Startup-ul își propune să construiască pipeline-uri de date, instrumente de colectare și sisteme de adnotare pe care laboratoarele de inteligență artificială de frontieră și companiile de robotică nu le pot construi cu ușurință singure, acționând practic ca un lanț de aprovizionare externalizat pentru industria roboticii. În calitate de student la doctorat, Wu studia modul în care roboții învață din seturi mari de date. Un obstacol major în cercetarea sa a fost lipsa „datelor la scară largă cu care să lucreze”, a declarat el pentru TechCrunch în iunie. Așa că s-a asociat cu Shentu pentru un proiect numit GELLO, un sistem de teleoperare de cost redus care permite unui operator uman să controleze de la distanță un braț robotic pentru a genera date de antrenament. Munca lor a dus la o lucrare influentă în robotică. Această cercetare a stat la baza XDOF, pe care investitorii o descriu acum drept „Scale AI sau Mercor pentru robotica fizică”, o referire la giganții din etichetarea datelor care au alimentat boom-ul AI.
Spre deosebire de modelele de limbaj mari (LLM), care s-au antrenat inițial pe întregul internet, roboții fizici nu au un set de date echivalent din lumea reală de la care să pornească, ceea ce face ca colectarea datelor să fie un blocaj critic pentru construirea mașinilor generaliste. XDOF colaborează cu laboratorul de cercetare AI al UC Berkeley pentru a lansa ceea ce consideră a fi cea mai mare colecție de date de antrenament pentru roboți de înaltă calitate, numită ABC. Pentru a capta aceste date, XDOF combină teleoperarea robotului de la distanță cu colectori umani care poartă senzori pentru a înregistra sarcini de zi cu zi, cum ar fi împăturirea hainelor și aplatizarea cutiilor. Startup-ul plănuiește să angajeze și să antreneze echipe de colectori de date în întreaga lume, inclusiv teleoperatori care conduc roboții de la distanță și operatori egocentrici care poartă senzori corporali pentru a capta date de mișcare.
XDOF a declarat anterior pentru TechCrunch că lucrează deja cu 20 de clienți, inclusiv cu mai multe laboratoare de inteligență artificială de frontieră. Alte startup-uri care încearcă să colecteze date din lumea reală pentru antrenarea roboților includ Mecka AI, precum și platforme de date umane care se extind dincolo de LLM-uri, cum ar fi Scale AI și Micro1.
Această evoluție vine într-un moment în care industria roboticii se confruntă cu o provocare fundamentală: lipsa datelor fizice de calitate. În timp ce modelele de limbaj au avut acces la cantități uriașe de text de pe internet, roboții au nevoie de interacțiuni reale cu mediul, care sunt costisitoare și dificil de obținut. XDOF abordează exact această problemă, oferind o infrastructură completă pentru colectarea și procesarea datelor de antrenament. Modelul de afaceri al companiei, asemănător cu cel al Scale AI, dar adaptat la robotica fizică, pare să fi atras rapid interesul investitorilor, având în vedere creșterea explozivă a veniturilor.
Faptul că XDOF a reușit să ajungă la o evaluare de 1,2 miliarde de dolari la doar trei luni după ieșirea din stealth subliniază apetitul investitorilor pentru companii care rezolvă problemele critice din spatele inteligenței artificiale. În timp ce multe startup-uri AI se concentrează pe modele și aplicații, XDOF a ales să construiască fundația de date care va permite roboților să învețe să interacționeze cu lumea reală. Această abordare ar putea fi cheia pentru deblocarea următoarei generații de roboți autonomi, de la asistenți casnici la mașini industriale.
Analiștii văd această mișcare ca pe un semnal că piața datelor pentru robotică devine la fel de importantă ca și piața datelor pentru limbaj natural. Pe măsură ce laboratoarele de frontieră își extind cercetările către sisteme fizice, nevoia de date de antrenament de înaltă calitate va crește exponențial. XDOF se poziționează ca un jucător esențial în acest ecosistem, oferind atât instrumentele, cât și forța de muncă necesară pentru a colecta aceste date la scară globală.
De ce este important:
Această rundă de finanțare, dacă se va concretiza, ar valida modelul de afaceri al XDOF și ar sublinia importanța datelor fizice în dezvoltarea inteligenței artificiale. Într-o piață în care majoritatea investițiilor se îndreaptă către modele de limbaj și aplicații software, XDOF demonstrează că infrastructura de date pentru robotica fizică este la fel de valoroasă. Succesul companiei ar putea atrage mai mulți investitori în acest sector, accelerând dezvoltarea roboților generaliști care ar putea transforma industrii întregi, de la logistică la îngrijirea sănătății. Mai mult, creșterea rapidă a veniturilor – de la zero la aproape 50 de milioane de dolari anualizați în mai puțin de un an – arată că există o cerere reală pentru astfel de servicii, ceea ce ar putea schimba modul în care companiile de robotică își construiesc propriile pipeline-uri de date. În esență, XDOF nu doar că rezolvă o problemă tehnică, ci creează o piață complet nouă, cu potențial de creștere masivă.
