XDOF: стартап с оценкой $1.2 млрд в поисках нового финансирования

Введение

Менее чем через три месяца после выхода из режима скрытности, стартап XDOF, который собирает данные о телепредставлении из реального мира для обучения универсальных роботов, ведет переговоры о привлечении раунда финансирования Series B с оценкой около $1.2 миллиарда, как сообщили несколько источников, знакомых с ситуацией.

История создания

XDOF был основан исследователями из UC Berkeley Филиппом Ву (генеральный директор) и Фредом Шенту (технический директор) в 2024 году. TechCrunch сообщила о раунде Series A на сумму $70 миллионов в июне, в который вошли Thrive Capital, Andreessen Horowitz, Lux и Spark Capital. Первоначально XDOF не планировал привлекать средства так скоро после этого раунда, но стремительный рост компании — с годовыми доходами, приближающимися к $50 миллионам — побудил венчурных капиталистов обратиться к ним с предложением о новом раунде.

Финансовые условия

TechCrunch не удалось выяснить общую сумму привлекаемых средств или включает ли оценка новое финансирование. Условия сделки еще не финализированы и могут измениться.

Цели XDOF

Стартап намерен создать каналы передачи данных, инструменты сбора и системы аннотирования, которые лаборатории передового опыта в области ИИ и компании по производству роботов не могут легко разработать самостоятельно, фактически действуя как аутсорсинговая цепочка поставок данных для робототехнической отрасли.

Исследования Филиппа Ву

В качестве аспиранта Ву изучал, как роботы учатся на больших наборах данных. Одним из больших препятствий для его исследований была нехватка «масштабных данных для работы», как он сообщил TechCrunch в июне.

Проект GELLO

Поэтому он объединился с Шенту в проекте под названием GELLO, недорогой системе телепредставления, которая позволяет человеку управлять robotic arm удаленно для генерации обучающих данных. Их работа привела к появлению влиятельной статьи в области робототехники.

Основы XDOF

Это исследование стало основой для XDOF, которую инвесторы теперь описывают как Scale AI или Mercor для физической робототехники, ссылаясь на гигантов аннотирования данных, которые способствовали буму ИИ. В отличие от LLM, которые изначально обучались на всей информации из интернета, физические роботы не имеют аналогичного набора данных из реального мира, что делает сбор данных критически важным узким местом для создания универсальных машин.

Партнерство с UC Berkeley

XDOF сотрудничает с AI Research Lab UC Berkeley для выпуска того, что они считают самым большим собранием качественных данных для обучения роботов, названным ABC.

Методы сбора данных

Чтобы захватить эти данные, XDOF сочетает удаленное управление роботами с человеческими сборщиками, которые носят датчики для записи повседневных задач, таких как складывание одежды и выравнивание коробок.

План по расширению

Стартап планирует нанять и обучить команды сборщиков данных по всему миру, включая телепредставителей, которые управляют роботами удаленно, и эгоцентричных операторов, которые носят датчики на теле для захвата данных о движении.

Клиентская база

XDOF ранее сообщал TechCrunch, что уже работает с 20 клиентами, включая несколько передовых лабораторий ИИ.

Конкуренты

Другие стартапы, пытающиеся собрать реальные данные для обучения роботов, включают Mecka AI, а также платформы человеческих данных, расширяющиеся за пределы LLM, такие как Scale AI и Micro1.