, much of the opportunity now lies in deployment: installing systems across more equipment brands, accumulating experience from active construction projects and proving that autonomous machinery can deliver consistent economic benefits outside controlled demonstrations.

The retrofit strategy could be especially important. Construction companies have enormous amounts of capital tied up in existing machinery, and a platform capable of adding intelligence across those assets could scale differently from competitors requiring customers to purchase entirely new robotic fleets.

If that model proves reliable, construction may become one of physical AI’s more consequential markets. The machines are already there, the work is already defined, and demand for infrastructure continues to grow.

Gravis Robotics now has another $200 million to demonstrate that AI can do more than understand and navigate the physical world. It can help reshape it.