SoftBank invirtió en Gravis Robotics con el objetivo de acelerar maquinaria pesada autónoma impulsada por IA.

SoftBank inyectó 200 millones de dólares en Gravis Robotics,en la que representa la ronda de financiación Serie A más ambiciosa en la historia de la robótica aplicada a la construcción.

Gravis Robotics explicó que este movimiento busca impulsar su misión de dotar de autonomía a la maquinaria pesada mediante el uso de Inteligencia Artificial (IA) avanzada,permitiendo su despliegue a gran escala en proyectos de edificación globales.

La inversión se da en un contexto de creciente demanda de infraestructuras críticas,desde Centros de Datos y redes energéticas hasta vivienda y transporte,sectores que hoy enfrentan un freno significativo debido a la escasez de mano de obra calificada. 

A diferencia de otras industrias,la construcción ha mantenido procesos mecánicos casi inalterados durante el último medio siglo,convirtiéndose en uno de los cuellos de botella para la modernización del entorno físico.

“Los operarios calificados interpretan el terreno mediante sutiles señales físicas,perciben la tensión del motor,sienten la vibración de la máquina y reaccionan a la resistencia hidráulica. Nuestra IA toma esa misma información física y la integra en la telemetría de la máquina,respondiendo a las fuerzas subterráneas y la mecánica del suelo a velocidades de microsegundos”.

“No intentamos simplificar el mundo para nuestro software; le proporcionamos la intuición física necesaria para gestionar obras reales con una precisión que va más allá de lo que cualquier ser humano puede percibir desde la cabina”,aseguró Dominic Jud,director de tecnología y cofundador de Gravis Robotics.

Destacado: AMD presenta procesadores para acelerar la era de la IA Física y los robots

Mientras que otras tecnologías robóticas se limitan a esquivar obstáculos en superficies lisas,la startup de construcción destacó que su software está diseñado para entornos hostiles y cambiantes,donde la máquina debe interactuar físicamente,remodelar el terreno y gestionar la resistencia del suelo en tiempo real.

La compañía utiliza modelos de entrenamiento sintético basados en simulaciones masivas que recrean desde suelos rocosos hasta terrenos blandos. 

Esta capacidad permite que sus algoritmos aprendan a ejecutar tareas con la precisión de una línea de montaje industrial,superando la variabilidad de las obras civiles tradicionales y ofreciendo una adaptabilidad generalizable que permite a las máquinas aprender de múltiples fabricantes de hardware.