Gritt lanserar med 32,4 miljoner dollar för att ta med fysisk AI till infrastrukturbyggnad

Gritt har kommit ut från stealth-läget med 32,4 miljoner dollar i finansiering för att utveckla AI-styrda robotiska system som kan utföra repetitiva och fysiskt krävande arbeten på stora byggnadsplatser.

Finansieringen inkluderar en serie A på 26 miljoner dollar som leds av Obvious Ventures, med deltagande från Union Square Ventures och Active Impact Investments. Tidigare investerare First Round Capital, Climactic, Congruent Ventures och VSC Ventures stödde också företaget.

Gritt distribuerar initialt sin teknik över stora solcellsanläggningsprojekt, där deras maskiner redan används för att flytta, positionera och montera byggnadsmaterial. Företaget planerar att expandera till datacenterkonstruktion och andra stora infrastrukturprojekt.

Att bygga robotar för oförutsägbara miljöer

Industriell automation har traditionellt fungerat bäst inom kontrollerade miljöer som fabriker och lager. Byggnad presenterar ett betydligt svårare robotikproblem.

Utomhusbyggnadsplatser förändras kontinuerligt. Maskiner måste fungera över ler, snö, damm, ojämn terräng, variabel belysning och skiftande layouter. Material, utrustning och arbetare kan också flytta runt under dagen, vilket gör det svårt för en robot att förlita sig på en fast karta eller en noggrant koreograferad arbetsflöde.

Gritt utvecklar vad de beskriver som en delad AI-ryggrad för byggnadsarbete. Systemet kombinerar robotmanipulation, rumslig perception, platdata och beslutsfattande programvara så att maskiner kan utföra uppgifter i miljöer som inte kan förutsägas i förväg.

I stället för att tillverka en helt ny flotta av byggnadsfordon är Gritts robotarmar och AI-system utformade för att ansluta till utrustning som entreprenörer redan använder, inklusive skidsteer och truckar. Avtagbara tillbehör och begränsad anpassad maskinvara gör att systemet kan införas utan att kräva att byggnadsföretag ersätter bekanta maskiner.

Detta tillvägagångssätt kan också förenkla underhåll och distribution, eftersom besättningar kan fortsätta att lita på etablerade utrustningsplattformar medan de lägger till autonoma funktioner för valda uppgifter.

Från materialhantering till montering

Gritts maskiner utvecklas för att utföra flera kategorier av byggnadsarbete genom samma underliggande system.

Deras fysiska AI-funktioner inkluderar att plocka upp och positionera komponenter, transportera material runt en plats och montera delar till färdiga strukturer. Företaget utvecklar också rumsliga AI-funktioner för att inspektera slutförda arbeten, upprätthålla projektrekord, övervaka platstillstånd och rekommendera vad som ska hända härnäst.

Systemet är utformat för att placera och manipulera material med millimeterprecision, även när förhållandena runt maskinen förändras.

Enligt Gritt samlar deras maskiner för närvarande in terabyte av rumslig och operativ data varje dag. Den informationen kan användas för att förbättra perception och uppgiftsutförande samtidigt som den skapar en tydligare post om materialrörelse, slutfört arbete och förändrade platstillstånd.

Denna dataskikt kan så småningom bli lika viktigt som den robotiska maskinvaran. Byggnadssuperviser fattar ofta beslut med hjälp av ofullständig eller försenad information. Ett system som kontinuerligt observerar en plats kan hjälpa till att identifiera flaskhalsar, verifiera framsteg och flagga för uppkommande problem innan de stör ett projekt.

Börjar med storskalig solcellskonstruktion

Gritt börjar med anläggningsstor solenergi, en sektor som kräver att besättningar upprepar precisa fysiska rörelser över enorma utomhusplatser.

Företaget säger att deras system har placerat tiotusentals solpaneler utan att bryta en panel. Deras maskiner fungerar på över sju byggnadsplatser och har uppnått effektivitetsvinster på upp till fyra gånger utan att kräva extra arbetskraft.

Solcellskonstruktion erbjuder en användbar testbana för fysisk AI eftersom arbetet kombinerar repetition med svåra miljöförhållanden. Komponenter måste transporteras och positioneras exakt, men maskinerna som utför dessa uppgifter kan fungera över hundratals hektar ojämn terräng.

Gritt säger att deras utrustning redan används av stora amerikanska ingenjörs-, inköps- och byggnadsföretag. Företaget utvecklar också funktioner för betong- och armeringsarbete, med datacenter och bredare infrastrukturkonstruktion som identifieras som framtida marknader.

Att hantera byggnadsbranschens arbetskrafts- och produktivitetsutmaningar

Finansieringen kommer när byggnadsföretag står inför ett växande gap mellan infrastrukturförfrågan och arbetskraftstillgänglighet.

Mer än 41% av den amerikanska byggnadsarbetskraften förväntas gå i pension till 2031, enligt siffror som citeras av Gritt. Samtidigt planeras stora utgifter för energiinfrastruktur, transport, datacenter, tillverkningsanläggningar och andra stora projekt.

Byggnadsproduktiviteten har också kämpat för att hålla jämna steg med andra branscher. Även om programvara har förbättrat projektplanning och administration, beror mycket av arbetet som utförs på aktiva byggnadsplatser fortfarande på att människor manuellt flyttar, positionerar och monterar material.

Gritt riktar sig mot de repetitiva, högvolymuppgifter som förblir svåra att automatisera men kan konsumera betydande mängder tid och fysisk ansträngning.

Företaget positionerar sin teknik som ett sätt att komplettera byggnadsbesättningar snarare än att ersätta hela byggnadsplatser med autonoma maskiner. Arbetare kan övervaka robotiska system och fokusera på uppgifter som kräver bedömning, samordning och specialiserade färdigheter medan maskinerna utför tusentals repetitiva rörelser.

Att skapa en intelligensskikt för byggnadsplatsen

Gritts långsiktiga mål sträcker sig bortom att automatisera enskilda byggnadsaktiviteter.

När deras maskiner fungerar samlar de in information om platser, utrustningsrörelser, installerade material och miljöförhållanden. Företaget planerar att använda denna data för att bygga ett beslutsfattande system som kan förstå hur arbetet fortskrider över hela projektet.

Sådant system kan så småningom hjälpa chefer att förutse materialbrist, upptäcka schemakonflikter, rekommendera vilken sekvens av arbete som ska ske härnäst och samordna resurser över flera besättningar och maskiner.

Detta skulle föra Gritt närmare en agensbyggnadsplattform där AI inte bara utför kommandon utan kontinuerligt utvärderar förhållanden och hjälper till att bestämma hur ett projekt ska fortskrida.

Varje distribution kan också tillhandahålla utbildningsdata för framtida platser. Gritt säger att uppgifter som initialt krävde månader av utveckling nu kan anpassas inom dagar allteftersom systemet ackumulerar erfarenhet.

Framtida implikationer för byggnad

Gritts finansiering speglar det växande intresset för fysiska AI-system som kan fungera bortom kontrollerade fabriker och lager.

När dessa teknologier mognar kan byggnadsföretag automatisera fler repetitiva materialhanterings- och monteringsuppgifter medan chefer får bättre realtidsöversikt över projektförlopp, utrustningsanvändning och platstillstånd. Detta kan hjälpa till att minska förseningar, förbättra säkerheten och låta begränsad kvalificerad arbetskraft fokusera på arbete som kräver bedömning och samordning.

Den bredare möjligheten är en alltmer anpassningsbar byggnadsplats där maskiner lär sig över distributioner och hjälper infrastrukturprojekt att gå från planering till slutförande på ett mer effektivt sätt.