Gravis Robotics привлекла $200 млн в раунде Series A для масштабирования автономной тяжёлой техники

Gravis Robotics привлекла $200 млн в раунде Series A от SoftBank, предоставив цюрихской компании по робототехнике в строительстве значительный новый капитал для расширения технологии автономной тяжёлой техники в глобальных инфраструктурных проектах.

Компания описывает финансирование как крупнейший Series A в строительной робототехнике на сегодняшний день. Раунд происходит в то время, когда инвестиции в physical AI всё более выходят за пределы гуманоидных роботов и автоматизации складов, проникая в отрасли, где машины должны взаимодействовать со сложными, меняющимися средами.

Для Gravis такой средой является строительная площадка. Вместо того чтобы разрабатывать новую тяжёлую технику с нуля, компания разрабатывает оборудование и программное обеспечение ИИ, предназначенные для модернизации существующих экскаваторов и другой землеройной техники, эффективно добавляя различные уровни автономной работы к автопаркам, уже принадлежащим подрядчикам.

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.

Внедрение физического ИИ в тяжёлое строительство

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.

Строительство представляет собой иной вызов по сравнению со многими средами, где автономные машины уже получили популярность.

Самоходное транспортное средство, например, обычно пытается понять и безопасно пройтись по среде, не изменяя её. Ожидается, что экскаватор будет делать противоположное. Каждое движение ковша меняет рельеф, который машине необходимо будет понять дальше.

Машина также может столкнуться с грунтом, камнями, меняющимися склонами, подземным сопротивлением и другими условиями, которые невозможно полностью предсказать заранее.

Gravis пытается решить эту неопределённость с помощью обучаемых систем управления роботами, которые объединяют данные гидравлики машины с LiDAR, камерами и позиционированием GNSS. Их программное обеспечение постоянно интерпретирует окружение техники и физические силы, действующие на неё, а не просто исполняет заранее заданную последовательность движений.

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.

Преобразование существующих экскаваторов в автономные машины

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

Строительные автопарки обычно состоят из машин разных брендов, часто накопленных за годы покупок и арендных соглашений. Требовать от подрядчиков замену этих автопарков на специально построенную автономную технику может значительно усложнить внедрение.

Вместо этого Gravis разработала Gravis RACK — модульную систему автономного управления, которую можно установить на существующие экскаваторы и колесные погрузчики. Компания заявляет, что платформа уже адаптирована к оборудованию производителей, включая Caterpillar, John Deere, JCB, Hitachi, Volvo, Yanmar, Case, Develon и Sumitomo.

Система на крыше сочетает камеры, 3D LiDAR, позиционирование GNSS RTK и автомобильный уровень периферийных вычислений. Поскольку обработка происходит на машине, Gravis утверждает, что автономные функции могут продолжать работать даже при отсутствии надёжного соединения, что важно для удалённых или незавершённых строительных площадок.

Полное покрытие LiDAR и слияние датчиков используются для непрерывного сканирования окружающего рельефа. Эта информация может поддерживать автономный экскаватор, одновременно генерируя 3D‑данные площадки, визуализации выемки‑заполнения и отчёты о выполненных работах.

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.

Автономия без исключения оператора

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

Its интерфейс планшета Slate позволяет подрядчикам переключаться между несколькими режимами работы в зависимости от задачи. Операторы могут оставаться в кабине и пользоваться поддержкой ИИ, отойти, пока машина выполняет более длительные автономные задачи, или дистанционно контролировать оборудование.

В режиме Copilot в кабине операторы могут использовать управление «tap-to-dig» и дополненную визуальную подсказку. Задания могут определяться через САПР (CAD) или моделирование информационных данных о здании (BIM), геометрию, физические контрольные точки или координаты. Интерфейс затем визуализирует, сколько материала нужно удалить или добавить, пока машина работает.

С другой стороны, удалённая оркестрация позволяет оператору наблюдать и дистанционно управлять одной или несколькими машинами, используя живое видео и информацию о площадке.

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.

Программный слой для смешанных строительных автопарков

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

Если одно и то же автономное программное обеспечение может управлять техникой от разных производителей и разных размеров, подрядчики потенциально смогут внедрять автоматизацию без необходимости стандартизировать весь автопарк под одного поставщика.

Gravis заявляет, что их обучаемая система управления адаптируется к физическим характеристикам разных машин, а не требует индивидуального программирования каждого экскаватора.

Это различие может стать всё более важным по мере того, как physical AI переходит от демонстраций к коммерческому развертыванию. Роботизированная система, хорошо работающая на одной тщательно настроенной машине, значительно менее полезна крупным подрядчикам, чем программное обеспечение, способное адаптироваться к разнородным автопаркам, уже действующим по всему миру.

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.

Переход от исследовательских проектов к активным строительным площадкам

Gravis had already begun expanding commercially before the SoftBank investment.

В ноябре 2025 года компания объявила о привлечении $23 млн нового финансирования вместе с партнёрствами и внедрениями с компаниями, включая Holcim, Taylor Woodrow, HD Hyundai и Flannery Plant Hire. На тот момент Gravis заявила, что их системы работают в семи странах, охватывающих Великобританию, Европейский союз, США, Латинскую Америку и Азию.

Одно заметное внедрение включало автономный экскаватор на активном инфраструктурном проекте Taylor Woodrow в аэропорту Манчестера. Компания также работала над автономной обработкой материалов в карьерах и установила партнёрство с Flannery, направленное на предоставление экскаваторов с технологией Gravis через рынок аренды оборудования.

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.

Проект в Великобритании расширит испытания автономных экскаваторов

The expansion is also receiving government support.

Gravis и Flannery Plant Hire недавно были отобраны для проекта в рамках британской программы CAM Pathfinder, связанной с подключённой и автоматизированной мобильностью. Инициатива протестирует полностью автономную систему земляных работ на шести экскаваторах, включая применения такие как траншеирование, масштабные выемки и загрузка грузовиков.

Проект особенно актуален, поскольку аренда оборудования может стать важным каналом распространения автономии в строительстве.

Вместо того чтобы требовать от подрядчиков покупки автономных машин или постоянной модернизации собственного автопарка, арендные компании могут предоставлять оборудование с автономией для отдельных проектов. Это может снизить финансовые и операционные барьеры для экспериментов с технологией.

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.

Почему строительство становится крупным рынком physical AI

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

Экскаваторы, погрузчики и другая техника уже выполняют огромный объём физической работы. Проблема не в создании новой механической формы, а в добавлении интеллекта к оборудованию, уже развернутому в масштабах.

Это создаёт иной путь к коммерциализации. Вместо того чтобы просить клиентов определить, что должна делать новая робототехника, такие компании, как Gravis, нацеливаются на задачи, которые подрядчики уже ежедневно оплачивают квалифицированным персоналом и дорогой техникой.

Оставшаяся проблема — надёжность. Строительные условия грязные, динамичные и критичные с точки зрения безопасности, что требует от автономного оборудования стабильной работы в условиях, гораздо менее предсказуемых, чем заводские цехи или склады.

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

Инвестиции SoftBank открывают новый этап роста Gravis

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

Вместо простого финансирования дальнейших исследований, сейчас большая часть возможностей лежит в развертывании: установка систем на большем количестве брендов оборудования, накопление опыта из активных строительных проектов и доказательство того, что автономная техника может приносить стабильные экономические выгоды за пределами контролируемых демонстраций.

Стратегия модернизации может стать особенно важной. Строительные компании обладают огромными капиталами, вложенными в существующую технику, и платформа, способная добавить интеллект к этим активам, может масштабироваться иначе, чем конкуренты, требующие от клиентов покупки полностью новых роботизированных автопарков.

Если эта модель окажется надёжной, строительство может стать одним из самых значимых рынков physical AI. Машины уже присутствуют, работа уже определена, а спрос на инфраструктуру продолжает расти.

Gravis Robotics теперь имеет ещё $200 млн, чтобы продемонстрировать, что ИИ может делать больше, чем понимать и ориентироваться в физическом мире. Он может помочь его преобразовать.