Apenas três meses após sair do stealth, a XDOF - uma startup que coleta dados de teleoperação do mundo real para treinar robôs de propósito geral - está em negociações avançadas para levantar uma Série B com uma avaliação de cerca de US$ 1,2 bilhão, liderada pela 8VC. Várias pessoas com conhecimento do negócio disseram isso, e quem somos nós para duvidar?

Co-fundada em 2024 pelos pesquisadores da UC Berkeley Philipp Wu (CEO) e Fred Shentu (CTO), a XDOF já havia levantado uma Série A de US$ 70 milhões em junho, com participação da Thrive Capital, Andreessen Horowitz, Lux e Spark Capital. Aparentemente, isso não foi suficiente. A empresa não planejava levantar novamente tão cedo, mas com receita anualizada se aproximando de US$ 50 milhões, os VCs bateram à porta. Porque quando uma startup mostra crescimento rápido, a única resposta lógica é jogar mais dinheiro nela.

O TechCrunch não conseguiu saber o capital total que está sendo levantado ou se a avaliação inclui o novo financiamento. Os termos não são finais e podem mudar. A XDOF e a 8VC não responderam aos pedidos de comentário, provavelmente porque estavam ocupadas contando seus potenciais bilhões.

A startup visa construir os pipelines de dados, ferramentas de coleta e sistemas de anotação que os laboratórios de IA de fronteira e empresas de robótica não conseguem construir facilmente por conta própria. Essencialmente, eles são a cadeia de suprimentos de dados terceirizada para a indústria de robótica, porque quem quer fazer esse trabalho tedioso internamente?

A jornada de Wu começou como estudante de doutorado estudando como robôs aprendem com grandes conjuntos de dados. Sua pesquisa foi prejudicada pela falta de 'dados em grande escala para trabalhar', ele disse ao TechCrunch em junho. Então ele se uniu a Shentu para criar o GELLO, um sistema de teleoperação de baixo custo que permite que um operador humano controle um braço robótico remotamente para gerar dados de treinamento. O trabalho deles levou a um artigo influente em robótica, porque claro que sim.

Essa pesquisa formou a base para a XDOF, que os investidores agora descrevem como o Scale AI ou Mercor para robótica física. Ao contrário dos LLMs, que inicialmente treinaram na totalidade da internet, os robôs físicos não têm um conjunto de dados do mundo real equivalente para se basear. A coleta de dados é um gargalo crítico, e a XDOF visa corrigir isso, uma camisa dobrada de cada vez.

A XDOF está fazendo parceria com o laboratório de pesquisa de IA da UC Berkeley para lançar o que acredita ser a maior coleção de dados de treinamento de robôs de alta qualidade já montada, apelidada de ABC. Porque nomear coisas de ABC é simples e aspiracional ao mesmo tempo.

Para capturar esses dados, a XDOF combina teleoperação remota de robôs com coletores humanos que usam sensores para registrar tarefas cotidianas como dobrar roupas e achatar caixas. Sim, humanos estão essencialmente ensinando robôs a fazer tarefas domésticas usando sensores e fazendo as tarefas eles mesmos. É um meio de vida.

A startup planeja contratar e treinar equipes de coletores de dados em todo o mundo, incluindo teleoperadores que dirigem robôs remotamente e operadores egocêntricos que usam sensores corporais para capturar dados de movimento. A XDOF disse anteriormente ao TechCrunch que já está trabalhando com 20 clientes, incluindo vários laboratórios de IA de fronteira.

Outras startups tentando coletar dados do mundo real para treinamento de robôs incluem a Mecka AI, bem como plataformas de dados humanos que estão se expandindo além dos LLMs, como Scale AI e Micro1. Porque nada diz 'inovação' como uma corrida do ouro de dados para robôs.