Gravis Robotics samlar in 200 miljoner dollar i Series A för att skala autonomt tungt maskineri

Gravis Robotics har samlat in $200 miljoner i Series A-finansiering från SoftBank, vilket ger det Zürich-baserade byggrobotikföretaget betydande nytt kapital för att expandera sin teknologi för autonomt tungt maskineri över globala infrastrukturprojekt.

Företaget beskriver finansieringen som den största Series A i byggrobotik hittills. Rundan kommer i ett skede då investeringar i physical AI i allt högre grad sträcker sig bortom humanoida robotar och lagerautomation till industrier där maskiner måste interagera med komplexa, föränderliga miljöer.

För Gravis är den miljön byggarbetsplatsen. Istället för att bygga ny tung utrustning från grunden utvecklar företaget hårdvara och AI‑programvara avsedd att eftermontera befintliga grävmaskiner och annan markarbetesutrustning, vilket i praktiken lägger till olika grader av autonom drift till de flottor som entreprenörer redan äger.

Den nya finansieringen kommer att användas för att påskynda Gravis internationella utrullning, utöka deras ingenjörsteam och placera deras autonoma system i fler bygg- och infrastrukturprojekt.

Att föra fysisk AI till tung konstruktion

Grundat i slutet av 2022 som en spin‑off från ETH Zurich uppstod Gravis ur forskning inom robotik och autonoma styrsystem. Företaget leds av VD och medgrundare Ryan Luke Johns samt CTO och medgrundare Dominic Jud, med robotikforskaren Marco Hutter som medgrundare och styrelsemedlem.

Konstruktion innebär en annan utmaning än många av de miljöer där autonoma maskiner har fått fäste.

Ett självkörande fordon försöker till exempel generellt att förstå och säkert navigera i en miljö utan att förändra den. En grävmaskin förväntas göra det motsatta. Varje skopåslag förändrar terrängen som maskinen sedan måste förstå.

Maskinen kan också stöta på jord, stenar, föränderliga sluttningar, underjordiskt motstånd och andra förhållanden som inte kan förutses helt i förväg.

Gravis försöker hantera den osäkerheten genom inlärningsbaserade robotstyrsystem som kombinerar data från maskinens hydraulik med LiDAR, kameror och Global Navigation Satellite System (GNSS)-positionering. Deras mjukvara tolkar kontinuerligt maskinens omgivning och de fysiska krafter som påverkar den snarare än att bara utföra en förutbestämd sekvens av rörelser.

Företaget säger att deras modeller också tränas omfattande i simulering, vilket gör att AI:n kan möta ett stort antal virtuella grävscenarier innan den tas i bruk på fysisk utrustning.

Att omvandla befintliga grävmaskiner till autonoma maskiner

En central del av Gravis strategi är att undvika beroende av en enda utrustningstillverkare.

Konstruktionsflottor består vanligtvis av maskiner från flera olika märken, ofta samlade under år av inköp och hyresavtal. Att be entreprenörer att ersätta dessa flottor med specialbyggda autonoma maskiner kan göra antagandet av tekniken avsevärt svårare.

I stället har Gravis utvecklat Gravis RACK, ett modulärt autonomt styrsystem som kan installeras på befintliga grävmaskiner och hjullastare. Företaget säger att plattformen redan har anpassats till utrustning från tillverkare inklusive Caterpillar, John Deere, JCB, Hitachi, Volvo, Yanmar, Case, Develon och Sumitomo.

Takmonterade systemet kombinerar kameror, 3D LiDAR, GNSS RTK-positionering och fordonsklassad edge‑computing. Eftersom bearbetningen sker på maskinen, säger Gravis att autonoma funktioner kan fortsätta att fungera även när pålitlig anslutning saknas, en viktig faktor på avlägsna eller ofullständiga byggarbetsplatser.

Full LiDAR-täckning och sensorsammanslagning används för att kontinuerligt skanna den omgivande terrängen. Den informationen kan stödja autonom grävning samtidigt som den producerar 3D‑platsdata, cut‑and‑fill‑visualiseringar och register över utfört arbete.

Gravis uppfattningssystem kan också identifiera dumper och samordna var det grävda materialet ska placeras, vilket gör att autonoma arbetsflöden kan sträcka sig bortom grävning till aktiviteter som lastning och materialhantering.

Autonomi utan att ta bort operatören

Gravis positionerar inte autonomi som en allt‑eller‑inget‑övergång.

Det Slate‑tabletgränssnitt låter entreprenörer växla mellan flera driftlägen beroende på uppgiften. Operatörer kan stanna i hytten och använda AI‑assisterad vägledning, gå bort medan maskinen utför längre autonoma uppgifter, eller övervaka utrustningen på distans.

I dess in‑cab‑Copilot‑läge kan operatörer använda tryck‑för‑gräv‑kontroller och förstärkt visuell vägledning. Uppdrag kan definieras via Computer‑Aided Design (CAD) eller Building Information Modeling (BIM)-geometri, fysiska referenspunkter eller koordinater. Gränssnittet kan sedan visualisera hur mycket material som behöver tas bort eller läggas till medan maskinen arbetar.

I den motsatta änden av spektrumet möjliggör fjärrorkestrering att en operatör kan övervaka och fjärrstyra en eller flera maskiner med hjälp av live‑video och platsinformation.

Detta hybrida tillvägagångssätt kan visa sig viktigt för antagandet. Byggarbetsplatser består sällan av repetitiva uppgifter som utförs under perfekt kontrollerade förhållanden. Att hålla människor i den operativa loopen ger entreprenörer ett sätt att införa autonomi gradvis snarare än att omdesigna hela arbetsplatsen kring helt förarlösa maskiner.

Ett mjukvarulager över blandade byggflottor

Den bredare ambitionen är i praktiken att skapa ett intelligenslager som ligger ovanpå den fragmenterade marknaden för tung utrustning.

Om samma autonoma mjukvara kan driva utrustning från många olika tillverkare och över flera maskinstorlekar, skulle entreprenörer potentiellt kunna införa automation utan att standardisera hela sin flotta kring en enda leverantör.

Gravis säger att deras inlärningsbaserade styrsystem anpassar sig till de fysiska egenskaperna hos olika maskiner snarare än att varje grävmaskin måste programmeras separat.

Denna skillnad kan bli allt viktigare när fysisk AI går från demonstrationer till kommersiell utrullning. Ett robotsystem som presterar bra på en noggrant konfigurerad maskin är avsevärt mindre användbart för stora entreprenörer än mjukvara som kan anpassa sig till de heterogena flottor som redan är i drift världen över.

Gravis säger att deras terrängmedvetna grävteknik kan öka genomströmningen med upp till 30 %, även om de faktiska vinsterna naturligtvis beror på maskinen, uppdraget och platsförhållandena.

Från forskningsprojekt till aktiva byggarbetsplatser

Gravis hade redan börjat expandera kommersiellt innan SoftBank‑investeringen.

I november 2025 meddelade företaget $23 miljoner i ny finansiering tillsammans med partnerskap och utrullningar med företag inklusive Holcim, Taylor Woodrow, HD Hyundai och Flannery Plant Hire. Vid den tidpunkten sade Gravis att deras system var i drift i sju länder som sträckte sig över Storbritannien, Europeiska unionen, USA, Latinamerika och Asien.

En anmärkningsvärd utrullning involverade autonom grävning på ett aktivt Taylor Woodrow‑infrastrukturprojekt på Manchester Airport. Företaget har också arbetat med autonom hantering av stenbrottsmaterial och etablerat ett partnerskap med Flannery som syftar till att göra grävmaskiner utrustade med Gravis‑teknik tillgängliga via utrustningsuthyrningsmarknaden.

Denna kommersialiseringshistorik hjälper till att särskilja den senaste finansieringen från fysiska AI‑investeringar som främst fokuserar på framtida prototyper. Gravis samlar in kapital medan deras system redan testas och används tillsammans med konventionella byggteam.

UK‑projektet kommer att placera autonoma grävmaskiner i en större provning

Expansionen får också stöd från regeringen.

Gravis och Flannery Plant Hire valdes nyligen för ett projekt inom Storbritanniens CAM Pathfinder‑program för ansluten och automatiserad mobilitet. Initiativet kommer att testa ett helt autonomt markarbetessystem med sex grävmaskiner, med tillämpningar som schaktning, massgrävning och lastning av lastbilar.

Projektet är särskilt relevant eftersom utrustningsuthyrning kan bli en viktig distributionskanal för autonomi inom byggsektorn.

Istället för att kräva att entreprenörer köper autonoma maskiner eller permanent eftermonterar sina egna flottor, kan uthyrningsföretag tillhandahålla utrustning med autonomi för enskilda projekt. Detta kan sänka de finansiella och operativa hindren för att experimentera med tekniken.

Det skulle också utsätta autonoma system för en mycket bredare variation av byggarbetsplatser, maskinkonfigurationer och markförhållanden, vilket potentiellt kan generera värdefulla operativa data för att förbättra de underliggande AI‑modellerna.

Varför byggsektorn blir en framväxande stor marknad för fysisk AI

Mycket av uppmärksamheten kring fysisk AI har fokuserat på humanoida robotar. Tung utrustning representerar en annan potentiellt betydande möjlighet, och en där det ekonomiska användningsfallet kan vara lättare att definiera.

Grävmaskiner, lastare och andra maskiner utför redan enorma mängder fysiskt arbete. Utmaningen är inte att uppfinna en ny mekanisk formfaktor utan att lägga till intelligens till utrustning som redan är distribuerad i stor skala.

Det skapar en annan väg till kommersialisering. Istället för att be kunderna bestämma vad en ny typ av robot ska göra, riktar företag som Gravis in sig på uppgifter som entreprenörer redan betalar skickliga arbetare och dyr utrustning för att utföra varje dag.

Den återstående utmaningen är pålitlighet. Byggmiljöer är röriga, dynamiska och säkerhetskritiska, vilket innebär att autonom utrustning måste fungera konsekvent under förhållanden som är mycket mindre förutsägbara än fabriksgolv eller lager.

Gravis fokus på simulering, maskintelemetri, sensorsammanslagning och anpassningsbara styrmodeller visar hur svårt det problemet är.

SoftBank-finansiering för Gravis in i en ny expansionsfas

Den $200 miljoner stora Series A‑finansieringen ger Gravis avsevärt mer resurser för att tackla den utmaningen.

Istället för att bara finansiera ytterligare forskning ligger mycket av möjligheten nu i utrullning: att installera system på fler utrustningsmärken, samla erfarenhet från aktiva byggprojekt och bevisa att autonom utrustning kan leverera konsekventa ekonomiska fördelar utanför kontrollerade demonstrationer.

Eftermonteringsstrategin kan vara särskilt viktig. Byggföretag har enorma mängder kapital bundet i befintlig utrustning, och en plattform som kan lägga till intelligens över dessa tillgångar kan skala annorlunda än konkurrenter som kräver att kunder köper helt nya robotflottor.

Om den modellen visar sig vara pålitlig kan byggsektorn bli en av de mest betydelsefulla marknaderna för fysisk AI. Maskinerna finns redan, arbetet är redan definierat, och efterfrågan på infrastruktur fortsätter att växa.

Gravis Robotics har nu ytterligare $200 miljoner för att demonstrera att AI kan göra mer än att förstå och navigera i den fysiska världen. Den kan hjälpa till att omforma den.