Bara tre månader efter att ha klivit ut ur smygandet, är XDOF – en startup som samlar in verklig teleoperationsdata för att träna allmänna robotar – enligt uppgift i slutskedet av samtal om att ta in en Series B-runda till en värdering på cirka 1,2 miljarder dollar, ledd av 8VC. Flera personer med insyn i affären har sagt det, och vem är vi att tvivla på dem?

Grundades 2024 av UC Berkeley-forskarna Philipp Wu (VD) och Fred Shentu (CTO), och XDOF hade redan tagit in en Series A på 70 miljoner dollar i juni, med deltagande från Thrive Capital, Andreessen Horowitz, Lux och Spark Capital. Tydligen var det inte tillräckligt. Företaget planerade inte att ta in mer kapital så snart, men med en årlig återkommande intäkt på nära 50 miljoner dollar kom riskkapitalisterna knackande. För när en startup visar snabb tillväxt är den enda logiska reaktionen att kasta mer pengar på den.

TechCrunch kunde inte få reda på den totala mängden kapital som tas in eller om värderingen inkluderar den nya finansieringen. Villkoren är inte slutgiltiga och kan ändras. XDOF och 8VC svarade inte på förfrågningar om kommentarer, förmodligen för att de var upptagna med att räkna sina potentiella miljarder.

Startupen siktar på att bygga datapipelines, insamlingsverktyg och annoteringssystem som frontlinjens AI-labb och robotföretag inte lätt kan bygga själva. I huvudsak är de den outsourcade dataförsörjningskedjan för robotindustrin, för vem vill göra det tråkiga arbetet internt?

Wus resa började som doktorand som studerade hur robotar lär sig från stora datamängder. Hans forskning hämmades av bristen på 'storskalig data att arbeta med', berättade han för TechCrunch i juni. Så han slog sig ihop med Shentu för att skapa GELLO, ett billigt teleoperationssystem som låter en mänsklig operatör styra en robotarm på distans för att generera träningsdata. Deras arbete ledde till en inflytelserik artikel inom robotik, för självklart gjorde den det.

Den forskningen lade grunden för XDOF, som investerare nu beskriver som Scale AI eller Mercor för fysisk robotik. Till skillnad från LLM, som initialt tränades på hela internet, har fysiska robotar ingen motsvarande verklig datamängd att dra ifrån. Datainsamling är en kritisk flaskhals, och XDOF siktar på att fixa det, en vikt skjorta i taget.

XDOF samarbetar med UC Berkeleys AI Research-labb för att släppa vad de tror är den största samlingen av högkvalitativ robotträningsdata som någonsin satts samman, kallad ABC. För att namnge saker ABC är både enkelt och ambitiöst.

För att fånga denna data kombinerar XDOF fjärrstyrd robotteleoperation med mänskliga samlare som bär sensorer för att spela in vardagliga uppgifter som att vika kläder och platta till kartonger. Ja, människor lär i princip robotar att göra hushållssysslor genom att bära sensorer och utföra sysslorna själva. Det är ett sätt att leva.

Startupen planerar att anställa och träna team av datasamlare världen över, inklusive teleoperatörer som styr robotar på distans och egocentriska operatörer som bär kroppssensorer för att fånga rörelsedata. XDOF har tidigare berättat för TechCrunch att de redan arbetar med 20 kunder, inklusive flera frontlinjens AI-labb.

Andra startups som försöker samla in verklig data för robotträning inkluderar Mecka AI, samt plattformar för mänsklig data som expanderar bortom LLM, såsom Scale AI och Micro1. För ingenting säger 'innovation' som en guldrusch för data till robotar.