Gravis Robotics ระดมทุน Series A มูลค่า 200 ล้านดอลลาร์เพื่อขยายเครื่องจักรหนักอัตโนมัติ

Gravis Robotics ได้ระดมทุน Series A มูลค่า $200 ล้านดอลลาร์จาก SoftBank ให้กับบริษัทหุ่นยนต์ก่อสร้างที่มีฐานอยู่ในซูริก ซึ่งเป็นเงินทุนใหม่จำนวนมากเพื่อขยายเทคโนโลยีเครื่องจักรหนักอัตโนมัติของบริษัทไปยังโครงการโครงสร้างพื้นฐานทั่วโลก

บริษัทอธิบายว่าการระดมทุนครั้งนี้เป็นการระดมทุน Series A ที่ใหญ่ที่สุดในวงการหุ่นยนต์ก่อสร้างจนถึงปัจจุบัน การลงทุนใน physical AI กำลังขยายออกไปไกลกว่าหุ่นยนต์รูปมนุษย์และระบบอัตโนมัติในคลังสินค้า ไปสู่อุตสาหกรรมที่เครื่องจักรต้องโต้ตอบกับสภาพแวดล้อมที่ซับซ้อนและเปลี่ยนแปลงอยู่เสมอ

สำหรับ Gravis สิ่งแวดล้อมนั้นคือไซต์ก่อสร้าง แทนที่จะสร้างอุปกรณ์หนักใหม่ตั้งแต่ต้น บริษัทพัฒนาฮาร์ดแวร์และซอฟต์แวร์ AI ที่ออกแบบมาเพื่อปรับปรุงเครื่องขุดดินและเครื่องจักรเคลื่อนย้ายดินอื่น ๆ ที่มีอยู่แล้ว โดยเพิ่มระดับการทำงานอัตโนมัติที่แตกต่างกันให้กับฝูงยานที่ผู้รับเหมาก่อสร้างเป็นเจ้าของอยู่แล้ว

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.

นำ Physical AI ไปสู่การก่อสร้างหนัก

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.

การก่อสร้างนำเสนอความท้าทายที่แตกต่างจากหลายสภาพแวดล้อมที่เครื่องจักรอัตโนมัติได้รับความนิยม

ยานยนต์ขับเคลื่อนอัตโนมัติ ตัวอย่างเช่น มักพยายามทำความเข้าใจและเคลื่อนที่อย่างปลอดภัยในสภาพแวดล้อมโดยไม่เปลี่ยนแปลงมัน ในขณะที่เครื่องขุดคาดว่าจะทำตรงกันข้าม การเคลื่อนที่ของถังทุกครั้งจะเปลี่ยนแปลงพื้นดินที่เครื่องต้องทำความเข้าใจต่อไป

เครื่องจักรอาจต้องเผชิญกับดิน, หิน, ความชันที่เปลี่ยนแปลง, ความต้านทานใต้ดินและสภาพอื่น ๆ ที่ไม่สามารถคาดการณ์ล่วงหน้าได้อย่างสมบูรณ์

Gravis พยายามแก้ไขความไม่แน่นอนนี้ด้วยระบบควบคุมหุ่นยนต์ที่เรียนรู้จากข้อมูลไฮดรอลิกของเครื่องร่วมกับ LiDAR, กล้องและตำแหน่งจาก Global Navigation Satellite System (GNSS) ซอฟต์แวร์ของบริษัทจะตีความสภาพแวดล้อมของเครื่องและแรงกายภาพที่ส่งผลต่อมันอย่างต่อเนื่อง แทนที่จะทำตามลำดับการเคลื่อนที่ที่กำหนดไว้ล่วงหน้า

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.

เปลี่ยนเครื่องขุดที่มีอยู่ให้เป็นเครื่องจักรอัตโนมัติ

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

ฝูงยานก่อสร้างมักประกอบด้วยเครื่องจากหลายแบรนด์ที่สะสมมาจากการซื้อและเช่าตลอดหลายปี การให้ผู้รับเหมาก่อสร้างต้องเปลี่ยนฝูงยานเหล่านั้นเป็นเครื่องจักรอัตโนมัติที่สร้างขึ้นโดยเฉพาะอาจทำให้การยอมรับยากขึ้นอย่างมาก

แทนที่นั้น Gravis ได้พัฒนา Gravis RACK ระบบควบคุมอัตโนมัติแบบโมดูลาร์ที่สามารถติดตั้งบนเครื่องขุดและเครื่องบรรทุกล้อที่มีอยู่แล้ว บริษัทระบุว่าแพลตฟอร์มนี้ได้ปรับใช้กับอุปกรณ์จากผู้ผลิตหลายรายรวมถึง Caterpillar, John Deere, JCB, Hitachi, Volvo, Yanmar, Case, Develon และ Sumitomo แล้ว

ระบบบนหลังคานี้รวมกล้อง, LiDAR 3 มิติ, การกำหนดตำแหน่ง GNSS RTK และการประมวลผลระดับยานยนต์ เนื่องจากการประมวลผลทำบนเครื่องเอง Gravis กล่าวว่า ฟังก์ชันอัตโนมัติสามารถทำงานต่อได้แม้ไม่มีการเชื่อมต่อที่เชื่อถือได้ ซึ่งเป็นประเด็นสำคัญสำหรับไซต์ก่อสร้างที่อยู่ในพื้นที่ห่างไกลหรือยังไม่เสร็จสมบูรณ์

การครอบคลุม LiDAR เต็มรูปแบบและการรวมข้อมูลเซ็นเซอร์ถูกใช้สแกนพื้นดินโดยต่อเนื่อง ข้อมูลนี้สามารถสนับสนุนการขุดอัตโนมัติพร้อมกับสร้างข้อมูลไซต์ 3 มิติ, การแสดงผลการตัดและเติมดิน และบันทึกงานที่เสร็จสิ้น

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.

อัตโนมัติโดยไม่ต้องถอดผู้ปฏิบัติงานออก

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

Its Slate tablet interface allows contractors to move between several operating modes depending on the task. Operators can remain inside the cab and use AI-assisted guidance, step away while the machine performs longer autonomous tasks, or supervise equipment remotely.

In its in-cab Copilot mode, operators can use tap-to-dig controls and augmented visual guidance. Jobs can be defined through Computer-Aided Design (CAD) or Building Information Modeling (BIM) geometry, physical reference points or coordinates. The interface can then visualize how much material needs to be removed or added while the machine works.

At the other end of the spectrum, remote orchestration allows an operator to supervise and remotely operate one or more machines using live video and site information.

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.

ชั้นซอฟต์แวร์ข้ามฝูงยานก่อสร้างผสมผสาน

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

If the same autonomous software can operate machinery from numerous manufacturers and across multiple machine sizes, contractors would potentially be able to deploy automation without standardizing their entire fleet around one vendor.

Gravis says its learning-based control system adjusts to the physical characteristics of different machines rather than requiring each excavator to be programmed independently.

That distinction could become increasingly important as physical AI moves from demonstrations into commercial deployment. A robotic system that performs well on one carefully configured machine is considerably less useful to large contractors than software capable of adapting to the heterogeneous fleets already operating around the world.

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.

ย้ายจากโครงการวิจัยสู่ไซต์งานจริง

Gravis had already begun expanding commercially before the SoftBank investment.

In พฤศจิกายน 2025, the company announced $23 million in fresh funding 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.

โครงการในสหราชอาณาจักรจะนำเครื่องขุดอัตโนมัติเข้าสู่การทดลองขนาดใหญ่ขึ้น

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.

ทำไมการก่อสร้างจึงกำลังกลายเป็นตลาด Physical AI ที่สำคัญ

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.

Excavators, loaders and other machines already perform enormous amounts of physical work. The challenge is not inventing a new mechanical form factor but adding intelligence to equipment that is already deployed at scale.

That creates a different route to commercialization. Instead of asking customers to determine what a new type of robot should do, companies such as Gravis are targeting tasks that contractors already pay skilled workers and expensive machinery to perform every day.

The remaining challenge is reliability. Construction environments are messy, dynamic and safety-critical, which means autonomous equipment needs to operate consistently across conditions that are far less predictable than factory floors or warehouses.

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

การระดมทุนจาก SoftBank นำ Gravis ไปสู่ขั้นตอนการขยายใหม่

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.