Всего через три месяца после выхода из тени, XDOF - стартап, который собирает данные телеметрии реального мира для обучения универсальных роботов - по сообщениям, находится на поздней стадии переговоров о привлечении раунда B при оценке около 1,2 миллиарда долларов, под руководством 8VC. Несколько человек, знакомых с ситуацией, заявили об этом, и кто мы такие, чтобы сомневаться в них?
Основанный в 2024 году исследователями из Калифорнийского университета в Беркли Филиппом Ву (генеральный директор) и Фредом Шенту (технический директор), XDOF уже привлек 70 миллионов долларов в раунде A в июне, с участием Thrive Capital, Andreessen Horowitz, Lux и Spark Capital. Видимо, этого было недостаточно. Компания не планировала снова привлекать средства так скоро, но при годовой выручке, приближающейся к 50 миллионам долларов, венчурные капиталисты постучались в дверь. Потому что когда стартап демонстрирует быстрый рост, единственная логичная реакция - бросить в него еще больше денег.
TechCrunch не удалось узнать общую сумму привлекаемого капитала или включает ли оценка новое финансирование. Условия не окончательны и могут измениться. XDOF и 8VC не ответили на запросы о комментариях, вероятно, потому что были заняты подсчетом своих потенциальных миллиардов.
Стартап стремится создать конвейеры данных, инструменты сбора и системы аннотации, которые передовые лаборатории ИИ и робототехнические компании не могут легко построить сами. По сути, они являются аутсорсинговой цепочкой поставок данных для робототехнической отрасли, потому что кто хочет делать эту утомительную работу внутри компании?
Путь Ву начался с аспирантуры, где он изучал, как роботы учатся на больших наборах данных. Его исследования были затруднены отсутствием 'масштабных данных для работы', как он рассказал TechCrunch в июне. Поэтому он объединился с Шенту, чтобы создать GELLO - недорогую систему телеуправления, которая позволяет человеку-оператору дистанционно управлять роботизированной рукой для генерации обучающих данных. Их работа привела к влиятельной статье в области робототехники, потому что, конечно же, привела.
Эти исследования легли в основу XDOF, который инвесторы теперь описывают как Scale AI или Mercor для физической робототехники. В отличие от больших языковых моделей, которые изначально обучались на всем интернете, физические роботы не имеют эквивалентного набора данных реального мира, из которого можно было бы черпать. Сбор данных является критическим узким местом, и XDOF стремится исправить это, по одной сложенной рубашке за раз.
XDOF сотрудничает с исследовательской лабораторией ИИ Калифорнийского университета в Беркли, чтобы выпустить то, что, по их мнению, является крупнейшей коллекцией высококачественных обучающих данных для роботов, когда-либо собранных, под названием ABC. Потому что называть вещи ABC - это и просто, и амбициозно.
Чтобы захватить эти данные, XDOF сочетает дистанционное телеуправление роботами с людьми-сборщиками, которые носят датчики для записи повседневных задач, таких как складывание одежды и разравнивание коробок. Да, люди по сути учат роботов выполнять домашние дела, надевая датчики и выполняя эти дела сами. Это работа.
Стартап планирует нанять и обучить команды сборщиков данных по всему миру, включая телеоператоров, которые управляют роботами удаленно, и эгоцентричных операторов, которые носят датчики на теле для захвата данных о движении. XDOF ранее сообщил TechCrunch, что уже работает с 20 клиентами, включая несколько передовых лабораторий ИИ.
Другие стартапы, пытающиеся собирать данные реального мира для обучения роботов, включают Mecka AI, а также платформы человеческих данных, расширяющиеся за пределы больших языковых моделей, такие как Scale AI и Micro1. Потому что ничто так не говорит об 'инновациях', как золотая лихорадка данных для роботов.