XDOF, startup od danych dla robotyki, negocjuje rundę B przy wycenie 1,2 mld dolarów

Zaledwie trzy miesiące po wyjściu z ukrycia, XDOF, startup specjalizujący się w zbieraniu danych teleoperacyjnych z rzeczywistego świata do szkolenia robotów ogólnego przeznaczenia, prowadzi zaawansowane rozmowy w sprawie rundy finansowania Serii B. Według osób zaznajomionych ze sprawą, runda ta, prowadzona przez 8VC, może wycenić firmę na około 1,2 miliarda dolarów.

Szybki rozwój i geneza XDOF

Firma XDOF została założona w 2024 roku przez badaczy z UC Berkeley, Philippa Wu (CEO) i Freda Shentu (CTO). W czerwcu TechCrunch informował o rundzie Serii A o wartości 70 milionów dolarów, w której uczestniczyły takie firmy jak Thrive Capital, Andreessen Horowitz, Lux i Spark Capital. Początkowo XDOF nie planowało tak szybkiego pozyskiwania kolejnych funduszy. Jednakże, jak podają źródła, szybki rozwój firmy – z rocznymi przychodami zbliżającymi się do 50 milionów dolarów – skłonił inwestorów venture capital do zaproponowania nowej rundy finansowania.

Warunki transakcji nie są jeszcze ostateczne i mogą ulec zmianie. Nie ujawniono również całkowitej kwoty kapitału, który ma zostać pozyskany, ani tego, czy wycena uwzględnia nowe finansowanie. Zarówno XDOF, jak i 8VC nie odpowiedziały na prośby o komentarz.

Rozwiązanie problemu braku danych dla robotyki

Celem XDOF jest budowanie potoków danych, narzędzi do ich zbierania oraz systemów adnotacji, których laboratoria AI i firmy robotyczne nie są w stanie łatwo stworzyć samodzielnie. Firma działa jako zewnętrzny dostawca danych dla branży robotycznej. Philipp Wu, będąc doktorantem, badał, jak roboty uczą się z dużych zbiorów danych. Jak sam przyznał w czerwcu w rozmowie z TechCrunch, jedną z głównych przeszkód w jego badaniach był brak "dużych zbiorów danych do pracy".

To właśnie ta potrzeba skłoniła go do współpracy z Fredem Shentu nad projektem o nazwie GELLO. Był to niskokosztowy system teleoperacji, który umożliwiał operatorowi zdalne sterowanie ramieniem robota w celu generowania danych treningowych. Ich praca zaowocowała wpływową publikacją naukową w dziedzinie robotyki.

Te badania stały się podstawą dla XDOF, które inwestorzy opisują obecnie jako "Scale AI" lub "Mercor" dla robotyki fizycznej. Jest to nawiązanie do gigantów w dziedzinie etykietowania danych, którzy przyczynili się do rozwoju boomu AI. W przeciwieństwie do dużych modeli językowych (LLM), które początkowo trenowały na całym internecie, roboty fizyczne nie mają równoważnego zbioru danych z rzeczywistego świata, co sprawia, że zbieranie danych jest krytycznym wąskim gardłem w budowaniu maszyn ogólnego przeznaczenia.

Innowacyjne metody zbierania danych i partnerstwa

XDOF współpracuje z laboratorium badawczym AI na UC Berkeley, aby udostępnić to, co uważa za największą w historii kolekcję wysokiej jakości danych treningowych dla robotów, nazwaną ABC. Aby zebrać te dane, XDOF łączy zdalną teleoperację robotów z ludzkimi zbieraczami, którzy noszą czujniki do rejestrowania codziennych zadań, takich jak składanie ubrań czy spłaszczanie pudełek.

Startup planuje zatrudniać i szkolić zespoły zbieraczy danych na całym świecie, w tym teleoperatorów, którzy zdalnie sterują robotami, oraz operatorów egocentrycznych, którzy noszą czujniki na ciele do rejestrowania danych ruchowych. Wcześniej XDOF informowało TechCrunch, że współpracuje już z 20 klientami, w tym z kilkoma wiodącymi laboratoriami AI.

Inne startupy próbujące zbierać dane z rzeczywistego świata do szkolenia robotów to między innymi Mecka AI, a także platformy danych ludzkich rozszerzające swoją działalność poza LLM, takie jak Scale AI i Micro1.

Szybki wzrost i wysoka wycena XDOF podkreślają rosnące zapotrzebowanie na wysokiej jakości dane w dynamicznie rozwijającej się dziedzinie robotyki. Zdolność firmy do efektywnego rozwiązywania problemu braku danych treningowych dla robotów ogólnego przeznaczenia może znacząco przyspieszyć postęp w tej branży, otwierając drogę do bardziej zaawansowanych i autonomicznych maszyn w przyszłości.

Źródło: techcrunch.com