Стартап XDOF, собирающий реальные данные телеоперации для обучения роботов общего назначения, находится на поздней стадии переговоров о привлечении раунда Серии B с оценкой около 1,2 миллиарда долларов. Раунд возглавит инвестфонд 8VC. Сделка проходит менее чем через три месяца после выхода компании из скрытности, сообщили несколько источников, знакомых с ситуацией.
XDOF был основан исследователями Калифорнийского университета в Беркли Филиппом Ву (CEO) и Фредом Шенту (CTO) в 2024 году. В июне TechCrunch сообщил о 70-миллионной серии A стартапа с участием Thrive Capital, Andreessen Horowitz, Lux и Spark Capital. XDOF не планировала подниматься так быстро после этого раунда. Но быстрый рост компании — с годовым доходом, приближающимся к 50 миллионам долларов — побудил венчурные капиталисты приблизиться к нему в новом раунде.
TechCrunch не смог узнать общий объем привлекаемого капитала или то, включает ли оценка новое финансирование. Условия сделки не являются окончательными и все еще могут измениться.
XDOF и 8VC не ответили на наш запрос о комментариях.
Стартап направлен на создание конвейеров данных, инструментов сбора и систем аннотаций, которые пограничные лаборатории ИИ и робототехнические компании не могут легко построить сами, по сути, действуя как аутсорсинговая цепочка поставок данных для индустрии робототехники.
Почему основателю XDOF не хватало данных?
Будучи аспирантом, Ву изучал, как роботы учатся на больших наборах данных. Одним из больших препятствий для его исследований было отсутствие «крупномасштабных данных для работы», сказал он TechCrunch.
Поэтому он объединился с Shentu в проекте под названием GELLO, недорогой системе телеоперации, которая позволяет оператору дистанционно управлять роботизированной рукой, чтобы генерировать обучающие данные. Их работа привела к влиятельной работе в области робототехники.
Это исследование легло в основу XDOF, который инвесторы теперь описывают как Scale AI или Mercor для физической робототехники, ссылаясь на гигантов маркировки данных, которые помогли подпитывать бум ИИ. В отличие от LLM, которые изначально обучались по всему Интернету, физические роботы не имеют эквивалентного набора данных в реальном мире, что делает сбор данных критическим узким местом для создания машин общего назначения.
Как XDOF собирает данные для роботов?
XDOF сотрудничает с исследовательской лабораторией ИИ Калифорнийского университета в Беркли, чтобы выпустить самую большую коллекцию высококачественных данных обучения роботов, когда-либо собранных, получившую название ABC.
Чтобы получить эти данные, XDOF объединяет удаленную роботизированную телеоперацию с человеческими коллекционерами, которые носят датчики для записи повседневных задач, таких как складывание одежды и сплющивание коробок.
Стартап планирует нанять и обучить команды сборщиков данных по всему миру, включая телеоператоров, которые управляют роботами удаленно, и эгоцентричных операторов, которые носят датчики тела для захвата данных о движении.
Ранее XDOF сообщила TechCrunch, что она уже работает с 20 клиентами, в том числе с несколькими пограничными лабораториями искусственного интеллекта.
Другие стартапы, пытающиеся собирать реальные данные для обучения роботов, включают Mecka AI, а также платформы человеческих данных, расширяющиеся за пределы LLM, такие как Scale AI и Micro 1.
Вопросы и ответы
Кто основал XDOF и когда?
XDOF основали исследователи Калифорнийского университета в Беркли Филипп Ву (CEO) и Фред Шенту (CTO) в 2024 году.
Какой доход у XDOF и почему это важно для нового раунда?
Годовой доход XDOF приближается к 50 миллионам долларов. Быстрый рост компании побудил венчурных капиталистов предложить новый раунд финансирования, несмотря на то, что компания не планировала привлекать средства так скоро после серии A.
Как XDOF собирает данные для обучения роботов?
XDOF объединяет удаленную роботизированную телеоперацию с людьми, которые носят датчики для записи повседневных задач. Компания также сотрудничает с Калифорнийским университетом в Беркли для выпуска набора данных ABC и планирует нанять команды сборщиков по всему миру.
