Solo tre mesi dopo essere emersa dallo stealth, XDOF - una startup che raccoglie dati di teleoperazione nel mondo reale per addestrare robot generici - sarebbe in trattative avanzate per raccogliere un round di Serie B a una valutazione di circa 1,2 miliardi di dollari, guidato da 8VC. Diverse persone a conoscenza dell'accordo lo hanno affermato, e chi siamo noi per dubitarne?

Co-fondata nel 2024 dai ricercatori dell'UC Berkeley Philipp Wu (CEO) e Fred Shentu (CTO), XDOF aveva già raccolto un round di Serie A da 70 milioni di dollari a giugno, con la partecipazione di Thrive Capital, Andreessen Horowitz, Lux e Spark Capital. A quanto pare, non era abbastanza. L'azienda non aveva intenzione di raccogliere di nuovo così presto, ma con un fatturato annualizzato che si avvicina ai 50 milioni di dollari, i VC sono venuti a bussare. Perché quando una startup mostra una crescita rapida, l'unica risposta logica è gettarci più soldi.

TechCrunch non è riuscito a sapere l'importo totale del capitale raccolto o se la valutazione include i nuovi fondi. I termini non sono definitivi e potrebbero cambiare. XDOF e 8VC non hanno risposto alle richieste di commento, probabilmente perché erano occupati a contare i loro potenziali miliardi.

La startup mira a costruire pipeline di dati, strumenti di raccolta e sistemi di annotazione che i laboratori di IA all'avanguardia e le aziende di robotica non possono facilmente costruire da soli. In sostanza, sono la catena di fornitura di dati esternalizzata per l'industria della robotica, perché chi vuole fare quel lavoro noioso internamente?

Il percorso di Wu è iniziato come studente di dottorato che studiava come i robot imparano da grandi set di dati. La sua ricerca è stata ostacolata dalla mancanza di 'dati su larga scala con cui lavorare', ha detto a TechCrunch a giugno. Così ha collaborato con Shentu per creare GELLO, un sistema di teleoperazione a basso costo che consente a un operatore umano di controllare un braccio robotico da remoto per generare dati di addestramento. Il loro lavoro ha portato a un documento influente nel campo della robotica, perché ovviamente.

Quella ricerca ha costituito le fondamenta di XDOF, che gli investitori ora descrivono come la Scale AI o Mercor per la robotica fisica. A differenza dei modelli linguistici di grandi dimensioni, che inizialmente sono stati addestrati sull'intera Internet, i robot fisici non hanno un equivalente set di dati del mondo reale da cui attingere. La raccolta di dati è un collo di bottiglia critico, e XDOF mira a risolverlo, una maglietta piegata alla volta.

XDOF sta collaborando con il laboratorio di ricerca sull'IA dell'UC Berkeley per rilasciare quella che ritiene essere la più grande collezione di dati di addestramento per robot di alta qualità mai assemblata, chiamata ABC. Perché dare un nome alle cose ABC è sia semplice che ambizioso.

Per catturare questi dati, XDOF combina la teleoperazione remota dei robot con collettori umani che indossano sensori per registrare compiti quotidiani come piegare i vestiti e appiattire le scatole. Sì, gli umani stanno essenzialmente insegnando ai robot a fare le faccende indossando sensori e facendo le faccende stesse. È un lavoro.

La startup prevede di assumere e formare team di collettori di dati in tutto il mondo, inclusi teleoperatori che guidano robot da remoto e operatori egocentrici che indossano sensori sul corpo per catturare i dati di movimento. XDOF ha precedentemente detto a TechCrunch che sta già lavorando con 20 clienti, inclusi diversi laboratori di IA all'avanguardia.

Altre startup che tentano di raccogliere dati dal mondo reale per l'addestramento dei robot includono Mecka AI, così come piattaforme di dati umani che si espandono oltre i modelli linguistici di grandi dimensioni, come Scale AI e Micro1. Perché nulla dice 'innovazione' come una corsa all'oro dei dati per i robot.