Adam Sadilek, grundare och VD för AIM – Intervjuer

Adam Sadilek är grundare och VD för AIM. Som barn var han besatt av robotteknik och automation – driven av en önskan att bygga system som kan lära sig på egen hand och göra fysiskt arbete smartare, snabbare och säkrare. Den tidiga fascinationen ledde honom till Google (GOOGL ), där han bidrog till banbrytande arbete på planetomfattande AI och autonoma fordon, som senare utvecklades till Waymo. Genom att känna till en outnyttjad möjlighet grundade han AIM för att bringa autonomi till jordflytt – en sektor som utgör grunden för nästan all mänsklig infrastruktur, men som har sett lite automation sedan införandet av hydraulisk maskinutrustning.

AIM är banbrytande inom världens första AI-drivna plattform för tung utrustning, som förvandlar hur jorden flyttas i stor skala. Genom att kombinera avancerad perception, planering och kontrollsystem automatiserar AIM schaktning, grävning och materialförflyttning över konstruktions-, gruv- och klimatresiliensprojekt. Företagets teknologi adresserar kritiska globala utmaningar som arbetskraftsbrist, modernisering av infrastruktur och katastrofberedskap – och lägger grunden för en framtid där autonoma maskiner kan bygga både på jorden och bortom.

Du tillbringade mer än ett decennium på Google[x], och arbetade med stora AI-initiativ, inklusive det som blev Waymo. Vilka specifika erfarenheter under den perioden övertygade dig om att automatisera den fysiska världen – inte bara digitala miljöer – var rätt gräns?

Jag hade privilegiet att gå med i Google strax efter att jag fått min doktorsexamen i AI. Att arbeta på Google[x] och Alphabet (GOOG ) gav mig praktisk erfarenhet att se potentialen i AI i verkliga världen. Men det var inte förrän jag bytte till att bygga fysiska infrastrukturprojekt som jag verkligen förstod hur mycket av en spelväxlare automation kunde vara i den byggda världen.

Att se hur utmanande det var att flytta jord, jord och material varje dag – även för erfarna byggare – ledde mig till den där ljusbulb-momenten: ingen hanterade det här väsentliga problemet på ett skalbart sätt. Autonom jordflyttning skulle inte bara radikalt förbättra säkerheten för markpersonal och accelerera massiva industrier som gruvdrift, konstruktion och civila arbeten, utan kunde också lösa några av vår planets största utmaningar, som terraformning och ogöra den skada som historiskt har gjorts mot vår planet.

Så under pandemin började jag omvandla manuella maskiner till autonoma i min garage, och det var där AIM föddes.

Med AIM Intelligent Machines har du valt en sektor som har sett lite robotteknik eller autonomi sedan införandet av hydraulisk maskinutrustning. Kan du beskriva den avgörande ögonblicket eller insikten när du bestämde dig för att lansera AIM?

Allt vi bygger, som vi förlitar oss på dagligen, börjar med jord. Från den enhet du läser det här på nu till byggnader, vägar och maskiner vi använder varje dag, allt är antingen grävt eller odlas, och vår förmåga att flytta jord är nyckeln till allt detta.

Jag förstod förstahands erfarenhet av att arbeta inom konstruktion att jordflyttningsindustrier som gruvdrift och konstruktion har sett lite av den teknologi och automation som hade förvandlat andra industrier. Medan lager hade konveyorsystem, fabriker automatiserade monteringslinjer och shippingcontainerisering och spårningssystem – de metoder vi använder för att flytta stora mängder jord har inte förändrats mycket på länge.

Jag började också att förstå den enorma efterfrågan på att förbättra jordflyttningsarbetet. Att operera tung utrustning är ett av de farligaste jobben i världen, vilket leder till både akuta och kroniska arbetskraftsbrister för kvalificerade arbetare (byggnadsindustrin måste locka till sig nästan 1 miljon arbetare under de kommande två åren för att möta projektefterfrågan). Det finns också ett otroligt behov över hela världen av autonom jordflyttning för att förbättra allt från materialförsörjningskedjor till att bygga bättre infrastruktur, sanera farliga avfallsområden och vända den negativa påverkan av klimatförändringar på planeten.

Allt detta ledde mig till insikten att vår civilisation behöver autonom jordflyttning. Vi behöver visionen, hastigheten och intelligensen för att omforma planeten med precision och skala för att hantera planetens största utmaningar och möjligheter. Det är vad som ledde mig att lansera AIM och vad vi löser.

Autonomi för gruvdrift eller konstruktionsutrustning presenterar enorm komplexitet: tuff terräng, oförutsägbara förhållanden, tunga maskiner byggda för decennier. Vilka var de viktigaste tekniska genombrotten som gjorde er plattform möjlig – inom känning, kartläggning, maskinlärning eller integration?

Att utforma inkapslad AI för att flytta jord i några av de tuffaste förhållandena på vår planet är inte lätt. Inte bara behövde vi utforma för miljöer där det inte finns några vägar, filer eller andra regelstrukturer för AI att följa – vi var också tvungna att utveckla system som kunde fungera i platser med extrem värme och kyla, mörker, dålig till obefintlig internetanslutning och väderhändelser som snö, hagel eller sandstormar.

En av de viktigaste tekniska genombrotten för AIM var att hantera utmaningen med känning och kartläggning i tuffa miljöer. Sensor-teknologi kan vara benägen att brytas när den utrustas med maskiner som upplever mycket vibration och påverkan. Så vad vi har gjort är att eliminera dessa ömtåliga delar och inbädda all AI-beräkning och kritiska komponenter i en egenutvecklad pansrad struktur, som också är tätad för att förhindra skräp och sand från att komma in. Vi svetsar sedan sensorer in i maskinens själva skelett för att ge ännu mer hållbarhet.

Denna robusthet, i kombination med kraftfull slut-till-slut-lärande ombord, är vad som möjliggör för AIM-maskiner att automatisera jordflyttningsuppgifter i några av de tuffaste miljöerna, på riktiga produktionsarbetsplatser runt om i världen. Det finns en enorm skillnad mellan en prototyp och ett system som distribueras kommersiellt med några av världens största gruvor, byggare och grenar av den amerikanska regeringen, som förlitar sig på det varje dag över hela sina platser.

AIM:s strategi är att uppgradera befintliga tunga maskiner med sensorer, LiDAR och kameror. Varför valde du att utnyttja befintlig utrustning istället för att utveckla helt nya autonoma maskiner från grunden?

Det enkla svaret är att vi vill att automation ska vara tillgänglig för alla jordflyttningsoperationer idag. Plats- och tillgångschef har redan investerat miljoner till miljarder i tunga maskinflottor. Bara en av dessa maskiner kostar ofta mer än 1 miljon dollar och har en lång livslängd. Så det är inte möjligt eller hållbart att ersätta hela flottor med nya maskiner för att bli autonoma.

Vår uppgraderingsstrategi hanterar hundratusentals av dessa befintliga maskiner i drift runt om i världen. AIM möjliggör för organisationer, stora eller små, att direkt förbättra sina förmågor för att förbättra materialförsörjningskedjor, bygga infrastruktur, skydda och återställa områden som hotas eller skadats av naturkatastrofer och bortom. Detta är att låsa upp kraften i automation för operatörer i den hastighet och skala det behövs för idag, inte om 10 år.

I parallell distribuerar vi ofta samma hårdvara, programvara och AI i partnerskap med kanaler, distributörer och till och med OEM:er som tillverkar de fantastiska hydrauliska maskinerna vi förser med AIM:s autonomiplattform som körs ovanpå dessa flottor. Så det handlar om maximal säkerhet, värdeskapande, gemensam kundframgång och valfrihet för de enormt viktiga ekosystemen.

Din plattform använder slut-till-slut-lärande så att maskiner kan “lära sig själva” att gräva snabbare och mer effektivt. Hur fungerar den här återkopplingsloopen exakt i fältet, och vilka operativa förbättringar har du observerat hittills?

Vår strategi var att lägga all AI-beräkning ombord. I kombination med vår förstärkta plattform som fungerar även utan GPS eller internet, levererar vi avancerad autonomi genom slut-till-slut-lärande som utförs på kanten. Detta möjliggör för maskinerna att bli smartare och snabbare ju mer de utför arbetet. I själva verket lär sig en AIM-utrustad maskin att gräva riktigt bra på mindre än en timme! AI-robotkontrollen blir extremt exakt när den lär sig, till exempel körning med en tvåcentimeters noggrannhet, till och med utan GPS.

Slut-till-slut-lärande är nyckeln för AIM-maskiner att nå den kommersiella nivån av autonomi för att utföra jordflyttningsuppgifter på produktionsarbetsplatser runt om i världen. Det betyder också att all data, analyser och prestandaövervakning är ombord för att minska slitage, minska driftstopp och förlänga maskinernas livslängd ännu mer.

Dessutom, när systemet lär sig, kan AIM leverera nya operativa och CapEx-värden över bränslebesparingar, driftscykel, flottanvändning, optimal AI-platsplanering och eliminering av omgjordning. I genomsnitt inom gruvdrift genererar AIM ytterligare 13 miljoner dollar i värde per maskin och år för topplinjen, samtidigt som det sparar 633 000 dollar per maskin och år för bottenlinjeförbättringar (direkta operativa besparingar). Att helt eliminera eventuell skada på människor, eftersom ingen är i eller nära maskinerna längre, är givetvis en enorm säkerhetsfördel som är viktig i sig själv och går utöver dollarbelopp.

Du hävdar att tillämpningen av AI här är avgörande för infrastruktur, klimatresiliens, till och med försvar. Vilka är de mest slående verkliga användningsfallen du arbetar med just nu – och hur ser du deras samhälleliga påverkan?

Just nu bor en miljard människor mindre än 10 meter över stigande hav, en på sex bor i områden med betydande skogsbrandrisk och över 3 miljarder påverkas av degraderad mark som behöver återställas. Det råder ingen tvekan om att arbetskraftsbrist påverkar allvarligt takten för vilken kritisk infrastruktur byggs, reparationer görs och hur snabbt projekt kan slutföras. Dessa arbetskraftsbrister gör det svårare än någonsin att inte bara vända de negativa effekterna av klimatförändringar utan också proaktivt förhindra framtida utmaningar.

Det enda sättet vi kan hantera dessa utmaningar på är genom att bringa mer kraft och autonomi till arbetsplatserna – så att operationer inte begränsas av arbetskraftsbrister, väderförhållanden eller farliga arbetsmiljöer.

Till exempel ökar skogsbränder i frekvens på grund av de negativa effekterna av klimatförändringar. Istället för att reagera på de skador som dessa bränder orsakar, stoppar AIM dem innan de händer. AIM-utrustade bulldozers kan sättas direkt in i djupa skogar för att skapa brandbryggor som förhindrar att skogsbränderna sprider sig, allt medan de opereras på distans. Likaså är sättet att bygga en damm eller en sjövägg att mycket medvetet stapla upp material längs kusten för att lyfta den. Det är analogt med de jordarbeten vi redan gör.

AI kommer att förvandla hur vi reagerar på och förhindrar dessa naturkatastrofer och klimatutmaningar från att hända.

Gruv- och byggnadsindustrin har ofta djupt rotade metoder, tung reglering och hög risktolerans men låg automationsanvändning. Vilka icke-tekniska hinder (kulturella, reglerande, operativa) står AIM inför när de skalrar sin lösning?

Det är alltid en utmaning när en transformatorisk teknik kommer in i ett område där metoder har etablerats under decennier. AI-driven teknik för med sig alltid en viss skepsis i icke-tekniska industrier. Men med AIM har vi kunnat övervinna dessa utmaningar genom att fysiskt visa operatörerna hur AIM fungerar, hur det ger dem möjlighet, och hur de flyttar upp till säkra, mer tillfredsställande och hållbara karriärer.

Dessa industrier känner av effekterna av arbetskraftsbrist och ökande efterfrågan förstahands. När de kan se hur AIM-utrustade fordon kan slutföra en full skift autonomt med precision, eller operera i områden som är för farliga för deras besättning att gå in i, försvinner dessa problem. Istället för att vara instängda i maskiner är operatörerna ivriga att lära sig att de kan operera autonoma flottor på ett säkert avstånd (och i AC eller värme) för att förbättra både utmatning och driftstid.

Det växande behovet av operativ effektivitet överväger de hinder som traditionellt har förhindrat antagande.

Du grundade AIM vid en tidpunkt då få såg möjligheten att tillämpa AI inom tung utrustning och jordflyttning. Hur kristalliserade du den långsiktiga visionen för AIM – och hur balanserade du tidig experiment med den större industriberättelsen kring automation i gruvdrift och konstruktion?

När jag lämnade Google började jag bygga tunga fysiska infrastrukturprojekt som krävde låg latens och extrem hastighet – det var då jag visste att vi behövde bringa autonoma operationer in i den fysiska världen.

Automation var alltid mer av en dröm för gruv- och byggnadsindustrin; alla hoppades att en lösning skulle dyka upp, men ingen gjorde det. Med en teknisk och branschspecifik bakgrund var visionen för AIM tydlig. Jag förstod de operativa luckor som behövde lösas och hur AI kunde tillämpas i den fysiska världen, och jag visste att marknaden för denna optimering fanns där.

Med tanke på ditt arbete med både planetomfattande AI (på Google/Waymo) och nu jordflyttningsautonomi, hur jämför du den potentiella påverkan av AI i den fysiska världen jämfört med vad vi har sett i den digitala domänen?

AI har redan förvandlat hur vi opererar i den digitala världen, och vi ser en liknande värdeproposition i den fysiska världen – men i en ännu större skala. Liksom hur AI förvandlar hur människor kan bedriva forskning, hantera uppgifter och minska mänsklig övervakning, förvandlar AIM hur fysiska maskiner opererar, lär sig av erfarenheter och anpassar sig till förändrade miljöer.

Vi möjliggör för mänskliga operatörer att göra sina jobb bättre genom att utrusta dem med autonoma maskiner som kan arbeta i områden som de fysiskt inte kan komma åt, operera i väderförhållanden som normalt skulle stänga av en arbetsplats, och upprätthålla kontinuerlig produktivitet. Vare sig digital eller fysisk tillämpning av AI är avsedd att ersätta människor helt – det handlar om att förbättra hur människor kan arbeta.

Du har föreslagit att AIM:s vision sträcker sig bortom jorden – till konstruktion och terraformning utanför planeten. Hur realistisk är den här horisonten i din syn, och vilken roll ser du att AIM spelar i den framtiden?

Att bringa denna automation till alla hörn av jorden är det första steget – men när konstruktion och resursutnyttjande utanför planeten blir verklighet, kommer behovet av autonoma, fjärrstyrda tunga maskiner att bli ännu mer kritiskt. Vi kan inte skicka en mänsklig byggnadsstyrka till Mars, men vi kan skicka AIM-utrustade maskiner som kan operera i dessa extrema väderförhållanden, samtidigt som de lär sig av sin egen erfarenhet för att operera bättre för den landskapet. Vi behöver maskiner som inte bara opererar via fjärrkontroll; vi behöver maskiner som kan operera helt autonomt i områden där människor inte kan.