Японский SoftBank инвестировал рекордные $200 млн в производителя автономного программного обеспечения для строительной техники Gravis Robotics / мнение

Японский SoftBank инвестировал рекордные $200 млн в производителя автономного программного обеспечения для строительной техники Gravis Robotics: будущее с физическим ИИ уже близко

Сейчас на строительных площадках нужно много рабочих рук, найти которые не так просто. Автоматизация на объектах идёт полным ходом, и если системы видеомониторинга уже показывают свою эффективность, то какая ситуация с физическим ИИ?

Прочитал новость о том, что японский SoftBank инвестировал рекордные 200 миллионов долларов в Gravis Robotics - швейцарский стартап, который занимается разработкой программного обеспечения для строительной техники. Вложение такой суммы явно говорит о том, что ставка в будущем делается именно на физический ИИ. В этой статье подробнее расскажу, что это значит для строительной отрасли.

Управляющий директор SoftBank Group Дай Сакато заявил, что физический ИИ занимает центральное место в видении холдинга. Gravis Robotics, по его мнению, способствует созданию автономности в строительной области на основе ИИ. Именно поэтому японский гигант принял решение поддержать швейцарский стартап. Кроме того, инвестор ранее вложил средства в ряд компаний, занимающихся робототехникой. К октябрю этого года SoftBank станет владельцем 13% акций OpenAI.

Здесь сразу бы хотел разграничить понятия о физическом ИИ. Поговорим о внедрении ИИ в уже работающую технику.

Самый прагматичный подход, который зарекомендовал себя на практике, это создание специального ПО и его последующее подключение к обычной строительной технике. Благодаря этому методу, который не обязывает покупать новую технику, экскаваторы, погрузчики и бульдозеры становятся автономными рабочими. Такая система может работать в суровых условиях, при этом набирая опыт при выполнении конкретных задач.

Что касается ПО, то его отдельно разрабатывает каждая компания на базе своих систем и инструментов, и впоследствии оно внедряется на технику популярных марок, например: JCB, Case, John Deere и Caterpillar.

Если бы физический ИИ на стройке не показывал свою эффективность, то и инвестировать рекордные суммы в него бы никто не стал. Как сообщали представители самой Gravis, использование их разработок увеличивает производительность на 30%. Как это выглядит на практике: автономные системы сами адаптируются к окружающей среде и учатся на основе данных. В процессе работы ИИ постоянно получает обратную связь от LiDAR и IMU и корректирует свои действия. Одновременно происходит автоматическая сверка с BIM-моделью и перепланировка действий при необходимости. К тому же использование физического ИИ снижает число простоев. При этом на стройплощадке может идти параллельная работа и дистанционное управление. Ну и происходит оптимизация каждого цикла работы, что в конечном итоге снижает количество необходимых проходов.

Техника, работающая автономно на строительной площадке, уже выполняет ряд важных функций. В первую очередь с её помощью возможно решение базовых задач: мониторинг и инспекции в режиме реального времени, а также сопоставление собранных данных с BIM. Помимо этого, внедрённые в технику системы автономно управляют землеройной техникой, полностью ориентируясь на датчиках и гидравлику, а также устанавливают сваи.

Хоть разработчики ПО для автономной работы техники и говорят о повышении производительности, при внедрении физического ИИ возникает ряд сложностей.

Самая большая проблема - это данные и обучение. Для обучения моделей необходимо иметь большой датасет, и при этом нельзя говорить о том, что количество лучше, чем качество. Несколько тысяч кадров с разными ситуациями и деталями для обучения окажутся намного эффективнее и полезнее, чем сотня тысяч кадров, практически не различающихся между собой. При разработке важно учитывать специфику строительной площадки: разное освещение, разный цвет и форма СИЗ на рабочих, разные ракурсы, плохое освещение и ещё множество факторов, которые невозможно получить небольшой порцией кадров.

Проблемы возникают и при обучении землеройной техники процессу копания. Стоимость сбора данных высокая, и подход, направленный на накопление большого количества информации, неэффективен. К тому же данные, полученные при копании на одной площадке, могут оказаться бесполезными, если техника приедет на другой объект, где совсем другой грунт.

Несмотря на имеющиеся проблемы с развёртыванием физического ИИ, инвестирование рекордных сумм говорит о положительной динамике развития отрасли. В грядущем будущем это выйдет за пределы простой автоматизации и произойдёт фундаментальная трансформация отрасли, что откроет новые возможности в строительной сфере.

И здесь есть несколько факторов. Во-первых, кадровый дефицит продолжается. Найти большое количество работников в кратчайшие сроки будет сложно, а использование автономной техники способно частично решить проблему.

Во-вторых, растёт спрос на строительство сложных объектов. Возведение новых дата-центров и объектов энергетической инфраструктуры требует точности и скорости, которые можно достичь при использовании ИИ в работе.

Ну и в-третьих, проекты, связанные с внедрением ИИ, перестают быть пилотными и начинают реальное масштабное развёртывание.

В скором времени можно ожидать увеличение конкуренции между стартапами. Тот же пример Gravis показывает, что другие компании будут вынуждены ускориться в поиске инвестиций для выхода на рынок. Крупным производителям техники тоже придётся ускорить собственные разработки, чтобы не потерять рынок. В итоге в течение нескольких ближайших лет строительная отрасль получит более дешёвую, точную и доступную автоматизацию.