Zaledwie trzy miesiące po wyjściu z cienia, XDOF – startup zbierający dane teleoperacyjne ze świata rzeczywistego do szkolenia robotów ogólnego przeznaczenia – podobno prowadzi zaawansowane rozmowy w sprawie pozyskania finansowania serii B przy wycenie około 1,2 miliarda dolarów, prowadzonej przez 8VC. Kilka osób zaznajomionych z transakcją tak twierdzi, a któż by śmiał wątpić?

Założony w 2024 roku przez naukowców z UC Berkeley, Philippa Wu (CEO) i Freda Shentu (CTO), XDOF zdążył już zebrać 70 milionów dolarów w serii A w czerwcu, przy udziale Thrive Capital, Andreessen Horowitz, Lux i Spark Capital. Najwyraźniej to nie wystarczyło. Firma nie planowała tak szybko kolejnej zbiórki, ale przy rocznym przychodzie zbliżającym się do 50 milionów dolarów, inwestorzy zapukali do drzwi. Bo gdy startup wykazuje szybki wzrost, jedyną logiczną reakcją jest dołożenie mu jeszcze więcej pieniędzy.

TechCrunch nie zdołał ustalić całkowitego kapitału pozyskiwanego w tej rundzie ani tego, czy wycena obejmuje nowe finansowanie. Warunki nie są ostateczne i mogą się zmienić. XDOF i 8VC nie odpowiedzieli na prośby o komentarz, prawdopodobnie dlatego, że byli zajęci liczeniem swoich potencjalnych miliardów.

Startup ma na celu budowę potoków danych, narzędzi do zbierania i systemów adnotacji, których laboratoria AI i firmy robotyczne nie mogą łatwo zbudować samodzielnie. Zasadniczo są zewnętrznym łańcuchem dostaw danych dla przemysłu robotycznego, bo kto chce wykonywać tę żmudną pracę we własnym zakresie?

Podróż Wu rozpoczęła się, gdy jako doktorant badał, jak roboty uczą się z dużych zbiorów danych. Jego badania utrudniał brak „danych na dużą skalę do pracy”, jak powiedział TechCrunch w czerwcu. Dlatego połączył siły z Shentu, aby stworzyć GELLO, niedrogi system teleoperacji, który pozwala ludzkiemu operatorowi zdalnie sterować ramieniem robota w celu generowania danych treningowych. Ich praca zaowocowała wpływowym artykułem w robotyce, bo jakżeby inaczej.

Te badania stały się fundamentem XDOF, który inwestorzy opisują teraz jako Scale AI lub Mercor dla fizycznej robotyki. W przeciwieństwie do LLM-ów, które początkowo trenowano na całym internecie, fizyczne roboty nie mają odpowiednika rzeczywistego zbioru danych, z którego mogłyby czerpać. Zbieranie danych jest krytycznym wąskim gardłem, a XDOF ma na celu jego rozwiązanie, jedna złożona koszula na raz.

XDOF współpracuje z laboratorium badawczym AI na UC Berkeley, aby opublikować, jak twierdzi, największy zbiór wysokiej jakości danych treningowych dla robotów, jaki kiedykolwiek zgromadzono, nazwany ABC. Bo nazywanie rzeczy ABC jest zarówno proste, jak i ambitne.

Aby pozyskać te dane, XDOF łączy zdalną teleoperację robotów z ludzkimi kolekcjonerami, którzy noszą czujniki i rejestrują codzienne czynności, takie jak składanie ubrań czy spłaszczanie kartonów. Tak, ludzie dosłownie uczą roboty wykonywania obowiązków domowych, nosząc czujniki i sami wykonując te czynności. Praca jak każda inna.

Startup planuje zatrudnić i wyszkolić zespoły kolekcjonerów danych na całym świecie, w tym teleoperatorów, którzy zdalnie sterują robotami, oraz operatorów egocentrycznych, którzy noszą czujniki na ciele, aby rejestrować dane o ruchu. XDOF wcześniej poinformował TechCrunch, że współpracuje już z 20 klientami, w tym z kilkoma czołowymi laboratoriami AI.

Inne startupy próbujące zbierać dane ze świata rzeczywistego do treningu robotów to Mecka AI, a także platformy danych ludzkich rozszerzające się poza LLM-y, takie jak Scale AI i Micro1. Bo nic tak nie mówi „innowacja” jak gorączka złota na dane dla robotów.