Apenas tres meses después de salir del stealth, XDOF —una startup que recopila datos de teleoperación del mundo real para entrenar robots de propósito general— está en conversaciones avanzadas para recaudar una Serie B con una valoración de aproximadamente $1.2 mil millones, liderada por 8VC. Varias personas con conocimiento del acuerdo lo dijeron, y ¿quiénes somos nosotros para dudar de ellos?

Co-fundada en 2024 por los investigadores de UC Berkeley Philipp Wu (CEO) y Fred Shentu (CTO), XDOF ya había recaudado una Serie A de $70 millones en junio, con participación de Thrive Capital, Andreessen Horowitz, Lux y Spark Capital. Aparentemente, eso no fue suficiente. La empresa no planeaba recaudar tan pronto, pero con ingresos anualizados acercándose a los $50 millones, los capitalistas de riesgo llamaron a la puerta. Porque cuando una startup muestra un crecimiento rápido, la única respuesta lógica es arrojarle más dinero.

TechCrunch no pudo conocer el capital total que se está recaudando ni si la valoración incluye la nueva financiación. Los términos no son definitivos y pueden cambiar. XDOF y 8VC no respondieron a las solicitudes de comentarios, probablemente porque estaban ocupados contando sus posibles miles de millones.

La startup tiene como objetivo construir los pipelines de datos, herramientas de recopilación y sistemas de anotación que los laboratorios de IA de frontera y las empresas de robótica no pueden construir fácilmente por sí mismos. Esencialmente, son la cadena de suministro de datos subcontratada para la industria robótica, porque ¿quién quiere hacer ese trabajo tedioso internamente?

El viaje de Wu comenzó como estudiante de doctorado estudiando cómo los robots aprenden de grandes conjuntos de datos. Su investigación se vio obstaculizada por la falta de 'datos a gran escala con los que trabajar', dijo a TechCrunch en junio. Así que se asoció con Shentu para crear GELLO, un sistema de teleoperación de bajo costo que permite a un operador humano controlar un brazo robótico de forma remota para generar datos de entrenamiento. Su trabajo condujo a un artículo influyente en robótica, porque por supuesto que lo hizo.

Esa investigación sentó las bases para XDOF, que los inversores ahora describen como el Scale AI o Mercor para la robótica física. A diferencia de los LLM, que inicialmente se entrenaron con la totalidad de internet, los robots físicos no tienen un conjunto de datos del mundo real equivalente del que extraer. La recopilación de datos es un cuello de botella crítico, y XDOF tiene como objetivo solucionarlo, una camisa doblada a la vez.

XDOF se está asociando con el laboratorio de investigación de IA de UC Berkeley para publicar lo que cree que es la colección más grande de datos de entrenamiento de robots de alta calidad jamás ensamblada, denominada ABC. Porque nombrar cosas ABC es a la vez simple y aspiracional.

Para capturar estos datos, XDOF combina la teleoperación remota de robots con recolectores humanos que usan sensores para registrar tareas cotidianas como doblar ropa y aplastar cajas. Sí, los humanos están esencialmente enseñando a los robots a hacer tareas domésticas usando sensores y haciendo las tareas ellos mismos. Es un trabajo.

La startup planea contratar y entrenar equipos de recolectores de datos en todo el mundo, incluidos teleoperadores que dirigen robots de forma remota y operadores egocéntricos que usan sensores corporales para capturar datos de movimiento. XDOF dijo anteriormente a TechCrunch que ya está trabajando con 20 clientes, incluidos varios laboratorios de IA de frontera.

Otras startups que intentan recopilar datos del mundo real para el entrenamiento de robots incluyen Mecka AI, así como plataformas de datos humanos que se expanden más allá de los LLM, como Scale AI y Micro1. Porque nada dice 'innovación' como una fiebre del oro de datos para robots.